Swarm智能来源于大批自主个体的集体智能努力,这些自主个体主动执行基于网络的组织结构下具有挑战性计算任务群情学原理取自自然界社会生物群智能行为模拟基于不同的自然协作行为,如劳动划分、自适应容积和卷积,群力有自组织、自适应和自学习的有希望能力,并可以产生强大的智能行为完成复杂任务,超出个体智能范围探索复杂群情系统进化机制对应用新出群情很重要

最近注意力更多地集中在理论模型、方法和应用复杂群情系统上,如演化计算系统、多试剂系统和社会计算系统开发出一系列模型机制从不同角度生成并演化群情最近,随着互联网开发,人类社会协同行为进一步扩大群情范围,并提出了数据分析、建模、模拟、决策和应用(如大数据)群情计算和进化计算等新挑战分析机制、建模机制模拟机制特别旨在显示群生成智能行为的方式,而智能行为往往随环境变化而演化,以及合作决策目标研究如何协调组织结构改善情报的出现和演进

本特题将侧重于将学术界或业界的专家和新来者聚集一堂,讨论数据分析、建模、模拟、决策和应用群情演化计算等新老问题这个问题旨在鼓励学术研究与行业应用整合并激励用户界的进一步参与我们欢迎原创研究和评论文章

潜在题目包括但不限于:

• 群情系统建模
• 仿现群情
• 群情系统决策
• 多代理系统
• 社会计算
• Swarm优化方法
• 生物启发计算算法
• 数据驱动多目标演化计算
• 高维多目标进化算法
• 数据分析大型复杂网络
• Swarm智能技术用于商业情报、金融、保健、生物信息学、智能交通、智能城市、智能传感器网络、网络安全和其他关键应用领域