一个来源于大自然的灵感主要来源于进化。进化在许多不同和创造性的在自然界中解决方案已经被明确的定义。然而，它仍然可以用来在人工系统中解决问题[17].在计算机软件中模拟生命系统仍然有可能性，尤其是他们的进化。计算机科学家和其他理论学家认识到选择和变异的机制如此有效，在生物进化的过程可抽象为一个计算算法的实现。
在进化系统中有两条主链。一方面，有的系统是在进化算法中实现，并用该算法解决问题——这是进化计算领域。另一方面，有研究者沉迷于研究生命系统的复杂性，通过在计算机上仿真——这是人工生命领域。

1.2国内外研究现状与水平
 1.3发展趋势
   第二章  基本粒子群算法
2.1 群体智能
2.1.1 群体智能介绍
 其他的进化系统已经开发那种不容易适应进化计算的框架。人工生命领域发展成为一个试图在计算领域构件生命，它现在还没有成功，是因为生活的定义极端困难。但人工生命在某些方面的探索是成功的，‘生命可能是’而不是‘我们所知道的生命’。这样做往往是一个合成方法而不是在生物学和其他学科所采取的分析方法，一个重要的现象是，一个系统的整体性能由许多单位分子相互作用。随着计算机系统处理问题能力的增加，在现实的复杂的时间系统，人工生命系统允许进化在复杂系统的建模和生态行为的系统仿真
    人工生命借鉴了进化算法和生态学，神经建模和生物系统许多其他功能，它倒数了模拟显示在生物某些方面的多样性。
    由于来源于人工生命系统不同的灵感，所以列举特点很难统一，所有的人工生命系统都有的不同于主要的进化算法系统。也许是因为这个原因，人工生命是一个不太强的应用相比于进化系统本身。然而，它可能识别 许多应用被人工生命思想所启发的系统——系统由Hoile and Tateson讨论，利用进化和形态的研究思路发展多蜂窝结构，进化的ESO生态研究平台允许模拟复杂的环境和生态系统以及进化算法。SHIPMAN等人利用发展和演变，结合电信通信网络的发展。许多其他的创新在下面的章节中提到在人工生命领域内的下降以及自然算法是否包含进化组件。

    群体智能的特点如下所示：
1.    控制是分布式的,不存在中心控制。因而它更能够适应当前网络环境下的工作状态,并且具有较强的鲁棒性,即不会由于某一个或几个个体出现故障而影响群体对整个问题的求解。
2.    群体中的每个个体都能够改变环境,这是个体之间间接通信的一种方式,这种方式被称为“激发工作”。由于群体智能可以通过非直接通信的方式进行信息的传输与合作,因而随着个体数目的增加,通信开销的增幅较小,因此,它具有较好的可扩充性。
3.    群体中每个个体的能力或遵循的行为规则非常简单,因而群体智能的实现比较方便,具有简单性的特点。
4.    群体表现出来的复杂行为是通过简单个体的交互过程突现出来的智能( Emergent Intelligence) ,因此,群体具有自组织性。
群体智能五条基本原则如下：
1．邻近原则( Proximity Principle) ,群体能够进行简单的空间和时间计算。
2．品质原则(Quality Principle) ,群体能够响应环境中的品质因子。
3．多样性反应原则( Principle of Diverse Response) ,群体的行动范围不应该太窄。
4．稳定性原则(Stability Principle) ,群体不应在每次环境变化时都改变自身的行为。 微粒群智能算法的仿真研究+源代码(3):http://www.youerw.com/tongxin/lunwen_27690.html