1.5　本书整体结构

人机物融合群智计算是群智感知计算在智能物联网、群体智能、边缘智能等发展背景下的重要演进方向之一，通过异构群智能体协作融合实现个体智能和群体认知能力的增强，在智慧城市、智能制造等领域具有广泛应用前景，同时在人机物群智协同机理、异构群智能体自组织协同、分布式增强学习机制等方面还面临诸多新挑战。

如图1.4所示，本书整体按照“理论机理-关键技术-系统平台”的逻辑展开。具体来说，第3～4章探索从自然群智系统协作机理到人工群智系统的模型参照与技术演进，关注多样化生物组成的自然生态群落与人-机-物异构群智能体协作之间的内在逻辑关联与映射机制构建。在第5～11章，依次介绍人机物融合智能感知与计算的关键技术，探索多智能体环境下自组织、自学习、自适应和持续演化的分布式学习方法，综合利用协作、共享、迁移、竞争、对抗等方式实现异构多智能体增强学习与智能演进。具体地讲，本书的主要内容共分为12章，内容概述如下。

第2章　迈向人机物融合群智计算时代

介绍人机物协同共融的必然发展趋势，催生人机物融合的新型群智计算范式（简称人机物融合群智计算），并影响多个领域新业态的建立；在此背景下，概述人机物融合群智计算的内涵、特质和研究脉络。

第3章　人机物群智涌现机理

介绍生物集群协同机理和人类群智涌现机理等基础理论，以及从生物集群到人工集群的映射机制和研究实践；从群落生态学、异构集群动力学、人机物演化动力学、人机物共融智能和人机物超级物种集群等方面引出作者关于人机物融合群智涌现机理的思考和探索。

第4章　人机物群智涌现动力学模型

介绍利用动力学理论分析和建模上述群智涌现机制，包括生物和人工集群的群集动力学模型，以及生物和人工集群的演化博弈动力学模型；在此基础上，介绍作者关于具有异构性和分布式特点的人机物融合系统群集动力学、演化动力学和自适应可重构群智系统动力学的问题分析与建模。

第5章　人机物协作群智感知

介绍人机物协作群智感知的新发展，它在“以人为中心”的传统群智感知基础上融合了“以物为中心”的物联网和“以机为中心”的边缘智能。详细介绍人机物协作任务分配和云边端融合数据汇聚的核心挑战和前瞻性研究，以及作者在云边端融合群智感知方向的前期研究实践，进而分析其应用前景。

第6章　多源异构群智数据融合

分析人机物异构主体群智贡献数据的异质性、碎片化和杂乱性等特性，为群智感知计算引入新的挑战。为了应对这些挑战，分别介绍跨模态群智数据关联、群智知识集聚与发现以及群智融合时空预测三个方面的研究问题和进展。

第7章　自学习增强与自适应演化

介绍在智能物联网和边缘智能背景下，利用人机物终端本地的计算资源执行深度学习模型实现智能推断逐渐成为一种趋势。针对人机物融合群智计算情境、学习任务和终端资源动态变化的问题，介绍深度模型的自适应演化和自学习增强演化范式。两者在模型的自适应能力优化和生命周期优化上相辅相成。

第8章　群智能体分布式学习方法

介绍人机物融合的异构群智能体如何协同利用多个智能体的数据和计算资源，从而分布式地完成大规模复杂任务，并提升任务处理速度或质量。具体来说，从传统分布式机器学习方法和策略讲起，引出前沿的群智能体联邦学习、群智能体深度强化学习和群智能体协同计算策略和模型。

第9章　人机混合学习方法

人机混合增强智能正成为新一代人工智能的典型特征，但目前基于人在回路和基于认知计算的混合智能仍面临多个挑战并处于初级阶段，并且很少有人机物融合群智计算背景下的人机混合智能研究。针对该问题，介绍参与式样本标注、示范模仿学习和人类指导强化学习三类前瞻性研究思想及核心方法。

第10章　群智能体知识迁移方法

迁移学习能力是人机物融合群智计算系统能够解决新任务的关键。面向群智能体间的深度学习模型参数、领域特征、任务特征、学习方式、数据、技能和决策经验等不同层面的知识，分别介绍基于知识蒸馏的群智知识迁移、基于域自适应的群智知识迁移、基于多任务学习的群智知识共享、基于元学习的群智知识迁移、基于联邦迁移学习的群智知识迁移、基于分层学习的群智技能迁移以及多智能体强化学习中的群智知识迁移问题和前沿研究。

第11章　隐私、信任与社会因素

为了进一步提升人机物融合群智计算系统的群智能体任务参与度、隐私安全性和信任可靠性，重点介绍异构群智能体的激励机制、全过程全场景的隐私保护机制和多元协同信任计算的相关问题挑战及核心方法，并综合运用本章所述机制，介绍基于区块链的人机物融合安全可信群智计算架构。

第12章　CrowdHMT开放平台

汇总与本书相关的代表性系统和发展趋势，介绍人机物融合群智计算系统（CrowdHMT）的通用系统架构及其核心模块，提出“太易”人机物链中间件设计构想。最后，介绍作者在多个典型应用领域的实践和原型系统设计。