10、提升集体系统可扩展性的策略与挑战

提升集体系统可扩展性的策略与挑战

1. 可扩展性概述

可扩展性指系统在不同规模和配置下实现经济高效运行的能力，在众多研究领域备受关注。相关研究大致可分为以下三类：
- 软件系统性能测量类 ：早期（20世纪60 - 70年代）的研究主要聚焦于软件系统的性能测量，将可扩展性视为算法效率问题，与输入规模和硬件资源相关。
- 多智能体系统（MAS）类 ：自20世纪90年代末起，该领域成为研究热点。MAS能够构建动态结构和自适应行为，研究人员常从生产力、性能指标或协调策略等方面定义可扩展性，并尝试运用多种理论和方法提升性能。
- 制造与商业流程类 ：可扩展性在制造和商业流程中至关重要，涉及工作流、数据流管理、商业模式等多个方面，关键在于性能测量。

在机器人领域，可扩展性研究始于20世纪90年代末的集体机器人研究。该领域从宏观和微观两个模型视角进行探讨：宏观模型基于聚合变量描述集体行为，用于预测性能和行为；微观模型关注个体行为，涉及分布式协调、调度分析和通信等问题。此外，还有研究聚焦于涌现属性和可扩展性，这对群体机器人尤为重要。

2. 性能测量与可扩展性参数的二元性

2.1 示例说明

为清晰阐述可扩展性概念，以群体通信实验为例。在“通信街道”实验中，机器人排成一排依次传递消息。通过测量首个机器人发送消息到最后一个机器人接收消息的时间 (t_{1→n})，可计算出每个机器人的平均信息传输速度 (ϑ_i = n/t_{1→n})，此为性能测量值，而机器人数量 (n) 则是缩放参数。根据硬件特性、协议实现和消