群集动力学系统的主要特点是简单的个体智能和互动可以激发出复杂的群体涌现行为。相关的理论技术被认为在网络化无人系统编队控制、智能电网等工程领域具有广泛的应用前景。群集动力学系统的研究难点在于群集构型倏忽聚散，个体的决策机制与个体间相互作用规律难以确定，其复杂演化过程从未停歇，因此很难明确群集最终会形成何种稳定构型。本文针对上述群集动力学系统的时空特性、个体间相互作用规律、个体决策机制，以及群集构型的演化调控机理展开了深入研究，并取得了如下研究结果：　　揭示了群集动力学系统的时空特性。通过使用高分辨率的鸽群归巢飞行的GPS数据，揭示了明确的鸽群层级关系切换机制，鸽群归巢飞行中具有稳定的长程领导者，其身份切换受个体空间位置分布影响。进一步研究揭示了群集动力学系统的决策次序与空间位置和个体优势的明确关系。　　提出了基于统计力学的群集动力学系统的个体间互动机制分析方法。基于灵敏度更高的速度波动分析策略，发现了自然界生物群体的通讯并非时时进行，而是采用间歇式的方式，有效降低了通讯能耗。然而为了保证群体的聚集性，鸽群通讯网络并非时刻保持连通的，在时间尺度上，单个时刻的通讯网络几乎不连通，而前后几帧的通讯网络并集则很可能连通。从而为多智能体系统联合联通拓扑假设提供了生物学支撑。　　提出了基于机器学习方法的群集动力学系统的个体间互动机制分析方法。利用稀疏贝叶斯学习方法，分析了鸽群自由飞行数据，挖掘了鸽群协同运动中深层个体间的相互作用机制，发现了鸽群中个体间互动频率与物理距离的倒数显著正相关。然而并非个体间距越近，则通讯作用越强，在短间距情况，个体间主要相互作用形式为排斥力，并不表现出速度与位置的对齐现象，而在大于此阈值后，互动频率则随距离增加而线性衰减。同时，该工作揭示了鸽群个体间互动倾向于选择飞行方向左右两侧的个体，呈现出明显的各向异性。　　探究了群集动力学系统的决策行为。基于哈密顿力学，从经典力学另一角度揭示了单个个体到群体的哈密顿能量演化过程，进一步的，结合群集协同涌现机制，揭示了鸽群自主决策内部对称性规律。为了推广生物群集动力学系统的理论与实证研究，采集了移动基站记录的人类使用手机等终端设备上网的时空数据，对大量数据的分析表明人类行为网络时空特性呈现出无标度规律，具有幂律分布与指数截断特性，其聚类系数趋向于定值。研究其信息熵与可预测性发现人类行为具有非马尔科夫性和高可预测性，可用考虑人类探索倾向的偏好返回随机游走模型进行刻画。　　提出了群集动力学系统构型相变调控方法。基于速度校正的Vicsek最小模型，揭示了生物群集构型存在和水的固液气三态切换非常类似的相变现象。随着个体视野范围的增加，群集呈现出从“气态”到“晶态”到“液态”的变化；更有趣的，随着视野进一步扩大，出现了新的“涡旋”态；而随着个体避障趋势加强，“涡旋”态又区分为“实心”、“空心”和“单环”三种子态。该工作为群集系统演化过程理解提供了新的思路。　　最后对全文进行了归纳与总结，并对群集动力学系统的演化分析与构型控制问题的进一步研究和未来发展方向进行了展望。