自然计算研究从自然界的信息组织与处理过程中提取出计算方法与模型,用于解决传统计算方法难以解决的计算问题。自然计算已经成为人工智能研究的一个重要方向,而从人体中提取计算方法则是自然计算领域的重要研究方向。人体内的信息控制系统主要包括神经系统、免疫系统、遗传系统和内分泌系统。这些控制系统体现了高度的智能性和自适应性,蕴含着丰富的有启发性的信息处理机制。在人体的四个主要控制系统中,内分泌系统对人体的生长发育、新陈代谢等功能起到重要的调节作用。内分泌系统与神经系统、免疫系统紧密联系、相互合作,一起维持着机体的内平衡。内分泌系统通过一种称为激素的物质对机体进行调节,激素扩散到全身,对机体进行分布式的调节。内分泌系统与神经系统存在紧密的相互联系,它们互相调节互相作用。神经系统通过神经内分泌细胞调节内分泌系统的活动；内分泌系统则通过激素调节神经系统的活动。内分泌系统分泌的一些激素可以影响人的情感,从高层对神经网络进行调节。神经系统和内分泌系统共同组成一个负反馈调节系统,维持机体内环境的稳态。内分泌系统内部存在着复杂的反馈调节关系,以保证其对机体的调节处于可控状态。目前,对内分泌系统生理机制的研究还不充分,很多内分泌系统的信息作用机制仍未得到充分理解。由此可见,人体的内分泌系统蕴含丰富的信息处理机制,可以给自然计算研究带来新的启发,是自然计算的重要研究方向。受内分泌系统启发提出的自然计算模型称为人工内分泌系统。目前,对内分泌系统生理机制的建模已经蓬勃开展,但是该领域的研究仍不充分,应用研究还不够广泛。本文以人工内分泌系统为主要研究对象,针对目前人工内分泌系统研究的不足之处,努力挖掘出内分泌系统蕴含的信息处理机制,为自然计算研究带来新的启发。本文主要从以下四个方面展开工作：1.通过研究人体内分泌系统与神经系统的相互作用机制,努力挖掘两者之间的相互调节关系,对现有人工神经网络模型进行改进。在对机体的调节过程中,内分泌系统和神经系统存在紧密的相互作用关系,两者合作共同对机体进行调节。神经系统通过神经内分泌细胞调节内分泌系统的活动。内分泌系统分泌的激素可调节神经元的兴奋性,并可从高层影响神经系统的活动。两者的相互作用机制非常复杂,蕴含丰富的信息处理机制,并体现出一定的自适应、自组织、自学习的特点。因此,神经系统与内分泌系统相互作用的机制值得深入研究。本文在对神经系统与内分泌系统相互作用的生理机制进行深入研究的基础上,提出了一种新的利用人工内分泌系统调节人工神经网络的人工神经内分泌模型。相比传统人工神经网络,该模型可以使人工神经网络动态适应环境变化。2.研究人体内分泌系统在调节机体维持内稳态中的作目,在其作用机制的启发下,提出协助保持控制系统处于稳定状态的人工内分泌模型。内分泌系统与神经系统一起相互合作对机体进行调节,其最重要的功能之一就是维持机体的内平衡。人体的内平衡对机体的正常工作具有重要意义,是维持人体生命的基本条件之一。内分泌系统和神经系统一起组成一个负反馈系统,调节内分泌系统的活动,保持人体内环境的稳态。神经系统也可以从高层感知外界环境变化,调节内分泌系统的活动,维持机体的内平衡。受该机制启发,本文提出了协助保持系统处于稳定状态的入工内分泌控制模型。该模型可以协助保持控制系统的状态处于一个相对稳定和平衡的状态,从而更好地起到控制作用。3.研究激素在细胞间扩散的机制,在该机制的启发下,本文提出一种应用于多机器人系统运动控制的模型。研究内分泌系统和神经系统相互调节相互作用的机制是从宏观角度对内分泌系统的信息处理机制进行研究。而从微观角度研究,内分泌系统对机体的调节是通过激素以分布式的方式进行的。激素由内分泌腺体分泌,经多种传播方式扩散到机体各处,对机体进行分布式的调节。激素在机体中的传播受激素的浓度、种类等多种因素影响。由于激素传播过程固有的分布性,研究该过程中的信息传递与控制机制,可以给多机器人系统等分布式系统带来新的启发。基于激素在细胞间传递的生理机制,本文提出了应用于多机器人系统运动控制的分布式人工内分泌模型。相比传统类似模型,该模型具有计算量较少、通用性强等优点。4.在激素传播与作用机制的启发下,研究应用于多机器人系统协同定位问题中的新算法。激素由内分泌细胞分泌后,扩散到全身,对机体进行分布式的调节,其调节过程带有固有的分布式特性。激素的传播过程和作用方式具有很多经典分布式系统信息传播方式不具有的独特特点,但内分泌系统仍可通过激素对机体进行高效的调节。激素的这些传播特性值得深入研究,以给传统分布式系统中的信息传播方式带来新的启发。在激素的生理特性的启发下,本文提出了应用于多机器人系统协同定位问题的人工内分泌模型。相比于传统协同定位算法,该模型可以有效提高多机器人系统协同定位的准确性。本文在对内分泌系统生理机制深入研究的基础上,对内分泌系统的不同部分进行了深入的分析和建模。基于内分泌系统不同部分蕴含的有启发性的信息处理机制,本文对传统自然计算模型进行了改进或提出了新的自然计算模型。本文对提出的自然计算模型进行了实验验证,实验结果证实了本文提出的自然计算模型的有效性和合理性。