群集运动现象广泛存在于自然界中,鸟群的飞翔、鱼群的巡游、蝗虫群的迁徙以及菌群、人群的活动,均是其典型代表。尽管组成这些群体的大量个体能力相对有限,但群体却表现出诸如运动状态协调有序、环境应激灵活多样、任务执行智能高效等一系列“高级”能力,这些群体特性均源自于个体之间相对简单的局部自组织交互,属于典型的涌现现象。探讨个体简单交互产生群体复杂动态的作用机理,是当前群集运动研究的核心与关键。相关成果不仅有助于揭示自然群集的内在运作机制,而且可以为群集机器人、粒子群优化等人工群集系统的设计、构建与优化提供参考。因此,开展群集运动研究具有非常重要的理论意义和应用价值。本文在提出群集运动的“组群分群”基本模式划分并探讨各自功能内涵的基础上,将以往单一针对组群的群集运动研究进一步拓展至分群角度,开展可同时表征组群分群运动的群集模型的构建与分析研究,以便更好地刻画自然群集的运动特征。本文的主要工作及创新点如下：(1)个体运动交互模型框架构建及组群分群运动量化分析方法研究在归纳生物群集实际运动特征的基础上,建立了基于“避撞-结队-聚集”规则的社会力个体交互模型框架；探讨了环境刺激类型与群集响应模式之间的关系,指出同时再现组群分群运动的关键在于对个体速度协同机制的合理描述；定义了适用于组群分群运动量化描述与分析的指标体系。(2)经典速度平均协同机制的应激局限性分析基于拓扑交互速度平均群集模型(SAC-Ave)并结合自然群集的无标度运动关联特性,从环境应激角度研究了经典“速度平均”协同机制的局限性。分析结果表明：基于多近邻状态平均的速度协同方式存在中和多源刺激、平抑单一刺激的作用,导致SAC-Ave群集无法再现应激分群运动,且对于微弱刺激的反应不敏感,其表现不符合自然群集的应激运动特征。(3)基于单近邻交互的各向异性选择耦合群集模型的构建与分析结合实证研究所揭示的生物单近邻交互行为及其特征,在建立涵盖速度变化敏感、前向交互偏好、近距优先等因素的综合评价机制的基础上,提出了一种即时交互仅涉及单一邻居的各向异性选择耦合群集模型(SAC-One)。针对该模型的自发及应激运动特性分析表明：SAC-One模型具备同时再现组群分群运动的能力,其表现优于经典SAC-Ave模型；个体实施前向交互的偏好程度对于群集运动性质具有非单调影响,保持中等程度的前向交互偏好可使SAC-One群集的综合性能最佳；进一步结合交互网络拓扑结构分析,阐明了这一影响的内在机制。(4)引入视觉注意机制的信息耦合群集模型的构建与分析针对视觉感知具有的选择注意特性,在基于计算视觉理论对“任务”驱动注意和“刺激”驱动注意加以刻画的基础上,定义了个体协同的“信息耦合度”指标,据此提出一种体现注意特征的信息耦合群集模型(SAC-ICD):任一时刻,个体并非盲目地与周围所有近邻发生交互,而是在注意机制驱动下仅对其中运动最为“有序”和“异常”的个体作出协同反应。分析结果表明：SAC-ICD模型可同时再现自发组群、应激分群、一致转向等多种典型群集运动模式,其综合性能明显优于SAC-One和SAC-Ave模型；另外,“刺激”驱动注意对于群集的应激运动性质影响显著,个体在兼顾有序协同的基础上对邻域“异常”保持一定关注,有利于群集作出准确且快速的应激响应。(5)基于追逃交互的群集模型比较及其有效性分析根据生物群集的避险行为特征及其机制,建立了一种体现“众目效应”的单捕食者-群集追逃交互场景,围绕避险形态与生存能力两个方面,对SAC-Ave、SAC-One和SAC-ICD三种模型进行了对比研究。仿真实验表明：引入注意机制的SAC-ICD模型的避险特征最为贴近自然群集,具备避险形态丰富、生存能力强的特点；SAC-One模型的避险表现不及SAC-ICD,但较SAC-Ave模型有显著提高；经典SAC-Ave模型的避险能力低下,其应对环境威胁的适应性和灵活性存在显著缺陷。