人群动画合成研究始于上世纪80年代初，至今已取得了较大的发展，并在影视制作、视频游戏、军事仿真、公共安全等诸多领域得到了成功应用。随着以GPU为代表的计算机硬件性能的快速提升，人群动画合成中的渲染绘制技术目前已趋于成熟。但是，人群个体间大量、复杂、并发、非线性的物理与心理的相互作用，使得群组控制依然存在许多科学难问题有待解决，主要体现于如何以较低复杂度灵活、逼真地实现对较大规模人群运动过程的实时控制。　　 针对以上问题，本文采用互信息理论和社会力模型探索人群阵型变换问题中的群组阵型变换的控制方法，所完成的主要工作包括:　　 (1)提出了基于最小代价原则的人群阵型变换算法。人群的阵型变换涉及如何将源点集映射到目标点集、如何在移动过程中保持原始结构的局部不变性和如何评价仿真的结果这三个关键问题。在源到目标的映射问题上，采用最小代价原则完成所有个体分别从源位置至目标位置的全局指派，兼顾了个体由源到目标移动的直接距离代价以及结构变化代价，既保证了个体的就近选取目标原则，又最大程度的保留了移动过程中的原始结构。对于移动时人群的局部结构变化，根据个体的空间位置，采用聚类算法对群组几何拓扑结构中的子群组局部不变性进行挖掘，并在运动过程中引入子群组级层面的社会力保持其局部不变性，体现了阵型移动时的集体行为。最后，利用互信息、局部结构稳定性和指派代价的平衡性这些标准，实现了对阵型变换美学效果这一主观因素的量化评价。　　 (2)提出了基于互信息实时反馈的人群阵型变换算法。对于人群的阵型变换问题，阵型的采样也是影响其美学效果的因素之一，为此，本文采用基于力学的阵型采样处理有效实现了人群个体的自适应均匀分布。同时，在子群组挖掘的基础上，提出了子群组层面的指派算法。这种指派同时兼顾单个个体的最优指派，以及整个子群组的较优指派。最后，根据实时仿真中变量间的互信息，将实时互信息反馈于控制个体移动的社会力模型，进一步提升了阵型变换的视觉效果。