摘要：集群运动的自组织控制相较于控制理论方法更具鲁棒性与灵活性,其中具有强大自组织特性的生物种群多表现为单体的等级交互,其特点是交互双方各自影响互不对称,由于信息交互繁杂导致构建等级交互模型仍充满挑战.鉴于此,使用深度学习技术分析红鼻鱼的集群运动实验数据,构建多参数输入的单体等级交互模型,有针对地设计成对交互的深度网络结构,并进行合理训练以获取交互模型,基于视觉压力挑选出关键邻居,将此模型用于该邻居的等级交互,相较于其他邻居选择方式,所提出智能控制方法与真实鱼类的集群运动具有较一致的宏观特性.仿真实验表明:所提出方法能扩展应用到更大规模的集群聚合运动控制中,使得单体仅利用局部信息即可实现大规模的集群运动;该方法具有使用简单、规模灵活、计算快速的特点,在多机器人控制、智能交通系统、饱和集群攻击以及多智能体物流等领域具有广阔的应用前景.