因此，集群行为信息架构的正式框架可以包含所有这些元素，重点在它们间的相互作用及随时间的演变。在这个方向上的第一步是接受一种独立于应用领域的通用语言，使我们有可能对信息处理的所有方面进行正式建模。当然这种共同语言要由信息论提供。
度量复杂系统的信息架构
信息论度量方法引入后不久就首先被用于研究集群行为：推断蜜蜂的摇摆舞（Haldane amp; Spurway 1954）和蚂蚁信息素踪迹（Wilson，1962）所编码食物来源的方向信息大小。但应用信息论对集群现象进行系统研究却相当零散（Dall et al. 2005）。例如，统计物理学将互信息用于研究二维伊辛模型（Ising model）中的相变（Matsuda et al. 1996；Gu et al. 2007），由维切克模型[1]（Vicsek model）驱动的自推进粒子蜂群模拟（Wicks al.，2007），以及调节模型（regulatory models）中的随机布尔网络（Ribeiro et al. 2008）。在所有这些情况下，互信息在无序或接近相变阶段时均达到峰值。互信息和块熵（block-entropy）——一种测量有限连续事件不确定性熵的变体（Shannon 1948），已被用于研究蚂蚁信息素铺设模拟中的群体决策（Klyubin et al. 2004），此项研究表明有限的噪声有利于信息传递（Meyer 2017）。最近，Gelblum 等人（2015）的研究则显示，附着在集体运输上的蚂蚁会向系统输入信息，但这种信息只在短时间内有效。以上这些测量方法不仅被用作分析工具，还被应用于人工进化控制器，设计模块化的集群运动行为（Prokopenko et al. 2006）和多机器人系统（Sperati al et al. 2008）等等。
信息论涉及大量不同科技领域信息的量化、存储和传递（Cover amp;Thomas 2005）。例如在生物学的背景下，信息论被广泛用于研究神经系统的功能并确定相关脑区结构（Honey et al. 2007；Vakorin et al. 2009；Nigam et al. 2016；Ito et al. 2011；Lizier et al. 2011；Vicente et al. 2011）。主动信息（见前面公式）被用于研究元胞自动机的信息存储（Lizier et al. 2012b）、神经信息处理（Wibral et al. 2014）以及蜂群动力学（Wang et al. 2012）等，而超额熵则主要应用于复杂物理现象的研究（CrutchfieldFeldman 2003）。
喜欢动作之旅请大家收藏：(m.suyingwang.net)动作之旅三月天更新速度全网最快。