活性算法将集群控制从"集中式优化"转向"分布式临界性"。传统方法试图为整个集群求解一个全局最优轨迹，这在计算上不可扩展（NP-hard）。分布式临界态方法让每个单元仅在局部进行推断，但通过临界耦合使局部推断自发同步。当集群遭遇障碍物时，信息以神经雪崩式的方式传播：靠近障碍的无人机首先偏转，这一扰动通过局部交互级联扩散，整个集群如同一个单一有机体般流畅地绕行。这种"群体智能"的效率源于临界态：所有尺度（个体、小组、整体）同时参与计算，无需等待中央指令。

    工程挑战在于维持集群的临界态。通信延迟、传感器噪声、个体故障——这些因素可能将系统从临界推向亚临界（集群解体）或超临界（震荡碰撞）。活性算法的解决方案是"自适应增益调节"：每个无人机根据局部秩序参数（如邻居速度的方差）动态调整自身的响应增益。当检测到亚临界迹象（响应迟缓），提高增益以增强耦合；当检测到超临界迹象（震荡发散），降低增益以稳定系统。这种局部-全局反馈使集群能够在复杂环境中维持"有弹性的秩序"。

支持单位：