基于群体的多智能体系统是分散式系统，其中多个自主智能体通过模仿自然界中观察到的集体行为（如鸟群或昆虫群落）协作解决复杂问题。 这些系统依赖于管理单个智能体行为的简单规则，而没有中央控制器来指示行动。 相反，智能体在本地进行交互，共享信息或响应环境线索，从而导致涌现的全局行为。 例如，在机器人技术中，一群无人机可以通过遵循诸如避免碰撞和保持与邻居的接近等规则来协调绘制区域地图。
基于群体的系统的主要应用是在优化和资源管理方面。 蚁群优化 (ACO) 算法，灵感来自蚂蚁寻找食物的方式，使用虚拟智能体（“蚂蚁”）来探索网络中的路径，更新信息素踪迹以引导其他蚂蚁找到高效路线。 类似地，在交通控制中，单个车辆或交通信号灯可以充当智能体，根据本地拥堵数据调整其行为，从而减少交通拥堵，而无需中央交通管理机构。 这些方法在可扩展性和适应性方面表现出色，因为添加更多智能体不需要重新设计系统 - 每个智能体都使用共享规则独立运行。
对于开发人员来说，构建基于群体的系统涉及设计智能体交互规则和通信协议。 用于机器人技术的 ROS（机器人操作系统）等工具或用于模拟的 Mesa 等框架有助于对这些系统进行原型设计。 挑战包括确保稳健性（例如，处理智能体故障）和避免意外的涌现行为。 测试通常需要模拟来观察本地规则如何扩展。 例如，开发人员可能会模拟一个仓库机器人群，以确保规则调整不会导致瓶颈。 通过关注本地交互和分散式逻辑，这些系统为动态、大规模问题提供了灵活的解决方案。