A group of agents can form a flock using the augmented Cucker-Smale (C-S) model. The model autonomously aligns them to a common velocity and maintains a relative distance among the agents in a distributed manner by sharing the information among neighbors. This paper introduces the concept of inactiveness to the augmented C-S model for improving the flocking performance. It involves controlling the energy and convergence time required to form a stable flock. Inspired by the natural world where a few lazy (or inactive) workers are helpful to the group performance in social insect colonies. In this study, we analyzed different levels of inactiveness as a degree of control input effectiveness for multiple fixed-wing UAVs in the flocking algorithm. To find the appropriate inactiveness level for each flock member, the particle swarm optimization-based approach is used as the first step, based on the initial condition of the flock. However, as the significant computational burden may cause difficulties in implementing the optimization-based approach in real time, we also propose a heuristic adaptive inactiveness approach, which changes the inactivity level of selected agents adaptively according to their position and heading relative to the flock center. The performance of the proposed approaches using the concept of lazy (or inactive) agents is verified with numerical simulations by comparing them with the conventional flocking algorithm in various scenarios.

一组代理可以使用增强的 Cucker-Smale (CS) 模型形成一个群。该模型自动将它们对齐到一个共同的速度，并通过在邻居之间共享信息以分布式方式保持代理之间的相对距离。本文将不活跃的概念引入到增强型 CS 模型中，以提高集群性能。它涉及控制形成稳定群所需的能量和收敛时间。受到自然界的启发，在自然界中，一些懒惰（或不活跃）的工人有助于群居昆虫群体中的群体表现。在这项研究中，我们分析了不同程度的不活跃程度作为集群算法中多架固定翼无人机的控制输入有效性程度。要为每个羊群成员找到合适的不活跃程度，基于群体的初始条件，基于粒子群优化的方法被用作第一步。然而，由于巨大的计算负担可能会导致实时实施基于优化的方法出现困难，我们还提出了一种启发式自适应不活动方法，该方法根据所选代理相对于群中心的位置和航向自适应地改变其不活动水平. 使用惰性（或非活动）代理概念的所提出方法的性能通过将它们与各种场景中的传统群集算法进行比较，通过数值模拟得到验证。由于巨大的计算负担可能会导致实时实施基于优化的方法出现困难，我们还提出了一种启发式自适应不活动方法，该方法根据所选代理相对于群中心的位置和航向自适应地改变其不活动水平。使用惰性（或非活动）代理概念的所提出方法的性能通过将它们与各种场景中的传统群集算法进行比较，通过数值模拟得到验证。由于巨大的计算负担可能会导致实时实施基于优化的方法出现困难，我们还提出了一种启发式自适应不活动方法，该方法根据所选代理相对于群中心的位置和航向自适应地改变其不活动水平。使用惰性（或非活动）代理概念的所提出方法的性能通过将它们与各种场景中的传统群集算法进行比较，通过数值模拟得到验证。