01它问的是什么问题（The Question It Poses）
一群椋鸟转弯时整齐得不像话，一群沙丁鱼受惊时像一块布被抖了一下。最省事的两个解释是：有一只领头的；或者它们之间有某种"感应"。前者早被高速摄影否掉了——转向可以从群体的任何一侧发起，而且同一群鸟在同一分钟里发起的位置不固定。
1986 年 Craig Reynolds 要解决的其实是个动画问题：做电影时，怎么才能不逐帧手画一群鸟。他要的不是解释，是一套能跑出这种画面的最小规则。结果这套规则顺带回答了生物学的问题——这种整齐不需要任何全局信息。
02规则本身（The Rules）
- 每个个体叫一只 boid，有位置和速度。它只能"看见"自己附近一小片区域里的邻居。
- 分离（separation）：离邻居太近，就往反方向推一下。
- 对齐（alignment）：把自己的速度调向邻居速度的平均值。
- 凝聚（cohesion）：朝邻居位置的平均值（重心）靠一点。
- 三条各配一个权重，加起来当作这一帧的加速度；再加上最大速度和最大转向率两个限制。
- 就这些。没有全局变量、没有领头、没有任何一只 boid 知道整群长什么样。
第 1 条值得多看一眼："邻居是谁"本身就是一个建模选择，而不是一个中立的技术细节。Reynolds 用的是"半径 r 以内、且不在身后盲区里"，这叫度量式邻域（metric neighbourhood）。第 4 节会看到，真鸟用的可能不是这个。
一只 boid 的全部世界：邻域里的几只鸟，三个方向的诉求，加权求和成这一帧的加速度。
03跑起来会看到什么（What You See When It Runs）
随机撒一把 boid，几秒钟内它们聚成群。碰到障碍物，群分成两股绕过去，过去之后再合上——代码里没有"分开"和"合上"这两个动作，它们是那三条规则的后果。
更值得看的是转向：一只 boid 先动，邻居跟着调，再传给下一圈。转向像波一样扫过整群，而且波速比"每只鸟看见领头再反应"要快得多，因为它是接力，不是广播。
把三个权重当旋钮拧，同一套代码会给出三种完全不同的宏观形态：分离权重大，群松散得像气体；凝聚权重大，团成一个球；对齐权重大，拉成一条整齐的迁徙带。宏观形态是参数的函数，不是被指定的目标。
同一套规则，只改三个权重的比例。没有一处代码在描述"气体""球""带"这些形状。
04它解释了现实中的什么（What It Explains）
最重要的一条是否定式的：它把"必须有领头、必须有全局感知"从必要条件里划掉了。在这之前，群体的整齐被默认需要某种集中的东西；boids 之后，需要解释的反而是"如果不需要集中，为什么有些群体还是有领头"。
正面用途在工程上很直接：无人机编队、人群疏散仿真、游戏与电影里的群体动画（1992 年《蝙蝠侠归来》的蝙蝠群是最早的大规模应用之一）。
它还给出了一个能测的量。如果个体只看邻居，那么信息在群里的传播就应该是波，而波速可测。Attanasi 等人 2014 年对椋鸟群的实测确实看到了这种转向波，并且发现它衰减得极慢——这正是"只看邻居"该有的样子，而不是"每只各自反应"该有的样子。
它不能解释什么（What It Cannot Explain）
- 不能当成"鸟就是这么飞的"。Boids 是一个存在性证明：这样的规则足以产生这种行为。真鸟用的规则得从数据反推，而反推的结果和 Reynolds 的设定并不相同——Ballerini 等人 2008 年的三维重建显示，椋鸟对齐的对象是最近的 6–7 只（拓扑式），不是半径以内的所有（度量式）。
- 不能拿"看起来像"当证据。同一种宏观形态可以由好几组不同规则产生。要区分它们，必须去比对能区分它们的量——比如把群拉稀疏，度量式规则的凝聚力会掉，拓扑式不会。跑出一个像鸟群的画面，什么也没证明。
- 不解释鸟为什么要成群。捕食稀释、信息共享、省体力——这些是演化生态学的问题（"这个行为有什么好处"），boids 回答的是动力学问题（"这个行为怎么产生"）。两个问题都合法，但它只答后一个。
- 不含物理与代价。真鸟有翼载、有尾流、有疲劳。大雁的 V 字队形是空气动力学的省力结构，来自尾涡的上洗气流，不是那三条规则的产物。把 V 字阵当成 boids 的成果，是把两套完全不同的机制混在了一起。
- 不预测群的统计性质。群多大、活多久、多久分裂一次合并一次——这些它都不给。它是一台演示装置，不是一个可以拿去拟合数据的模型。想做后者，得先把邻域规则、噪声、边界都按实测定下来，那已经是另一个模型了。