人工鱼群高级行为的自组织算法与实现

论文在人工鱼行为模型的基础上，建立面向群体行为的人工鱼体系结构与模型，提出了一种基于多Agent的人工鱼群自组织行为的研究方法：将基于这种体系结构人工鱼作为Agent，其能感知环境信息，产生意图，规划行为，最后通过运动系统产生运动来完成行为和实现意图。在群体的移动过程中，如果两个个体之间的距离小于某个给定的值，则它们互相称为对方的邻居，个体倾向于与自己的“邻居”保持一致。每个个体以固定的速率运动，在给定时刻，个体的运动方向为上一时刻它的“邻居”运动方向的平均，鱼群中的个体一个时步一个时步连续完成同步这种运动。     

人工鱼群高级自组织行为研究

在Tu Xiaoyuan和John David Funge研究工作的基础上, 进一步研究人工鱼群的高级自组织行为. 基于个体人工鱼的行为模型, 提出一种基于认知的人工鱼群高级行为自组织方法. 该方法中, 每条人工鱼被看作一个agent. 通过感知外部虚拟环境信息, agent产生行为意图. 人工鱼群的自组织行为通过多个agent间的相互作用涌现形成, 如人工鱼群的运动、捕食、逃逸等行为规划, 从而体现自然鱼群的生物特性, 实现对自然鱼群高级行为的逼真模拟. 我们设计和实现的基于认知的人工鱼群动画系统, 测试验证了所提出的高级行为自组织方法的有效性.     

一种基于组织学习的自适应Agent系统体系结构

在复杂适应系统和组织学习理论的基础上，探讨了一种基于组织学习的自适应Agent系统体系结构。在这种体系结构中，通过Agent交互中的适应性行为获取对系统复杂性的认知，而Agent的适应能力则依靠增强学习和动态自组织与重构来实现。文中给出了一个基于组织增长模型的分类器系统算法以及相应的软件实现技术途径。     

人工鱼的认知模型研究

本文将人工生命的“自繁衍”特性引入到计算机动画创作中。提出并建立了面向自繁衍的人工鱼的认知模型，提高人工鱼的认知能力，实现基于“动物逻辑”的人工鱼高级行为规划。建立了人工鱼产生交配欲望、产卵和环境选择等预定义行为的认知模型。建立了人工鱼随意性行为的认知模型，并利用子集搜索等技术提高搜索效率。     

基于元胞鱼群算法的人员疏散模型

针对元胞自动机模型以及原始人工鱼群算法在刻画综合交通枢纽人员常规疏散行为上的局限性,本文提出了一种基于元胞鱼群算法的人员疏散模型,考虑个体之间的行走速度、视野范围差异,将排队机制和出（入）口选择行为、导向行为、记忆功能加入原始人工鱼群算法中,顶层采用改进的人工鱼群算法进行移动位置更新,底层采用元胞自动机模型解决移动位置冲突.实验证明,该模型可真实反映人员在综合交通枢纽内换乘时的疏散过程;在同等环境下,与原始人工鱼群模型相比,该模型实现了个体按照疏散引导进行有序移动,避免了陷入局部最优;与元胞自动机模型相比,其更好地体现了个体的从众、避障和出（入）口选择行为,有效地降低了时间复杂度.     

一种求解复杂优化问题的新型人工鱼群算法

受自然界群体生物繁衍生息行为的启发,提出了一种新型人工鱼群算法。新算法将鱼群行为概括为：觅食行为、繁衍行为和逃逸行为。其中,繁衍行为是指利用进化算法的选择和交叉算子赋予了人工鱼繁衍能力;逃逸行为利用了云模型云滴的随机性和稳定倾向性的特点,由基本云发生器实现人工鱼变异操作。新算法还采用了双曲正切函数建立了步长参数自适应模型,从而动态调整算法寻优能力。通过10个标准测试函数的计算验证和分析比较,表明了提出的新型自适应混合人工鱼群算法具有计算精度高、搜索速度快等特点。     

配送中心选址的自适应Levy分布混合变异鱼群算法

在建立配送中心选址模型的基础上,提出一种解决配送中心选址的自适应Levy分布混合变异人工鱼群算法。该算法将公告板的历史最优鱼个体代替当前鱼群中最差鱼个体,形成中间鱼群。在中间鱼群中,对历史最优鱼个体进行混沌变异,其他鱼个体进行Levy变异。Levy变异的引入,对于算法跳出局部最优解起到更好的引导作用,保持了鱼群的多样性。混沌变异的引入,增强了算法局部搜索的能力,保证了算法后期的收敛速度。通过算例仿真表明,Levy分布混合变异人工鱼群算法比基本鱼群算法更能有效解决配送中心选址问题,寻找到更低的费用成本。     

改进AFSA算法优化SVM的变压器故障诊断

提出一种基于改进人工鱼群算法优化支持向量机（SVM）的变压器故障诊断方法。首先对基本人工鱼群算法进行改进,引入柯西变异优化觅食行为,并在算法的迭代过程中利用鱼群搜索到的信息和[t]分布变异的特点,对劣质个体鱼进行消亡与重生,提高鱼群算法的寻优效率和求解精度。然后,利用改进的人工鱼群算法优化SVM的核函数参数及惩罚系数,使SVM分类器获得最佳的分类精度。最后采用决策导向无环图（DDAG）方法建立变压器故障诊断SVM多分类决策模型。通过仿真实验将提出的方法与网格搜索法Grid-SVM、GA-SVM、PSO-SVM比较,所建模型具有更高的诊断正确率。     

基于Log-Linear模型的Gauss-Cauchy自适应人工鱼群算法

针对基本人工鱼群算法在寻优过程中易在非全局极值点附近大量聚集,导致寻优精度降低、收敛速度过慢、人工鱼群多样性降低等问题,提出了一种基于Log-Linear模型的Gauss-Cauchy自适应人工鱼群算法。首先,在基本人工鱼群算法中引入Log-Linear模型来优化人工鱼的三个行为;其次,在算法中引入自适应调整人工鱼视野和步长的策略,随着算法的进行提高了人工鱼的搜索范围和寻优精度;再次,利用Gauss-Cauchy变异来提高人工鱼的多样性。仿真实验结果表明,该算法与其他改进算法相比,有效地提高了收敛速度和寻优精度,保持了人工鱼群的多样性。     

基于人工鱼群算法的Web用户聚类分析

传统的可伸缩性聚类算法可扩展性不强、处理孤立点的能力较弱。人工鱼群算法是一种基于动物行为的寻求全局最优算法,将人工鱼群算法应用于Web用户聚类,模仿鱼群的觅食、聚群、追尾和随机行为来构造人工鱼,通过鱼群每个个体的局部最优,来找到全局最优值,从而对Web访问用户进行合理聚类。实际运行结果验证了算法的有效性。     

Cooperative swarm control for multiple mobile robots using only information from PSD sensors

Recently, many studies on swarm robotics have been conducted in which the aim seems to be the realization of an ability to perform complex tasks by cooperating with each other. Future progress and concrete applications are expected. The objective of this study was to construct a cooperative swarm system by using multiple mobile robots. First, multiple mobile robots with six position-sensitive detector (PSD) sensors were designed. A PSD sensor is a type of photo sensor. A control system was considered to realize swarm behavior, such as that shown by Ligia exotica, by using only information from the PSD sensors. Experimental results showed interesting behavior among the multiple mobile robots, such as following, avoidance, and schooling. The controller of the schooling mode was designed based on subsumption architecture. The proposed system was demonstrated to high school students at OPEN CAMPUS 2010, held in Tokyo University of Science, Yamaguchi.     

基于生物情绪记忆原理的人工鱼行为选择模型

将生物记忆原理与动物行为学原理相结合,利用“联系法”理论,在外部刺激与动物的行为之间建立起映射关系,实现了基于情绪记忆原理的人工鱼行为选择模型。该模型中,人工鱼为出现的每种生物与待选行为分配一个权值;每次行为完成后,人工鱼要对其进行评价,适应生存需求的行为的权值不断增加,不适合的行为的权值将被削弱,直至最终消除。实验表明,该人工鱼模型具有较强的适应性,同时又体现了人工鱼自学习的特性,具有一定的实用价值。     

人工鱼群算法在桥梁传感器优化配置中的应用

为了实现桥梁结构健康监测传感器的优化配置,用尽可能少的传感器获取尽可能多的反映桥梁结构健康状况的信息,将人工鱼群算法应用于一座拱桥的传感器配置中,利用人工鱼的三种典型行为,解决桥梁传感器优化配置问题。结果表明,人工鱼群算法自适应能力强,收敛精度高,可以实现桥梁结构健康监测传感器优化配置。     

Architectural Methodology Based on Intentional Configuration of Behaviors

Intelligence has been an object of study for a long time. Different architectures try to capture and reproduce these aspects into artificial systems (or agents), but there is still no agreement on how to integrate them into a general framework. With this objective in mind, we propose an architectural methodology based on the idea of intentional configuration of behaviors. Behavior‐producing modules are used as basic control components that are selected and modified dynamically according to the intentions of the agent. These intentions are influenced by the situation perceived, knowledge about the world, and internal variables that monitor the state of the agent. The architectural methodology preserves the emergence of functionality associated with the behavior‐based paradigm in the more abstract levels involved in configuring the behaviors. Validation of this architecture is done using a simulated world for mobile robots, in which the agent must deal with various goals such as managing its energy and its well‐being, finding targets, and acquiring knowledge about its environment. Fuzzy logic, a topologic map learning algorithm, and activation variables with a propagation mechanism are used to implement the architecture for this agent.     

Behavioral Self-Organization in Lifelike Synthetic Agents

Modern computer graphics technology has enjoyed rapid development in recent years, attracting researchers and practitioners to explore a wide spectrum of applications ranging from computer-aided graphical design to artificial life and virtual reality. This paper is concerned with the animation-based entertainment use of computer graphics, i.e., to create digitally synthetic agents that can self-animate themselves, adapt to their virtual environments, and learn new behaviors to attain some specific goals. Here we propose a synthetic agent computational architecture called inter-threaded motif-based behavioral self-organization architecture, in which one motif acquires a conditioned association from the presently sensed state of the environment to the requirement of a desired motion as well as a plausible behavioral pattern to enable such a motion, whereas another computes the optimal parameters for the identified behavior in fulfilling the motion requirement. This architecture will enable animated behaviors to be automatically programmed based on the concurrent self-organization of individual motifs as well as their crisscrossing interactions.     

一种混沌人工鱼群优化算法

人工鱼群算法是一种群智能全局随机优化算法,存在陷入局部极值和效率低的不足,结合混沌搜索的特点,提出一种混沌人工鱼群优化算法,该算法是用混沌初始化来初始化鱼群,在聚群和追尾行为后进行混沌的遍历性和随机性扰动来使鱼群局部搜索同时摆脱局部极值点。仿真实验结果表明,该算法比基本人工鱼群算法全局能力更强,搜索效率更高。     

揭示生物集群系统内部信息耦合机制的深度网络模型

生物集群在自然界中广泛存在,如鱼群、鸟群、兽群等,这些集群通过内部的信息耦合能涌现出有序的协同行为.但是,集群内部交互复杂、情况多变,导致微观层面的行为分析还缺乏行之有效的标准工具.对此,以鱼群运动数据为研究对象,借助图注意力网络对鱼群中的单体行为进行自动化建模,目的是提炼出适于复杂系统分析的通用网络工具.首先将单体的感知信息映射到高维状态空间,然后生成软注意力数值以表征单体之间的交互强度,再对所生成的软注意力数值规范化,所得规范结果既可作为多邻居信息耦合的关键指标,又可通过解码器将所抽取的注意力信息稀疏解耦为运动决策.实验结果表明:所生成的注意力数值不但能揭示群体内部的信息耦合关系,还能进一步对隐藏交互强度可视化,从而为鱼群的视觉交互理论提供新的科学证据.所提出分析工具拥有信息耦合可解释、交互强度可显现、系统规模可缩放、状态偏移可泛化等优良特性,有望发展成为复杂系统解耦分析的标准范式,在社会行为分析、机器人集群控制以及智能交通系统安全性评价等方面具有潜在的应用价值.     

基于人工鱼群的无轨迹粒子滤波算法

针对粒子滤波算法中粒子退化现象及重采样所带来的粒子贫化问题,提出一种基于人工鱼群的无轨迹粒子滤波算法。采用无轨迹变换选取优化的重要性密度函数,将人工鱼群的智能思想引入到粒子滤波中代替重采样过程,通过觅食、聚群和追尾行为找到全局最优位置,驱动粒子向最优点靠近,从而增加粒子多样性。仿真结果表明,与传统的无轨迹粒子滤波和常规粒子滤波相比,该算法在估计精度上有显著的提高。