基于记忆的人工鱼认知模型

为丰富虚拟海洋环境中人工鱼的认知能力，以自然鱼的生物原理和记忆机制为理论依据，提出了一种基于记忆的人工鱼认知模型。信息在瞬时记忆、短时记忆和长时记忆3个阶段传输和存储，人工鱼通过聚焦器提取所关注的感知信息，通过决策器和短时记忆进行行为选择，将经验知识存储在长时记忆中，被短时记忆调用以优化当前决策。动画结果表明，采用此模型后人工鱼能产生记忆指导下的行为，表现出更真实更智能的生命特征。     

基于记忆原理的人工鱼智能认知模型

将生物学的记忆原理引入到计算机动画中,提出了一种基于记忆原理的人工鱼智能认知模型。在该模型中,利用短时记忆元和长时记忆衰减和更新的特点及其与综合记忆的联系,建立了相应的数学模型,综合记忆值的大小决定了人工鱼对该事物的记忆强度,特征记忆库的更新清理功能有效的节省了系统的开销。实验结果证明,该模型在一定程度上提高了人工鱼的认知能力,具有很好的应用价值。     

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。     

人工鱼的认知建模方法研究

“人工鱼”利用人工生命方法创作计算机动画。为了进一步提高动画角色的智能水平,将人工智能方法学引入到“人工鱼”系统中,建立认知模型,控制人工动物的行为,使人工动物成为更加自主的和智能的角色。该文介绍了认知建模的概念、特点,给出人工鱼的认知建模方法研究的主要内容和模型结构。     

基于人工情感控制系统的设计与实现

人工情感在机器人的研究中至关重要,文中简要概括了当前人工情感的应用;我们在借鉴生物系统控制理论的基础上,融入了进化控制的思想,设计了一种基于人工情感的控制体系结构,在此结构中包含有基于蚁群算法的进化控制系统、神经和人工情感控制系统;机器人通过神经系统接受环境信息并进行行为决策,行为决策的效果通过情感学习模型进行反馈;情感学习模型根据机器人的内、外环境状态,产生情感因子(即生物激素),再由情感因子来调节神经系统的记忆和行为决策,最后神经系统的记忆与行为模块又由进化系统得以继承;该控制结构加强了机器人在动态环境中的学习和自适应能力;为了验证该控制结构的有效性,文章做了仿真实验;仿真结果也表明机器人具有很强的学习和自适应能力.     

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。     

“人工鱼”及虚拟海底世界建模方案

“人工鱼”的动画建模方案 为了给人工动物建模,需要考虑从外貌到内部功能等各方面。我们将人工鱼模型分为三种子模型。 １．外貌形态模型：采用可变形的几何图和纹理图刻画各种 人工鱼的外貌和形 态。 ２．内部结构模 型：描述人工重驱体 内部的结构和功能, 包括：肌肉效应器、 鱼体的变形仿真、生 物物理和动力学模 型等。 ３．感知行为模 型：包括人工鱼的感觉聚焦、意图产生、运动和行为控制等 模型。 “人工鱼”动画的建模总体方案如图１所示。 在图１中,人工鱼动画的总体方案可分为三个子系统。 １．感觉系统 人工鱼感觉系统依靠一…     

基于生物记忆原理的入侵检测模型

利用生物记忆原理中的记忆存储、更新与遗忘原理,建立一种基于生物记忆原理的入侵检测模型。在本模型中,利用瞬时记忆衰减更新速度快且对外界信息反应敏感的特点,对异常数据进行及时检测,尽可能较早地阻止入侵的发生;短时记忆和长时记忆可以随着异常访问频度调整记忆强度并进行相互转化,以达到最佳的记忆效果。短时记忆容量限制和记忆库自动更新清理机制能有效地节省入侵检测系统资源消耗,将更多空间用于存储重要信息。实践检验发现,该模型能实时追踪最新动态,借助记忆库对旧信息进行选择性更新和遗忘,并对未知入侵行为做出及时、高效、准确的判断。     

"人工鱼"自学习方法研究

“人工鱼”利用人工生命方法创作计算机动画。为了进一步提高动画角色的自适应能力，该文将人工神经网络方法和基于时间差分方法TD的强化学习相结合，建立了“人工鱼”的自学习模型，控制人工鱼的行为。该实验表明该“人工鱼”自学习系统可以使“人工鱼”成为更加自主和智能的角色。     

计算机动画中的虚拟角色路径规划研究

动画或游戏中的虚拟角色的路径规划与机器人路径规划不同,它除了需要在运动空间找出一条无碰撞路径之外,更重要的是要体现出虚拟角色的生物行为特性。以人工鱼(晓媛鱼)为对象,在其活动的虚拟海洋环境中对其进行路径规划：将人工鱼抽象为一个有限状态机,采用人工势场方法。为体现人工鱼的生物行为特性,引入基于视觉和嗅觉的模糊判断。经动画仿真,得到了满意的效果。     

基于情绪的人工生命合作型行为选择机制

通过引入情绪到基于内在释放原理的Lorenz 液体压力行为机制，建立了基于情绪的行为选择机制．新 机制解决了原机制的缺陷：异质相加和动机强度与其当前生存环境无关．根据经济学中主观价值与情绪心理学中情 绪都具有评价功能的特性，并借鉴前景理论，建立了行为特征函数，以获得情绪的函数变化规律；利用情绪强度趋 高和中等情绪使得行为实现效率更高原理，行为被分为3 类：情绪行为、理性行为、应付行为．在这些研究结果的 基础上，建立了合作型情绪行为选择机制．在人工生命Swarm 平台上所进行的模拟实验验证了该机制的正确性．     

自适应视野和步长的局部邻域人工鱼群算法

为解决基本人工鱼群算法搜索后期盲目性大、过早收敛等问题,提出了一种采用全新局部邻域结构的人工鱼群算法.每条人工鱼只能与本邻域内的其他5条邻居鱼通信,每次迭代前每条人工鱼都要根据自身与邻域内其他5条邻居鱼的平均距离自适应地计算视野和步长,并对人工鱼的聚群和追尾行为进行了改进,从理论上讨论了该算法的收敛性.仿真结果和工程实例测试表明,该算法具有良好的收敛速度和全局搜索能力,寻优精度更高,优化性能更好.     

一种改进的人工鱼群算法

人工鱼群算法是一种基于动物行为的群体智能优化算法。该文提出一种改进的人工鱼群算法,在觅食行为中让人工鱼直接移动到较优位置,以加快算法的搜索速度,动态调整人工鱼的视野和步长,使其在算法运行初期保持最大值,并逐渐由大变小。该算法较好地 平衡了全局搜索能力和局部搜索能力,提高了算法运行效率和精度。仿真结果表明,改进的人工鱼群算法收敛性能比原有算法提高了1倍 以上。     

改进的人工鱼群算法及其在无线定位中的应用*

摘 要：人工鱼群算法是一种基于动物行为的群体智能优化算法。针对基本鱼群算法收敛速度慢和在算法运行后期搜索盲目性较大等问题,给出了一种改进的鱼群算法。该算法采用可变视野,在搜索的后期使用随机步长,并给出了局部最优人工鱼移动策略,较好地平衡了全局搜索能力和局部搜索能力;在假设目标函数分布未知的情况下,规范了人工鱼的各种行为,给出了明确的收敛条件。在文章最后,结合蜂窝网中以功率值作为测量参数的无线定位问题,给出一种基于人工鱼群算法的分布式定位方法。仿真实验表明,该方法实现简单,全局搜索能力强,满足了定位的有效性和实时性。     

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。     

基于多Agent的人工鱼群自组织行为算法

在基于认知的人工鱼行为模型的基础上，增加实现鱼群个体间通信及鱼群与环境交互的互操作行为模块，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的人工鱼作为Agent，其能感知环境信息，产生意图，规划行为。建立鱼群中Agent的运动、捕食、逃逸模型，通过个体间的相互作用涌现出群体的自组织行为，从而实现对鱼群的逼真模拟。     

基于群智能和人工生命的群体行为动画仿真

为了更好地提高智能鱼在复杂动画中的应用,在分析自然鱼的感知、认知、运动和行为系统的基础上,研究并实现了简单的智能鱼动画。首先建立了虚拟环境下智能鱼的视觉感知模型和认知模型以及听觉模型,然后通过微粒群算法确定智能鱼的运动轨迹,模拟智能鱼的自由游动、捕食和躲避危险几种行为动作,最后经动画仿真,智能鱼具有集群、躲避鲨鱼的攻击、绕障碍物游动和觅食行为。经过仿真之后的动画效果有所优化,因此将微粒群算法应用到群体行为动画仿真中有一定的现实意义。