人工生命

人工生命是一类具有生命特征,以自适应、自组织为主要特征的一类复杂系统,其研究成果可广泛用于生物学及计算机科学等许多工程领域.文中介绍了人工生命的产生背景、定义、研究内容、研究方法、理论基础、研究意义及与人工智能等相关学科的区别,以便全面深入地理解它.     

人工生命概述

介绍人工生命的研究与发展,指出人工生命的研究方法及其与之密切相关的基本理论,最后结合个人的观点给出了人工生命的研究方向。     

人工生命研究综述

详细综述了人工生命的产生、发展，回顾了有关人工生命科学的重要国际会议，着重介绍了人工生命研究的重要思想以及人工生命的研究领域，并阐述了人工生命的应用发展情况，特别在智能优化计算与仿真领域等的重要应用．人工生命的研究有助于揭示生命的本质，探索生命的起源，为生物学研究提供新的途径，具有重要的科学意义．     

人工生命评述

对近年来发展的人工生命科学进行了评述。描述了人工生命的概念、主要内容、研究方法及现实意义。     

广义人工生命的科学基础(I):工程技术基础

根据广义人工生命研究的特点,作者把系统论、控制论、信息论、人工智能、元胞自动机、L-系统、遗传算法、进化策略、进化规划、耗散结构理论、协同学、突变论、混沌、分形、转基因技术、克隆技术等的研究成果视为人工生命研究的主要科学基础。文章力求对元胞自动机、L-系统、遗传算法、进化策略、进化规划、耗散结构理论、协同学、突变论、混沌、分形和它们与人工生命的关系做系统而扼要的评述,为人工生命研究提供方便。     

人工生命及其基本原理

该文总结了人工生命的产生和发展状况,介绍了人工生命的研究对象和实现技术,讨论了人工生命和人工智能的关系。通过若干典型人工生命研究实例,分析了人工生命技术的基本原理,并用计算机程序模拟自然生态系统对人工生命的理论方法和实现技术进行了探讨。程序模拟方法在基因的遗传与优选方面有着相当的实际意义,用类似方法对各种自然生物的生命状态、生活习性进行模拟,可在较短的时间内模拟自然生命需要几千乃至上万年的进化历程。     

自主体的创现行为

创现行为是人工生命系统研究的关键目标之一．作为组成人工生命系统的个体，本文研究了自主体创现行为实现的方法．文中以二维平面环境内的自主体为例，探讨了自主体的行为学习和行为选择机制，并给出了创现行为的实验结果．     

基于人工生命的类生态进化模型

简要介绍了复杂系统的背景、定义及人工生命仿真思想,指出人工生命仿真是解决复杂系统的有效途径。自然界生态系统是典型的复杂自适应系统(CAS),传统的统计学方法无法有效解析生态系统。由此提出了一个基于人工生命思想的类生态仿真模型A—ECOLOGY,在一个虚拟环境中创造两种虚拟生物Grazer和Predator,构成捕食者和被捕食者竞争关系,着重考察Grazer生物在自然选择压力下适应和进化的过程。这种通过人工生命仿真方法对系统复杂性模拟的思想,对于研究群体自适应和进化具有一定的参照意义。     

群体智能与人工生命

群体智能和人工生命是正在迅速发展的新兴研究领域.它们通过对自然界生命现象的模拟,在不同层次上揭示生命现象和进化规律,为复杂系统的复杂行为建模与仿真提供了新的思路.本文分别对人工生命和群体智能进行了综述,分析了两者的区别与联系,并对人工生命和群体智能的未来发展趋势进行了展望.     

人工生命与基因组可视化

人工生命与基因组可视化刘健勤刘健勤副教授，博士。１９９４年９月至１９９５年９月为日本理光（ＲＩ－ＣＯＨ）公司研究开发本部信息与通信研究所客座研究员，现为中南工业大学信息工程学院智能控制研究所副所长、中国有色金属工业总公司跨世纪学术带头人。代表性的学术...     

人工生命算法综述

介绍了人工生命算法的基本原理,改进措施,研究现状,以及对未来研究的展望。人工生命算法是一种新兴的优化技术,其思想来源于达尔文进化论。利用人工生命的突现行为及人工生命可以动态地和环境相互作用的特点,实现全局寻优,在优化非线性连续多模态函数时,具有良好的全局收敛性。人工生命算法已经吸引了许多研究领域的关注,它是一种分布式优化技术,算法采用自下而上的设计方法,不需要梯度信息,为优化技术提供了一种新思路。     

人工生命与广义人工生命

该文评述了C.Langton的“人工生命”学科定义、“人工生命”综合方法论和“人工生命”突现演化观。同时还评论了涂序彦的“广义人工生命”观、“广义人工生命”的应用前景及“广义人工生命”的综合与分析相结合方法论。     

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．     

人工生命与人工生命计算

论文从人工生命的角度定义了人工生命计算的概念,提出了人工生命计算的一般框架。人工生命计算是一种以人工生命为形式、研究人工生命的信息表达和处理机制,提取相应的计算模型,嵌入相应的计算方法模拟自然界生物进化过程与信息处理机制来求解与优化问题的智能计算方法。同时对人工生命计算的理论基础包括遗传算法、人工神经网络、自动机理论、L-系统、智能体和多智能体系统和计算生态学等进行了概述;并对两种典型的人工生命计算方法进行了初步的研究。最后说明了人工生命计算的特点及目前的应用领域。人工生命计算具有非常显著的特点和优点,在科学和工程的诸多实际应用领域具有广泛的应用前景。     

人工生命行为选择情绪机制研究进展

基于智能的行为选择机制(BSM)存在两个缺陷:不确定性环境下,不能实现自主行为选择,在相同环境条件下,缺乏行为反应的多样性.受情绪机制应用于情感计算与强化学习研究的启发,将其应用于行为选择机制研究,以解决上述问题.从而,提出三类情绪行为选择机制:情绪影响机制、情绪驱动机制、情绪涌现机制.但这些机制存在:未能将其所需涉及的基本因素进行涵盖,有系统性缺陷;各种选择机制体系结构和情绪计算模型彼此各异,没有继承性;基于设计思想,缺乏相关学科关于情绪行为理论的支撑.另外,研究方法上,也存在各行为机制之间、智能机制和情绪机制之间缺乏系统性分析和比较的问题.提出,要揭示情绪行为选择机制,应从认真挖掘动物行为学、心理学、经济学等领域有关情绪研究结果之间的内在一致性入手.同时,比较方法的使用,将是加速这一过程的有效手段.     

数字人工生命模型Autolife的研究与改进

人工生命是一门正在发展的新兴学科,研究了数字人工生命模型Autolife的生命特征,在此基础上,通过增加角色、完善各种角色之间的生存规则,更真实地模拟了自然生存环境和生命特点,为计算机游戏、虚拟现实等计算机动画的应用领域提供了模型参考。     

模仿学习:一种新人工生命动画方法

提出一种新的人工生命动画方法—模仿学习. 模仿是一种非常有效的掌握运动技能的学习方式. 一项运动技能为无数个相关运动序列的集合. 通过模仿代表性运动序列,将蕴含的局部运动技能泛化,可获得完整的运动技能. 模仿学习以运动相似度匹配和简单--复杂行为方法论为核心,并以进化计算为优化方法. 模仿学习降低进化计算对传统评价函数的依赖,减少评价函数设计时间,提高优化复杂目标的能力,因此提高了制作效率. 基于PhysX仿真平台,本文以人工猫的着陆行为验证了本文方法的有效性,并取得了良好的效果.     

人工生命的研究平台综述

人工生命的研究平台是用计算机软件产生自然生命的现象和特征的仿真系统。文中给出了人工生命研究平台的概念,介绍了目前人工生命的几个研究平台。通过分析这几个平台的优缺点,提出了未来研究平台的构架。