基于人工蜂群算法的群体动画研究与应用

对群体行为的仿真一直是动画研究领域的重点,传统的群体动画制作手段工作量大,制作出的效果不能满足人们的需求,同时如何表现出个体运动的独立性以及群体运动的整体性是群体行为仿真的难点所在。为解决上述问题,将人工蜂群算法应用于群体行为仿真中。首先对人工蜂群算法原理分析,然后将人工蜂群算法的智能性应用于群体动画中,即使用了人工蜂群算法的思想,又针对不同群体行为进行了修改,从而产生了一种新的快速的制作群体动画的方法。仿真结果表明,人工蜂群算法能够真实模拟群体行为,为设计提供了依据。     

群体动画中路径自动规划方法研究

为了在制作群体动画时产生逼真的运动路径,在群体运动的模拟中设计了碰撞检测和碰撞避免的方法,并基于微粒群算法和人工蜂群算法提出了群体动画路径自动规划方法.仿真实验表明;该方法能够实现群体动画运动路径的自动设计,提高了群体动画的制作效率.     

群体动画设计中常用的几种优化算法

群体动画是计算机应用的一个重要领域,成为计算机图形学中的一个热点。由于控制群体行为的复杂性,群体动画仍然是计算机动画中的一个具有挑战性的研究工作。本文介绍了群体动画的特点和基本原则,以及在群体动画中经常使用的优化算法:遗传算法、模拟退火算法、微粒群算法和人工蜂群算法,主要通过介绍算法的基本思想,简单分析了各算法的优缺点。     

基于粒子群算法的群体路径生成方法研究与实现

对群体行为进行模拟一直是计算机图形学方面的研究热点,如何表现出个体运动的独立性和群体运动的整体性是群体行为模拟的困难所在。首先对群体行为进行分析,然后将粒子群算法的群体智能性用于群体路径生成中,既使用了粒子群算法初始生成思想,又针对不同的群体行为进行了修改,从而产生一种新的能够快速完成群体路径生成的方法和手段。     

一种基于多线程加速的大规模群体仿真方法

大规模群体仿真技术可以提高虚拟场景的临场感和趣味性,在游戏娱乐、演习训练、建筑设计等领域具有重要的应用价值。然而,常用于虚拟场景开发的游戏引擎难以实现大规模群体仿真。设计一种基于多线程加速的大规模群体仿真方法,提升大规模群体仿真包含的群体动画渲染和群体行为模拟性能。针对大规模群体动画渲染,在GPU蒙皮渲染算法上加入群体动画状态的多线程计算,实现群体动画状态与蒙皮动画的加速计算;针对大规模群体行为模拟,将自主性群体行为算法修改为速度模型,与多线程优化后的最优互相碰撞避让算法结合,实现群体的避让行为,提升群体行为模拟效率。实验结果表明,该方法可以很好地与游戏引擎结合,实现复杂场景的大规模群体仿真,提升大规模群体场景帧率。     

基于人工蜂群算法的群体动画路径生成方法

大多数群体智能算法容易陷入局部最优,且收敛速度较慢。为此,将粒子群优化算法引入人工蜂群算法中,提出一种改进的路径生成算法NewABC,实现最优目标位置的选取及粒子个体的路径规划。将该方法生成的路径数据导入maya三维动画制作软件中进行仿真实验,结果表明,该方法生成的群体动画效果逼真,动画创作效率有较大的提高。     

人工蜂群算法的无人机航路规划与平滑

航路规划是无人机(UAV)作战任务规划系统的关键组成部分,目标是在适当的时间内为UAV计算出最优或次最优的飞行航路.人工蜂群(ABC)算法是一种最新发展的模拟昆虫王国中蜜蜂群体寻找优良蜜源的群体智能优化算法.采用人工蜂群算法完成无人机的平滑航路规划,首先阐述了人工蜂群算法的基本原理,然后将无人机航路规划问题通过建模转换成为一个多维函数优化问题,利用人工蜂群算法的优势,找到多维函数的最优解,最后对优化后的航路进行了平滑,使UAV对规划后的航路可飞.仿真实验结果表明,此方法可有效规划出航路,且所规划的航路可飞.     

基于改进萤火虫算法的动态自动聚集路径规划方法*

针对群体动画中自动聚集场景的特点及现有方法中存在的计算代价高、行为单一、逼真程度不够、缺乏涌现特征的不足,提出了基于改进萤火虫算法的群体动态自动聚集路径规划方法。在群体自动聚集过程中,不但无须提前指定聚集目标点,而且根据外界环境的动态变化,自动寻找最优的聚集目标点。通过该方法可以为每个粒子生成运动路径,并能保证每次生成的聚集路径不完全一致,使制作的群体动画体现出群体运动的涌现特征,有效地提高群体动画的逼真效果。通过所开发的动态自动聚集路径规划系统有效地模拟群体聚集行为,验证了本方法的可行性和有效性。     

基于粒子群算法的群体动画研究与实现

针对标准粒子群算法易陷入局部最优的问题,提出选择粒子视野范围内具有最优适应度值的粒子作为该粒子本次迭代所需的全局极值,测试结果证明改进算法的全局收敛能力明显提高。将该算法用于群体动画中。仿真实验表明个体具有良好的人工智能性,能够真实模拟群体行为。     

基于离子运动-人工蜂群算法的移动机器人路径规划

针对移动机器人在仓储环境下的路径规划问题,提出了一种基于离子运动的人工蜂群(IM-ABC)算法用于路径规划.该方法为提高传统的人工蜂群(ABC)算法在路径规划中的收敛速度和搜索能力,采用一种模拟离子运动规律来更新蜂群的策略.首先,在算法前期利用离子运动算法中的阴阳离子交叉搜索来更新引领蜂和跟随蜂,从而引导种群进化方向,...     

一种基于动机理论的人群行为模型

如何构建行为可信的虚拟人是自主人群仿真中的关键问题。根据马斯洛的动机理论,建立自主人群的行为模型,该模型利用产生式规则,将刺激、动机和行为集成在一起。引入有限状态机描述刺激和动机的关系,虚拟人通过虚拟视觉感知刺激,虚拟人之间的局部碰撞检测通过排斥力控制。在微机上实现原型系统,实验结果表明,该模型能够较好地模拟自主群体行为。     

基于Nelder-mead单纯形法的改进人工蜂群算法研究

针对现有的人工蜂群算法（Artificial Bee Colony,ABC）在进化速度和求解质量方面难以兼顾的缺点,提出一种基于Nelder-mead单纯形法的改进人工蜂群算法（Nelder-Mead Simplex Method based Improved Artificial Bee Colony,NMSM-IABC）。在迭代过程中,该算法周期性地将单纯形算子得到的最优个体迁移到人工蜂群算法的蜂群中,或将蜂群中的最优蜜源信息迁移到Nelder-mead单纯形算法中。旨在ABC借助NM-SM提高局部搜索能力,NM-SM借助ABC跳出局部最优点,达到两者协同搜索。再者,为了进一步加快收敛速度,在ABC中采用一种改进的跟随蜂搜索策略,并对产生侦察蜂的关键参数进行灵敏度分析。最后,通过6个典型的多维测试函数对算法进行仿真测试。结果表明：提出的算法有效地避免了陷入局部最优,提高全局搜索能力和搜索精度,有较快的收敛速度,是一种较好的协同搜索算法。     

全过程动画自动生成中的中文文本处理

研究全过程动画自动生成系统中的自然语言处理模块,设计一种面向手机中文短信的信息抽取系统。根据中文语言处理的特殊性,抽取短信中可动画化的信息,并进行否定判断和否定内容识别。实验结果表明,该系统的召回率和准确率较高,可满足动画自动生成系统对信息抽取强度的要求。     

人工蜂群算法求解资源受限项目调度问题

针对资源受限项目调度问题,提出了一种基于人工蜂群算法的优化方法。人工蜂群算法中每个食物源的位置代表一种项目任务的优先权序列,每个食物源的位置通过扩展串行调度机制转换成可行的调度方案,迭代中由三种人工蜂执行不同的操作来实现全局最优解的更新。实验结果表明,人工蜂群算法是求解资源受限项目调度问题的有效方法,同时扩展调度机制的引入可以加速迭代收敛的进程。     

MANET中一种基于信任模型的安全路由协议

节点间的信任关系对MANET网络路由协议的可靠性和安全性有重要意义,由于MANET网络的特性,难以通过传统的方式建立节点间信任关系。提出一个适用于MANET的信任评估模型CETM（Contribution and Evaluation Trust Model）,用来度量MANET节点间信任关系,并将此模型应用于AODV协议中,提出了一种新的安全路由协议TAODV。仿真结果表明当网络中存在少于一半的恶意节点时,CETM能有效抵御如诋毁等恶意行为,从而显著地提高了交易的成功率。基于CETM的TAODV建立在可靠的节点信任关系之上,具有较好的安全性。     

基于拉普拉斯非负稀疏编码的图像分类

针对复杂背景下的图像分类问题,结合非负稀疏编码和局部保持投影算法,提出一种拉普拉斯正则化非负稀疏编码算法。相比于已有的稀疏编码算法,该算法不仅能更好地模拟哺乳动物初级视觉系统主视皮层V1区简单细胞感受野的行为,同时也可使相似的特征经过编码后仍然相似,从而保证特征度量的一致性。将该算法与空间金字塔匹配模型相结合应用于图像分类,在多个图像数据库上的实验结果表明,该算法具有较高的分类精度。     

结合SOFM的改进CLARA聚类算法

介绍了自组织特征映射（SOFM）算法及大规模应用聚类（CLARA）算法的基本思想,提出了一种首先利用SOFM算法对数据集进行粗聚类,确定簇的数目k和神经元的连接权向量,然后从数据集中找出与SOFM算法的神经元的连接权向量最相似的k个代表点作为CLARA算法的k个代表点的初始值的改进CLARA算法。实验结果表明,改进算法具有更高的聚类效率和更好的聚类质量。