网络度-度相关性对Parrondo博弈的影响分析

笔者采用基于复杂网络的群体Parrondo博弈模型,模型由A、B两个博弈组成。其中,A博弈设计为马太方式,B博弈设计为依赖资本形式。通过观察Parrondo悖论成立的参数空间从同配网络至异配网络的渐进变化情况,分析度-度相关性对Parrondo悖论效应的影响,并针对一组参数,详细分析异配网络下系统发生悖论的微观原因,揭示了B博弈的不对称结构、A博弈的"搅动"作用以及网络拓扑结构的共同作用机制。     

基于L系统的水稻根系建模与可视化

基于L系统研究水稻根系三维建模及可视化, 动态模拟水稻根系生长过程. 通过分析水稻根系结构及生长特性, 定义了水稻根系生长模型, 包括: (1)根尖、分枝、种子根发根节点和不定根发根节点模式字符串; (2)单根生长、单根分枝、产生种子根和不定根产生式; (3)产生种子根及不定根节点的公理. 通过不断迭代模拟水稻根系生长变化过程, 并利用L-studio实现水稻根系生长的三维可视化. 同时将重力因子G和偏转因子D加入水稻根系生长模型中, 考察上述两个因子作用下水稻根系的生长特性. 通过实验可知当G≈0.3, D≈0.3时, 水稻根系生长模拟结果比较符合实际情况, 可为其他植物根系生长模拟与可视化研究提供参考.     

不确定环境中的群体行为建模及仿真研究

提出一种模糊隶属度函数来对个体的不确定运动状况进行建模,进而提出不确定环境中的群体模型,这种基于模糊概念的建模方法不会无谓地牺牲个体的可运动空间,可尽量减少群体行为建模时对个体邻域内其他个体运动状况的约束强度,而不确定群体模型能保证在不确定环境中实现稳定收敛的群体行为,仿真结果表明,通过对个体的运动位置进行模糊处理,有利于在动态不确定环境中保持稳定的群体行为。     

基于形态参数的植物根系生长模型可视化构建

通过对植物根系的形态结构分析,提出了根单元的定义及其相关的建模参数,并进一步实现了基于根单元的根系拓扑结构。利用Unity3D父子对象逻辑及相关的消息传递机制,实现基于参数标定的根系三维建模架构。使用相对控制点路径、截面图形边界计算、空间平面坐标变换技术、Mesh三维网格算法实现了根系三维模型。层级树形结构与相对尺寸、相对时间的整合,实现了植物根系的生长仿真。结合Shader着色技术,完成了通过图像完成根材质建模,达到了真实仿真的效果。实现的根系模型具有智能设计、动态生长的特点,且不同的特征参数输入,可以实现不同种类的植物根系仿真,具有良好的通用性和适用性。     

基于并行计算的大规模群体行为建模与仿真方法研究

为解决当前群体行为模型因规模扩大而导致计算量剧增的问题,采用并行离散事件方法构建了大规模群体行为模型,利用YH-SUPE仿真引擎实现了群体行为模型的并行计算。重点介绍了模型中仿真对象和仿真对象信息交互的设计方法,并对该模型在不同数量的节点和仿真实体的环境下进行了测试。实验结果表明,将并行计算引入群体行为建模之中,可以显著提高仿真个体的数量,更加有效地支持了群体模型的实时运行。     

基于情绪感染的虚拟个体情绪模型

研究情绪感染对于群体情境中个体情绪变化、行为选择与决策的研究有着十分重要的意义.为了使虚拟个体在群体环境中行为更真实可信,提出以社会心理学基本理论为研究基础,采用群体环境中个体情绪模型的构建方法.依据情绪感染机制的研究成果,从群体环境中人员个性、个体关注度、群体规模三方面反映群体环境中个体情绪的变化过程,提出了个体情绪强度、情绪感染程度及情绪衰减的计算方法.通过仿真分析,表明所提出的模型是合理的,在适用范围上相比较于其它模型更加广泛.     

森林空间数据的时变性分析与仿真

从林分结构规律出发,采用整体到个体的方法,从森林资源二类调查的林分因子的整体信息获得树木个体信息的几何特性,应用自然稀疏规律及树木竞争与生长模型来对森林空间数据进行时变性分析与仿真.其研究结果能够为树木、森林的动态过程模拟建模提供足够详细、可靠的数据源,从而实现整个虚拟森林生长的动态变化.     

电力市场中发电企业竞价行为的RePast仿真

不完全信息,寡头垄断的电力市场中,发电企业竞价上网,面临的关键是如何采用最优的申报策略以获得最大的发电收益。基于多主体的建模思路和方法,将复杂适应系统理论与博弈理论相结合,利用RePast平台对发电企业的竞价过程进行了建模仿真研究。模型考虑了发电企业群体成员的自学习性及个体之间的交互行为。仿真过程中,各参与主体在各次竞价中积累知识,不断修正各自的预测函数,以达到最优收益。仿真结果验证了该方法的有效性。     

突发性群体暴力活动的多主体建模研究

在一些由突发性事件所引发的群体性暴力活动中,群体行为的失稳和失控是人群从聚集状态向群体性暴力行为转化的一个重要环节.依据突发性群体事件的相关社会学理论,总结了群体性暴力活动形成和发展的三个主要动力性因素一群体愤怒、谣言传播和个体之间的行为模仿,并在此基础上定义了群体中主体的愤怒情绪生成机制、谣言传播机制和不同类型主体之间的博弈机制等行为特征,利用复杂适应系统建模工具构建了群体暴力活动过渡过程的多主体仿真模型.由于模型能够描述人群在聚集状态下的行为失稳过程,从而有利于从定量和定性的角度研究群体规模效应及处置策略等因素对群体异常行为的影响.     

非完备策略集下人机对抗空战决策方法

在真实的空战对抗环境中,不确定性广泛存在.本文考虑人机对抗场景中的空战决策问题,提出了一种非完备策略集下的博弈决策方法.首先,将对抗的无人机群和有人机群的动态博弈过程分解为不同的决策阶段,并将当前的决策阶段建模为一个零和博弈模型.所建模型考虑了有人机群的策略不完全可知的情形,并用一个不确定效用矩阵来描述这种非完备策略.随后,基于矩阵博弈中的最大最小策略概念,提出了非完备策略下博弈模型的求解方法,从而给出了无人机群的决策序列.最后通过仿真实验验证了所提方法的有效性.     

基于遗传算法和微粒群算法的群体动画造型平台

动漫制作经常需要大量的个体模型。为了解决群体造型的效率性和仿真度问题,提出了基于遗传算法和微粒群算法的群体造型方法——NGP算法,利用该算法实现由一个复杂模型生成复杂模型群体的过程。遗传算法适用于同一类群体的造型,对每种部件应用这种方法形成各种各样的部件库;微粒群算法适用于对复杂模型的部件进行组合,采用这种方法对各部件进行组合优化,以形成模型群体。实现了基于NGP算法的群体动画造型平台。实验结果表明,平台生成的群体仿真度高,且生成过程效率高。     

Biomimicry of plant root growth using bioinspired foraging model for data clustering

Clustering is a popular data mining technique widely used in many fields. Recently, researches on swarm intelligence-based and bionic approaches for handing these clustering problems have made significant achievements. In this contribution, a bionic algorithm inspired by the intrinsic adaptability of plant root foraging behavior is designed and developed for data clustering. Especially, the foraging behaviors of plant root involve elongation, branching, and tropism based on the auxin-regulated mechanism. By incorporating the self-adaptive population-varying mechanism and self-adaptive root growth strategy, a new root system growth algorithm with adaptive population variation (RSGA_APV) is designed based on the root foraging and auxin-based regulation of the root system. The comprehensive experimental analysis is implemented that the proposed RSGA_APV is benchmarked against several state-of-the-art reference algorithms on a set of scalable benchmarks. Then, RSGA_APV is applied to resolve data clustering problems. Computational results verify the effectiveness and efficiency of our proposed algorithm.

     

基于博弈模型的合作式粒子群优化算法

粒子群算法作为一种新兴的进化优化方法,能够大大减轻复杂的大规模优化问题的计算负担. 根据博弈论的思想,在传统粒子群基础上提出了一种基于博弈模型的合作式粒子群优化算法,算法基于重复博弈模型,在重复博弈中利用一个博弈序列,使得每次博弈都能够产生最大效益,并得到了相应博弈过程的纳什均衡. 通过典型基准测试函数对算法的性能进行对比实验,实验结果表明算法是可行的、有效的,对拓展粒子群算法研究具有重要的理论意义与实际意义.     

基于XML的完全频繁查询模式挖掘算法

使用树结构建模对XML查询进行研究,提出了一种基于树同构的查询包含检测方法。采用最右分枝扩展方法,系统地枚举查询模式树的同根子树。在枚举过程中,采用Diffset结构记录包含同根子树的事务集的查询事务标识,并给出挖掘算法DiffFRSTMiner。实验结果证实了该算法合理、高效,并可以减少一定的内存开销。     

并行混沌粒子群优化研究及应用

粒子群优化算法（PSO）是进化计算领域中的一个新的分支,其源于鸟群和鱼群群体运动行为的研究.针对粒子群优化容易陷入局部极值点的问题,该文提出并行混沌粒子群算法,该算法保持了群体多样性从而避免了早熟,经过计算机仿真实验这是一种高效的优化算法.针对转炉提钒过程是一个多元非线性反应过程而难以建立终点控制模型的问题,提出了并行混沌粒子群RBF算法的方法建模.克服了RBF中心个数选择的随机性.试验表明,用该算法预测冷却剂加入量误差较小,具有工程实用性.     

非视距环境下的超宽带室内定位算法

为了进一步提高超宽带技术在非视距室内环境中的定位精度,研究了抑制非视距误差的定位算法。首先,对非视距环境下的TDOA定位模型进行重构;其次,推导出非视距情况下均方根时延拓展的统计模型,获得附加时延参数的估计值,对TDOA测量误差参数校正;最后,通过最小二乘法初步估计出目标节点位置,将其作为粒子群算法的初始值进行智能粒子群算法求最优解,惯性权重在迭代中按照高斯函数的策略变化。仿真结果表明本文提出的优化算法可有效减弱非视距误差在复杂室内环境中定位的影响,进一步提高定位精度和算法的收敛速度。     

一种基于博弈策略的群智能属性约简算法

建立了粒子群算法与博弈论之间的联系,在此基础上,引入一种基于博弈策略的群智能搜索机制,并应用于粗糙集最小属性约简问题的求解。由此构建的属性约简算法,可以设置不同的参与团体及其博弈策略,构建相应的支付效用矩阵,并能通过博弈过程构建策略的最优组合。多个UCI数据集的实验计算表明提出的基于博弈策略的新算法求解质量优于粒子群优化算法、禁忌搜索、遗传变异和变异粒子群优化算法,并具有较小的计算开销。     

改进粒子群算法优化支持向量机的短期负荷预测

针对支持向量回归机在预测建模中的参数选取问题,提出一种基于混沌自适应策略的粒子群优化支持向量回归机参数的方法.采用混沌映射算法和聚合度自适应判断策略,增强种群的全局寻优性能,提升粒子的多样性,从而避免种群过早收敛.充分考虑天气、节假日、居民消费等因素的影响,提出一种改进的支持向量回归机预测模型并与粒子群算法的支持向量回...     

基于分支标记的数据流模型的代码生成方法

模型驱动开发以其低错误率、易仿真、易验证的特点,在嵌入式软件开发中被广泛应用.近年来,基于模型的嵌入式软件开发方法及相应工具也在逐渐发展和完善.数据流模型是各种建模工具中使用最为频繁的语义模型,然而,各种工具对于数据流模型的代码生成能力却参差不齐,特别是对于数据分支组件的支持,当前主流的建模工具都采用各种方式来回避复杂...     

Self-swarming robots that exploit hydrodynamical interaction

Although numerous swarm robotic systems have already been developed, they have exhibited limited adaptability. This was partly because the previous researchers designed the control schemes on the basis of informational interaction, without considering the physical effects of the environment. To tackle this problem, we employ an unconventional approach: we design a control scheme for swarm robots based on their physical interaction in a hydrodynamic field, inspired by biological swarming. Through simulations using a smoothed particle hydrodynamics method, we show that the proposed control scheme allows agents to form an ordered swarm in response to their environment.