动物集群运动行为模型-13.doc

动物集群运动行为仿真模拟 摘要 本文通过数学模型对仿真学领域中的动物群的集群运动行为以及其中的信息传递机制进行了模拟仿真。 对于动物的集群运动，我们建立了微粒群(pso)模型。在模型中我们把每个个体用微粒替代，运用微粒群算法，得到微粒运动的准则，进而得到每个微粒的运动。我们仿真出微粒运动一段时间后，自发聚集到一起，模拟了鱼群的集群运动。但是，集群后的鱼群过于集中，特别是迭代次数过多时。鉴于模型的不足，我们建立了鱼群自组织模型重新仿真，最终鱼群自发集群，并且随机移动，得到了很好的仿真效果。 对于问题二，采用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人工鱼群的逃逸行为规划，从而体现自然鱼群的生物特性，实现对自然鱼群及其行为的逼真模拟。 对于问题三，我们建立了领导者集群动态行为预测机制的A/R模型。模型中我们假设群体中信息丰富者为领导者，则群体中还会存在次领导者和跟随者。在领导者的运动轨迹已知的情况下，利用A/R模型函数对次领导者根据领导者未来步的位置和周围邻近的个体位置调整自己的运动状态的行为以及一般的跟随者依据邻近个体的位置调整自己的运动状态的行为进行仿真。仿真结果为：跟随者围绕在次领导者的周围同次领导者一起追随领导者的运动轨迹。 关键字： 微粒群（PSO）模型 鱼群高级行为自组织模型 A/R模型 预测机制  目录 动物集群运动仿真模拟 1 摘要 2 1.问题重述 3 2.模型假设 3 3.符号说明 4 4.问题分析 4 5.模型建立与求解 5 5.1. 问题一 5 5.2. 问题二 11 5.3. 问题三 13 6. 模型分析与改进方向 16 7. 参考文献 17 8. 附录 18 8.1. 微粒群模型的程序 18 8.2. 鱼群高级自组织模型的程序 19 8.3. 鱼群自组织避敌模型程序 23 8.4. 领导者集群动态行为预测机制的A/R模型程序 25  1.问题重述 在动物界，大量集结成群进行移动或者觅食的例子并不少见，这种现象在食草动物、鸟、鱼和昆虫中都存在。这些动物群在运动过程中具有很明显的特征：群中的个体聚集性很强，运动方向、速度具有一致性。通过数学模型来模拟动物群的集群运动行为以及探索动物群中的信息传递机制一直是仿生学领域的一项重要内容。 请观察下面附件中给出的图片和视频资料，或者在网上搜索相关资料观察，思考动物集群运动的机理，建立数学模型刻画动物集群运动、躲避威胁等行为，例如，可以考虑以下问题的分析建模： 1. 建立数学模型模拟动物的集群运动。 2. 建立数学模型刻画鱼群躲避黑鳍礁鲨鱼的运动行为。 3. 假定动物群中有一部分个体是信息丰富者(如掌握食物源位置信息，掌握迁徙路线信息)，请建模分析它们对于群运动行为的影响，解释群运动方向决策如何达成。 2.模型假设 1.鱼在游动过程中不受水流等外界因素影响。 2.不考虑鱼的体积质量等差别，即所有鱼均相同。 3.鱼群的聚群行为是自发的，鱼初始游动是随机的。 4.鱼的感知范围是有限的。 5.鱼群中经验丰富者的游动路线不受其它鱼的影响。 3.符号说明 符号 说明 第个微粒 微粒的当前位置 微粒的当前速度 微粒所经历的最好位置 群体所有微粒经历的最好位置 5.模型建立与求解 5.1. 问题一 5.1.1. 微粒群（PSO）模型的建立 鱼群的集群运动是一个自发的过程，假设一群鱼在漫无目的游动，起初各条鱼都在零散的游动，但是一段时间以后，鱼会自发地聚集。这说明每一条鱼都有自己想走的路线，但周围的鱼会对它选择路线产生影响，使其改变自己的路线，使鱼群最终聚集。故每条鱼的路径可以通过个体路线与群体影响计算，个体路线初值可以随机给定，而群体的影响由微粒群算法给出，所有鱼经过一段时间后逐渐汇聚成为一个整体。模型如下： （2.1） （2.2） 其中，称为收缩因子，，且 ，。用来控制与约束微粒的游动速度。这样就可以通过第t时刻来求出下一时刻微粒的位置。 其基本算法流程如下： ① 初始化粒子群，包括群体规模，每个粒子的位置和速度 ② 计算每个粒子的适应度值； ③ 对每个粒子，求出每个粒子的个体最优； ④ 对于整个微粒群，求出集体最优值； ⑤ 根据公式（2.1），（2.2）更新粒子的速度和位置 ； ⑥ 如果微粒群