基于认知人工动物行为记忆研究.docVIP

基于认知人工动物行为记忆研究 　　摘要：提出并分析比较两种记忆形成算法。二次方差法对已获取的食物点作方差计算，快速剔除距其他点较远的噪声点，获得食物分布的期望位置。改进的均值聚类算法针对二次方差法的不足，借鉴数据挖掘理论，对噪声点进行更准确的剔除。根据不同情况选取适合算法，达到聚焦器在人工动物取食记忆实现中的有效性。 　　关键词： 人工动物; 感知聚焦器; 行为记忆; 二次方差; 均值聚类 　　中图分类号：TP301．6文献标志码：A 　　文章编号：1001-3695(2007)11-0085-03 　　 　　认知是记忆过程中的一个环节，又称再认，指过去感知过的事物在当前重新出现时仍能认识。现代认知心理学认为认知过程就是信息的接收、编码、储存、提取和使用的过程。基于认知的人工动物模型结合人工智能和计算机动画技术，在虚拟环境中对其进行模拟。 　　认知在模型中的重要体现就是行为记忆，其形成主要是聚焦器聚焦的结果。本文就以取食记忆为例说明人工动物[1]中人工鱼行为记忆的实现过程。 　　 　　1人工动物行为模型设计?? 　　 　　聚焦器是人工动物感知系统的核心，即依靠一组在线的虚拟传感器提供有关信息，并包括了感知注意机制，使之能够按照当前任务需求控制传感器，过滤掉对当前行为需求无用的感知信息[2]。?? 　　对于人工鱼来说，首先对可能处于的状态进行抽象，得出了描述状态变化的有限自动机模型。聚焦器把收集的信息抽象归纳成两个状态原语，与当前状态一起作为自动机的输入，进而得到相应的输出，即下一步人工鱼期望处于的状态。其中：H??p为饥饿度原语，描述人工鱼内部状态；H??d为危险度原语，描述人工鱼外部环境信息。下一个时刻，聚焦器将新生成的状态原语反馈回来，对上一步原语进行修正，这样就实现了智能化聚焦过程。描述人工鱼行为的有限自动机模型如图1所示。?? 　　 　　2行为记忆的实现?? 　　 　　动物行为智能化的一个重要特征就是能够考虑多种行为及环境，选择折中的行动。而且，动物（包括鱼类）的行为过程也是连续性的，不会出现两种行为之间什么都不做的行为空白。也就是说在当前行为进行过程中，动物自身已经决定下一步应该进行什么样的行为，或者至少有了进行该行为的趋势、愿望。 　　行为记忆解决了人工动物行为过程的连续性问题。行为记忆形成后就可以根据当前状态按照自己的记忆，去完成诸如取食、择偶等行为[3~5]。?? 　　2．1数据结构描述?? 　　行为记忆通过链式结构存储，也就是记忆链。人工动物每次取食成功后，将食物点的空间位置信息存入记忆链中一个节点，经过一段时间t??m即形成具有一定长度的食物位置记忆。以人工鱼为例如图2所示。 　　 　　其中：head为记忆链头指针；rear为尾指针；mark为标记指针。记忆链的容量并不是无限的，因此设定maxlength=30，表征记忆的容量。?? 　　将成功取食的位置记录下来并不是目的，需要将这些点信息计算归纳，得出食物分布的期望位置，并存入head节点，这才是期望得到的取食记忆。当人工鱼再次回到取食状态时，该取食记忆为有效，人工鱼就会朝着记忆中的食物分布较为密集的位置游去，使得再次成功取食的几率大大增加。?? 　　2．2算法描述?? 　　由于食物空间分布位置的不规则性，要精确地找出分布中心点对于人工鱼来说是比较困难的。如果单纯地用平均值求中心或重心，就会受到距离大多数点较远的噪声点的影响，使计算出的食物分布期望位置与实际相去甚远。 　　解决办法是将记忆链中的点作为样本集合，通过去噪处理剔除噪声点后，再计算剩下的样本点的中心或重心。 　　同时，记忆也是可以更新的。当达到记忆链容量时，采用队列的FIFO算法，将最先存储在记忆链中的点删除，同时链入最新得到的点。这样在保持记忆链中样本点数量的同时不断更新，每更新一次就进行一次相应的降噪处理，使得对取食行为的记忆始终保持在最期望的状态。?? 　　 　　4结束语?? 　　 　　通过对上述两种算法的实验可知，二次方差法计算量较小，但适用范围受到一定限制，对于已经呈聚集分布的点降噪效果很差。改进的均值聚类算法能精确地将各个聚类找出，但计算量很大，其算法复杂度为样本点个数的平方。?? 　　动物感知的结果是反馈给自身的印象，通过认知形成的记忆就更加模糊。作为较低等人工动物的人工鱼来说，其感知范围较小，感知精度较低，这使得感知聚焦的结果只能形成一个大概的印象。要作出十分精确的反应，如左前方45°距离1 m有食物，即使是作为高等动物的人，不借助其他仪器也是很难办到的。所以，虚拟环境中的人工鱼只要感知到周围环境的大致状况就可以满足需要，这就使二次方差法以及改进的均值聚类算法在行为记忆形成中的应用成为可能。 　　人工动物是对自然界