鱼群动画的行为规划

针对鱼群动画中人工鱼的行为选择（策略、目标、规划）过程,基于认知建模方法,提出一种建立人工鱼认知角色模型的新方法.利用高层非确定性目标导向行为与低层确定性预定义行为相结合的协调控制方案,以目标优先级作为行为选择的依据来制定人工鱼的行为规划.仿真实验结果表明,此方法不仅使人工鱼能根据外部刺激和内部状态选择适当的行为,且能较好地体现出自然鱼的特征.     

基于Android系统的人工鱼感知融合模型研究

为了逼真地在嵌入式系统上模拟人工鱼的感知能力，对感知系统融合模型的研究是首先需要考虑的问题．提出了基于内部状态需求的人工鱼多源感知融合模型．并对Pc机多感知融合实验和安卓系统的衔接进行了研究．在索爱XIO的安卓系统上进行了实验，取得了较为理想的效果．     

计算机动画角色的高级行为控制

用人工生命方法创造计算机动画,增强了计算机动画的逼真度和生动性.为了更好地控制动画的进程,指导动画角色的行动,本文将人工智能方法引入到计算机动画的创作中.提出并建立了面向自繁衍的人工鱼的认知模型,提高人工鱼的认知能力,实现基于"动物逻辑"的人工鱼高级行为控制.建立了人工鱼产生交配欲望、产卵和环境选择等预定义行为的认知模型.实验表明,人工鱼的高级行为控制器可以使人工鱼更好地适应虚拟海底环境,并顺利完成交配、产卵等生命过程.     

基于动态逻辑的多动作承诺机制

研究主体思维状态逻辑框架KARO中的多动作承诺机制,并对其进行语义解释,通过引入动态逻辑中模型状态迁移概念以及相关谓词来描述多动作承诺与取消承诺时各模型状态变化及相应处理,为逻辑框架KARO中加入主体顺序执行动作作承诺与取消承诺的处理机制,并给出了详细的Kripke型语义描述,在使用KARO解释多主体环境一主体思维与行为的研究中,多动作的承诺使得主体可以将主体间合作作为其规划的一部分。     

一种新型虚拟实验协同感知方法

基于代理机制提出一种新型协同感知模型,该模型通过在客户端和服务器端建立协同感知代理的方式实现行为感知,为了避免因负载过大而在服务器端产生的瓶颈问题,建立了一套动态选择协同感知服务器的方法.实验结果表明该方法能够确立系统的最佳动态服务器节点,降低了系统平均响应时间,使实验者能够及时、同步感知其他参与者的动作和行为.     

智能化虚拟人感知模型的一种探索性研究

在智能化虚拟人自主行为模型的研究过程中，感知功能是建立虚拟人行为模型的基础．如何能够构建出准确模拟人类感知功能的感知模型是其研究的难点．本文在介绍三维虚拟场詈的建立和虚拟人模型的创建的基础上，着重讨论了虚拟人感知模型的一种实现方法．该方法通过建立空间查询表，对创建的虚拟场景信息进行有效地管理与查询，虚拟人实时对空间查询表进行查询，并引入基于AABB包围盒的碰撞检测算法对是否存在障碍物进行判断，引导自身进行下一步的动作，初步实现了对环境信息的感知．     

迫击炮CGF系统的火力仿真研究

为提高迫击炮分队的训练效果和战斗力,提出了迫击炮计算机生成兵力(Computer Generated Forces,简记为CGF)的火力运用.主要在介绍CGF系统的基础上,提出迫击炮CGF系统火力的仿真技术的开发;探讨了AI技术特别是专家系统在迫击炮CGF系统中的火力仿真应用;通过对迫击炮火力性能中物理行为和认知行为的研究,模拟了炮(班)长在虚拟战场环境中目标探测、目标选择、弹种选择、准备开始诸元、瞄准射击等一系列的动作流程,初步建立了一个迫击炮CGF系统的火力仿真模型.     

基于风险惩罚机制的虚拟电厂优化调度

为了解决虚拟电厂内部功率不确定性问题、促进新能源电力的消纳和提高用户参与系统调度的积极性,首先通过建立模型,分析了虚拟电厂内部各单元功率不确定因素。然后针对风光机组和需求响应的功率不确定性,建立了弃风弃光风险惩罚机制与需求响应风险惩罚机制。基于风险惩罚机制并结合各机组出力特性,制定了虚拟电厂协调调度策略。考虑风险惩罚成本且兼顾系统运行约束,以净利润最大为目标函数,建立了虚拟电厂优化调度模型。最后选择IEEE30节点系统进行仿真。运用场景分析法研究所建风险惩罚机制对虚拟电厂优化调度的影响。结果表明弃风弃光风险惩罚机制可促进风光消纳、需求响应风险惩罚机制可提高用户响应积极性。可见所建风险惩罚机制是有效的。     

基于情报系统的企业自适应性构建

从企业自适应性的概念入手,在分析适应环和自适应过程的基础上,提出了情报感知的环境识别关键是提高对情报主体和主题情报的感知和预见性、构建情报传递的传导机制应注重企业内部情报协同共享平台的建设以及构建情报处理的动力机制应合理设计企业目标激励机制.     

关于BDI Agent的推理模型的研究

本文提出基于环境感知的具有推理能力的BDI Agent模型。通过引入环境感知函数、意见函数、过滤函数、行为函数对环境的变化和Agent自身推理过程进行研究。     

基于Agent的作物动画生长技术研究

作物生长模拟是数字农业的前沿性研究方向。在传统的作物生长技术的基础上,提出了基于Agent技术的作物动画生长模型:模型中的作物作为自主智能体,能感知环境信息,确定生长及表现行为,最后通过运动系统产生动作来完成行为。     

基于GIS与Multi-Agent System的景区游客空间行为模拟系统

基于GIS与Multi—Agent system技术的景区游客空间行为模拟系统（Tourists’Spatial Behavior Simulator，TSBS），可以对游客在景区的空间移动行为进行微观仿真，实现对景区每个游客的空间位置、行为状态变化的跟踪分析．TSBS构造众多具有与游客同样环境感知能力、目标选择模式、行为决策模式的Agent，模拟游客空间行为，用“路段”、“道”、“节点”、“片区”对景区环境进行表达．TSBS由虚拟时钟控制，时钟每增加一个步长，系统计算所有Agent下一时刻的状态，计算结果存入Agent状态数据库．TSBS同时提供了指标分析、可视化分析等工具实现对模拟结果的分析．TSBS采用server／client的计算模式，可以将局域网甚至Internet作为其计算平台．研究表明，TSBS可以作为景区规划与管理的有效工具．     

典型匝道控制场景下深度强化学习决策机理解析

以典型匝道控制场景为研究对象,利用状态值函数、显著图及输入扰动,理解深度强化学习模型在交通控制中的决策机理。利用状态值函数评判模型是否能够认识到交通状态的变化,通过显著图分析特定环境状态下模型感知到的环境状态特征和决策动作规律,应用输入扰动分析扰动后匝道控制动作匹配率和控制效果并鉴别关键区域。结果表明,基于深度强化学习的匝道控制模型能够准确评判交通状态的优劣,感知到交通状态的关键特征,并做出合理的决策动作。     

基于认知体系的自适应行为建模方法

预见性自适应行为的自主管理过程和自主目标实现,是目前人工智能领域的一个重要研究方向。基于SOAR认知体系框架设计了一种预见性自适应行为模型,将SOAR认知体系中的问题解决机制和学习机制应用到模型设计中,根据任务要求在特定的问题空间中设计合适的操作符,利用操作符实现状态的转移,达到预期目标状态;并在移动机器人的行为规划中实现了该模型,应用表明在实际环境中移动机器人可以自主进行行为选择,完成任务,取得了良好的仿真效果。     

基于物理与生物学机理的人工鱼行为模拟

针对人工鱼行为模拟中,对象与行为建模过程及动画实现工作量巨大,而且对硬件资源要求非常严格的问题,本文提出一种简化的基于物理与生物学原理相结合的对象建模方法,并运用到鱼群运动的模拟之中．在该模拟中,人工鱼群的每一个体被定义为一个自主智能体,在个体生物感知模型和群体行为运动的物理机制约束下,采用运动学原理和渐变动画技术,较好地解决了人工鱼集群运动中个体与整体之间的运动协调性问题,在普通PC机上实现了三维鱼群游动的计算机模拟,达到了较好的模拟效果．     

一种基于上下文感知的垂直切换决策机制

针对垂直切换决策考虑的因素越来越多而增加了决策复杂性的问题,提出一种基于上下文感知的垂直切换模型,设计出由切换发起、网络过滤、网络选择3阶段组成的新的切换决策机制。通过引入网络过滤,以某项网络选择指标为依据,对当前可检测到的接入网络进行过滤,并最终实现网络选择算法中对候选网络集或者选择指标的优化。该算法可以使网络选择策略更加灵活并保障其有效性,有助于快速确定目标网络。通过应用实例分析表明,该机制具有明显性能优势。     

虚拟战场环境实时碰撞检测技术

虚拟战场环境地城广阔、战场目标众多,传统的碰撞检测方法是遍历战场中的每一个目标,这将大大影响碰撞检测的实时性．提出了基于OBB战场环境的感兴趣区域(AOI)的实时碰撞检测算法．当战场环境内部状态发生变化时,该算法仅对AOI区域而不是整个战场环境进行碰撞目标的检测,可大大提高虚拟战场环境中碰撞检测的有效性,而且完全不降低碰撞检测的精确性,减少了系统碰撞检测的负担,提高了系统的实时性．     

基于群智感知的交通违章举报系统设计方法

基于群智感知技术设计了一个交通违章举报系统,并对现有的数据选择机制进行了分析。针对这些机制在评价感知数据质量和用户可信程度方面存在的不足,提出一种新的基于信誉模型的数据选择方法,用户的信誉值可以根据其历史感知数据的质量动态计算得出,并将该方法应用于违章举报系统设计之中,有效地限制了恶意举报行为,提高了举报数据的质量和系统运行效率。根据实际性能测试,系统运行稳定可靠,是对现有交通监控系统的一个很好的补充。     

一种多移动机器人协作围捕策略

提出一种在连续未知环境中实现多移动机器人协作围捕移动目标的整体方案.围捕包括包围目标和靠近目标,包围目标行为由强化学习算法实现.用状态聚类减小状态空间,利用Q学习算法获得Q值表,根据学习后的Q值表选择动作.对各种行为的输出进行加权求和获得综合行为,实现对移动目标的围捕.仿真实验获得了在不同条件下的围捕结果.结果表明,环境、hunter与prey的速度关系以及prey的逃跑策略对围捕效果都有影响.     

突发事件协同研判行为的演化博弈分析

突发事件协同研判中多个主体决策立足的收益路径不同,易导致突发事件研判失效、风险事件损失扩大,是目前亟待解决的关键性问题。该文以前景理论-心理账户(PT-MA)为基础,应用演化博弈模型研究了突发事件协同研判的参与主体(公众、一线人员、应急指挥部)之间复杂行为的互动机制,分析了各博弈主体策略选择的稳定性,并对关键参数变化下的行为演化路径进行仿真分析。模型分析结果表明：三方主体的协同研判策略选择存在3个平衡点;当应急指挥部的感知收益提高且处罚力度加大时,系统将达到最优。仿真分析结果表明：通过调整初始概率、收获感知参照点和惩罚力度3个参数,主体策略趋于正向,且收敛速度随着参数的增加而显著提升。因此可以通过加大奖励措施,提升决策初始概率值;通过表彰先进个人和组织公益宣讲等,降低收益感知参考点;通过完善相关惩罚条例并增加监督举报措施,提高消极策略的惩罚力度。以此促进协同研判主体的策略选择向积极方向演化。