栅格法构建面向群体行为仿真的分层离散信息空间

群体行为模型运行过程中的大量搜索计算,极大制约了仿真群体规模的扩大,影响了仿真的实时可视化表现。为此提出了采用栅格法构建分层离散信息空间的解决方案,重点介绍了静态信息层、动态信息层和行为约束层的设计,并简要论述了离散信息空间中虚拟人对象运动行为的仿真实现。实验结果表明,此法能够简化群体行为模型的决策机制,有效支持群体行为模型的实时运行。     

基于心理因素的有限空间内个体行为模型

人类行为存在多种形式，其中灾害情况下的逃生行为研究得较多，如由恐慌引起的人群逃逸。本文关注在正常环境下有限空间内的人类行为，如公车、教室等，目的是研究其行为模式。研究基于经济学和心理学出发，将人类行为看作自利人之间的交互作用的结果，自利人根据现实的或潜在的收益做出决定，同时引入心理距离和惰性概念，提出了一个基于心理距离和惰性的个体行为模型，并通过模拟实验研究心理距离和惰性如何影响个体行为。实验结果较真实地涌现出现实世界中的宏观群体行为模式，说明本模型能够对有限空间内的人类行为做出较合理的解释。     

基于智能空间环境的群体行为建模研究

为了能够逼真模拟复杂虚拟环境中大规模群体行为,在国内外相关研究成果基础上提出一种基于分层智能空间环境的群体行为模型建模方法.基本思想是把传统的三维连续地理空间环境分解为一组局部智能空间环境对象,对象中不但存储有约束个体行为模型的基本约束信息,同时还储存有不同个体在环境不同区域可执行的行为信息.这样,虚拟环境中的个体可以在其所处的具体环境提供的信息的约束和指导下进行实时行为合成与决策.仿真实验表明,该方法不仅能够逼真的模拟大规模群体在复杂虚拟环境中的各种规范化行为,而且可以有效减少个体决策模型的计算量,提高模型运行效率.     

智能系统冲击下员工合作行为机制：从个体博弈到群体行为反转

为揭示智能系统冲击下企业员工的合作行为机制，基于激励-保健理论，运用博弈论、突变理论和元胞自动机相结合的研究方法，通过激励-保健理论分析影响员工合作行为的因素，利用博弈模型表达员工个体间相互合作的关系；运用元胞自动机建立员工群体合作行为演化仿真模型，对仿真结果，运用突变论进行群体行为突变分析，揭示不同规模员工群体行为反转的机制。研究发现：不同规模的员工群体行为选择演化中均存在突变现象，可由尖点突变模型来解释；智能系统不仅影响员工个体与群体行为选择，还影响员工群体行为稳定性；智能系统若能降低合作成本，则在劳动密集型场景中员工行为反转的可能性增加，在技术密集型场景中员工行为反转的可能性减少。研究结论揭示了智能系统冲击对不同场景中不同规模员工群体合作行为的影响，从员工个体博弈和群体行为状态反转两个方面分析了员工合作行为底层机制，丰富了合作行为相关理论；研究框架有效整合了博弈模型、元胞自动机和尖点突变模型，发现智能系统中员工个体间交互以及群体行为选择演化的新特点，为企业提供实践指导。     

基于改进粒子模型的人群监控系统仿真与分析

近年来,对人群行为的监控是公共管理和反恐安全领域的热点研究问题之一。介绍了一种基于位置信息的新型人群监控系统,并针对人群中个体的异质性以及不同状况下群体行为特征的差异性,改进了粒子模型;再基于改进粒子模型,分别在正常和恐慌状态下对监控系统的行为监测、自动报警、智能引导等效能进行了仿真分析。仿真结果表明：这种新型的人群监控系统具有良好的应用前景,为安全监测、人群疏导、辅助决策等智能监控服务提供了新的研究思路和方法。     

群体中Agent基于内部状态的行为选择

以自然鱼群为原型,研究它们的行为选择机制,提出了一种群体环境中基于内部状态的Agent行为选择方法.建立分布式行为模型,赋予Agent感知、交互能力;用R-A模型描述Agent 之间的相互作用;定义Agent的自然能力限制为硬约束,定义Agent间相互作用为软约束;采用基于约束满足的随机搜索算法模拟Agent的交互与行为选择,运用Breakout思想确保算法跳出局部最小;通过对Agent内部状态值的调节改变搜索参数,达到内部状态控制行为选择的目的.     

多智能体涌现生成的群体行为仿真

众多实验表明,以建模仿真的方法研究复杂的群体行为是一条可行有效的途径.针对如何使所构建的群体行为模型在仿真过程中,既能表现自主、智能的个体行为,又能表现灵活、适应的整体行为,提出了一种基于智能体的综合建模方法,重点从信息获取、决策判断、运动控制三个方面对智能体模型的设计与实现进行了论述,并以实验结果证明了多智能体在交互.协调作用下涌现生成可视化群体行为仿真的科学性及合理性.     

多智能体系统的非光滑二阶一致性协议

针对二阶积分器多智能体系统,提出了一类非光滑一致性协议设计方法。首先,基于反步设计方法,将速度看成虚拟控制量,并设计虚拟速度,使得状态一致性可以渐近达到。然后,基于有限时间控制方法设计控制律使得真实速度在有限时间内跟踪上虚拟速度。该控制律使得:当系统不存在外部扰动时,一致性可以渐近达到;当系统存在外部扰动时,任意两个智能体间的稳态误差渐近收敛到原点附近的一个小邻域内。仿真结果表明了该方法的有效性。     

信息化与群体行为互动的多智能体模拟

以政府信息化为例,用因果关系图系统思考了政府信息化中的群体行为,并利用多智能体方法建立起政府信息化群体行为模型--EGGBM,借助Repast智能体仿真实现了模拟系统,提出了详细的模型验证的实验过程,并对模型的应用给出了例子.结果表明,EGGBM可为政府信息化的管理决策提供辅助依据,是政府信息化中群体行为研究的一种全新尝试.     

群体行为建模理论基础与建模方法研究

群体行为建模与仿真是虚拟现实技术的重要研究方向,是战争模拟、虚拟社会等领域研究的热点问题.从学科交叉点的全新角度来学习和研究群体行为建模,总结和分析了社会学、心理学、生物学、物理学以及新兴复杂系统理论中的群体行为理论,并以这些理论为基础归纳了虚拟现实领域中群体行为的建模方法,从而勾画出了群体行为建模技术的整体轮廓,最后指出了群体行为建模面临的技术难点和可能的解决思路.     

基于拟态物理学的群集行为研究

基于拟态物理学的思想,提出一种近似于万有引力的作用力函数来描述群体中个体之间的相互作用,以此为基础建立了基于个体信息的群集模型。基于Lya-punov稳定性理论研究了该作用力函数情况下群体中个体运动的内聚性和稳定性。仿真实验表明,在该作用力函数下,能够实现群体的稳定全局聚集行为。     

SOFT CONTROL ON COLLECTIVE BEHAVIOR OF A GROUP OF AUTONOMOUS AGENTS BY A SHILL AGENT

This paper asks a new question： how can we control the collective behavior of self-organized multi-agent systems？ We try to answer the question by proposing a new notion called ＇Soft Control＇ which keeps the local rule of the existing agents in the system. We show the feasibility of soft control by a case study. Consider the simple but typical distributed multi-agent model proposed by Vicsek et al. for flocking of birds： each agent moves with the same speed but with different headings which are updated using a local rule based on the average of its own heading and the headings of its neighbors. Most studies of this model are about the self-organized collective behavior, such as synchronization of headings. We want to intervene in the collective behavior （headings） of the group by soft control. A specified method is to add a special agent, called a ＇Shill＇, which can be controlled by us but is treated as an ordinary agent by other agents. We construct a control law for the shill so that it can synchronize the whole group to an objective heading. This control law is proved to be effective analytically and numerieally. Note that soft control is different from the approach of distributed control. It is a natural way to intervene in the distributed systems. It may bring out many interesting issues and challenges on the control of complex systems.     

群体智能算法搜索策略的性质及对停滞现象的影响

群体智能算法模拟生物进化或动物群体协作的搜索机制, 其目标是快速有效地搜索复杂优化问题的解空间, 寻求全局最优解. 本文通过对群体智能算法的搜索机理进行分析, 根据在搜索过程中解集内部结构变化的性质定义了解集多样度, 并在此基础上研究了两种基本的搜索策略--多样化搜索和集中化搜索对解集进化过程中的停滞性的影响, 证明了集中化搜索不可避免地使解集中的候选解逐渐趋于单一, 是导致算法停滞收敛的主要原因; 而多样化搜索能从任何候选解出发搜索到整个编码空间中的任一个点, 即整个空间是多样化搜索的可达域, 但将使算法不收敛. 本文采用三类典型的群体智能算法: 遗传算法、蚁群算法和粒子群算法进行了实验, 验证了上述分析结论的正确性.     

Multi-agent aggregation behavior analysis: The dynamic communication topology*

The authors extend the Gazi＇s swarm model with local neighbor rules and the dynamic communication topology, and study its aggregation properties. Results of analysis show that all agents in the models aggregate and eventually form a cohesive cluster of finite size around the swarm center or the appointed point. Finally, simulations are provided to testify some of the results. Models in the paper are more applicable to the reality for the advantage that each agent only needs the partial information of the entire dynamic system when making motion decision.     

基于蚁群算法的群机器人自组织聚集行为建模

针对群机器人聚集行为模式的形成,建立了基于质点系力学系统、以及感知状态加权的自组织运动模型,实现了机器人运动状态的自主转移。建立了关于聚集行为的聚集度、均匀度等评价指标,通过实验分析比较不同模型的聚集性能,为群机器人自组织聚集行为模式的形成奠定了基础。使用分析选定的模型,对有边界约束和无边界约束2种情况进行了自组织聚集行为仿真试验,实现了不同群体规模的最大范围的有效覆盖感知,验证了模型的正确性。     

求解0-1背包问题的二进制狼群算法

狼群算法(wolf pack algorithm, WPA)源于狼群在捕食及其猎物分配中所体现的群体智能,已被成功应用于复杂函数求解。在此基础上,通过定义运动算子,对人工狼位置、步长和智能行为重新进行二进制编码设计,提出了一种解决离散空间组合优化问题的二进制狼群算法（binary wolf pack algorithm, BWPA）。该算法保留了狼群算法基于职责分工的协作式搜索特性,选取离散空间的经典问题--0-1背包问题进行仿真实验,具体通过10组经典的背包问题算例和BWPA算法与经典的二进制粒子群算法、贪婪遗传算法、量子遗传算法在求解3组高维背包问题时的对比计算,例证了算法具有相对更好的稳定性和全局寻优能力。     

运动多站无源时差/频差联合定位方法

鉴于无源定位技术已经成为现代信息化作战的核心技术,提出了一种新的运动多站无源时差(time difference of arrival, TDOA)频差(frequency difference of arrival, FDOA)联合定位方法去解决无源定位系统中的非线性最优化问题。通过智能算法的启发,将优化后的基于线性递减权重和物竞天择的粒子群算法(particle swarm optimization algorithm based on linear decreasing weight and natural selection, WSPSO)与经典加权最小二乘算法(weighted least squares, WLS)相联合对目标进行跟踪定位。加权最小二乘定位算法在4个基站的情况下无法实现对辐射源的定位,所得定位结果会出现多解。而所提的运动多站联合定位算法在4个基站的条件下不存在初始目标位置估计和局部收敛等问题就能够实现辐射源的精确定位。通过大量仿真结果分析,本文所提的智能优化定位算法具有更高的目标定位精度和更稳健的定位性能,优于标准粒子群算法与优化PSO算法。     

群集智能特性分析及其对复杂系统研究的意义

鉴于直接以一般复杂系统为研究对象探讨其运行机制，难度太大，本文提出借助一类具体的复杂系统——具有群集智能涌现特性的生物蚁群和鸟群系统的行为规律研究，作为认识一般复杂系统运行机制的桥梁和过渡。在论述蚁群觅食、蚁群墓地构造、蚁群劳动分工和鸟群觅食这几类典型的群集智能行为的生物学原型的基础上，深入分析了群集智能的系统特征和所蕴涵的分布式、自组织和正反馈等重要特性，并给出了翔实的论述说明。进而根据文中阐述的群集智能特性，从多个方面概括总结了其对复杂系统研究的意义，包括揭示复杂系统的运行机制、促进人脑复杂性的研究、推进组织管理模式的创新和提升智能科学的发展水平。最后对群集智能目前存在的问题和今后有待研究的课题进行了总结和展望。     

基于种群年龄模型的动态粒子数微粒群优化算法

针对微粒群优化算法的早熟停滞缺陷问题,提出了一种基于种群年龄模型的动态粒子数微粒群优化算法. 该算法建立了生物种群年龄模型,将每个粒子划分为不同的年龄段,动态地依据种群环境和个体信息有效地控制种群的粒子数规模;设计了较优粒子的生殖策略和较差粒子的死亡策略,增加群体的多样性和减少冗余计算量,以保证算法获得最优性能. 将此算法与其他改进算法进行比较,仿真测试结果表明,新算法具有较高的全局搜索成功率和效率,计算量显著降低,优化精度显著提高,能够有效地避免算法陷入局部停滞的缺点.