鱼群集群行为的建模与仿真

群体智能主要针对生物群体中简单智能个体相互作用表现出复杂智能行为进行研究.个体之间的组织结构、关系和群体行为的涌现机制是其研究的关键要素.首先对鱼群游动的规律进行分析,然后采用自底向上的建模方法建立了一种基于向量的数据模型,最后基于java技术建立了鱼群集群行为仿真系统,有效地模拟了个体鱼之间以及环境之间的相互作用,最终涌现出复杂的群体行为的过程.仿真模型和结果对其它群体的研究具有指导意义.     

一个生物种群的生存模型及其系统仿真

提出一个生物种群的生存模型,在该模型中,每个生物个体在总的可再生资源量的制约下,经历生存、繁衍和死亡的过程.伴随着生物个体的消长,整个生物群的规模和分布范围也随之缩小或壮大.通过计算机仿真可以看到,在合适的参数下,最终生物群中个体数目达到动态平衡.仿真所得结果与生物种群的发展规律相符,从而验证了生存模型的可行性.     

包含情绪影响因子的群行为决策模型

 群体中个体情绪对群行为演化的影响是至关重要的。相对于开放场所,处于封闭场所中群行为更容易受到个体情绪的影响。针对群行为建模中情绪影响因子数理表达问题,在分析人群个体行为决策映射关系和情绪与行为决策影响双向关系基础上,建立了包含情绪影响因子的群行为决策模型,并针对行为决策中存在的动态目标判定问题,提出了相应算法。具体场景仿真结果显示,随着群体中个体情绪（尤其是恐慌情绪）影响程度的加大,群体行为演化中的数量变化振荡性明显加强,仿真结果与现实情况吻合,表明包含情绪影响因子的群行为决策模型及算法的有效性。     

群体行为影响的根系可塑性建模

依据根系生长发育过程中群体行为,构建了一种带偏好的群体交互模型,用于对虚拟根系可塑性的建模与仿真。视根尖作为根系群体中的智能个体。依据根尖个体对资源的竞争以及共享行为,构建根尖个体间交互模型。采用L系统构建简单动态根系生长模型,用于控制根系生长发育。结合群体交互模型与根系生长模型,在三种不同的土壤资源分布场景中分析群体行为对根系长度、根系在土壤中分布以及根系形态。结果表明群体交互影响下的根系生长能够感知土壤资源分布,并进行适应性的根系结构调整,从而为根系仿真提供一种简单的方法。     

基于RF模型的高分辨率遥感影像分类评价

以QuickBird高分辨率遥感影像为主要数据源,采用多尺度影像分割方法提取地物对象的光谱、纹理和形状特征;在此基础上,构建基于随机森林（RF）方法的遥感影像分类模型,分析和评价特征变量对模型重要性与稳定性的影响。结果表明:1研究区最优分割尺度参数为70、形状因子0.2、色彩因子0.8,同时构建研究区乔木、灌木和草地等8个景观类型的光谱、纹理和形状等32个特征变量信息;2选择5 000棵树和1个节点变量构建的RF分类模型的总体精度为0.94,Kappa系数为0.93,OOB（Out of Bag）数据泛化误差为6.01%;3通过分析特征变量的重要性发现,Ratio_la₁和Ratio_la₂等光谱特征的重要性值明显比形状特征和纹理特征的高;4基于平均下降精度,选择16个变量构建RF模型时总体精度达到0.94,Kappa系数0.93;5基于基尼指数构建的RF模型,在19个变量时总体精度和Kappa系数达到峰值。相比较而言,基于平均下降精度构建的RF较稳定。     

应急疏散群体行为干预的必要性和可行性分析

结合群体及个体特点，在对应急疏散中群体行为分析的基础上，对应急疏散情况下群体行为干预研究的必要性和可行性进行分析。     

基于模糊神经网络的参数自整定PID控制系统设计

利用多层神经网络构建模糊自适应PID控制器，通过神经网络自学习能力在线提取模糊控制规则，优化控制器隶属度函数，根据不同时刻的误差e和误差变化ec运用模糊推理在线自整定PID参数。仿真实验表明，该控制系统具有优良的控制性能。此外，通过遗传算法对模糊神经网络的学习速率和惯性系数等进行了优化，为控制系统实现最优控制提供了有力保证。     

一种混合拟态物理学优化算法

在拟态物理学优化算法中,群体中所有个体都采用相同的作用力规则来产生后代,所有个体均表现出相同的搜索特征,使算法的种群多样性较差。借鉴物理学中不同环境下个体之间的物理规则不同,且遵循的运动规律亦不同,为算法迭代过程中不同的优化个体制定了不同的作用力规则,采用随机选择策略为不同个体动态分配不同的作用力规则,以增加种群多样性。然后用仿真实验验证了该混合拟态物理学优化算法的有效性。     

公园城市视角下基于行为仿真的社区公园适老化研究——以成都市和美社区公园为例

我国已步入深度老龄化社会,老年群体由于生理衰老与机体疾病等因素导致对城市公共空间使用困难.城市社区公园作为老年群体日常行为活动的高频发生地,其适老化发展是顺应积极老龄化国家战略的必然趋势.选取成都市公园社区示范地——和美社区公园为案例地,利用行为注记法与PS-PL调研法进行观察调研,共获取老年群体活动数据男性2 231人次、女性3 203人次;基于ArcGIS、AutoCAD和Depthmap软件的数据分析,将老年群体时空行为特征结合空间句法对老年群体进行行为仿真,结果表明：在性别、时间粒度、活动类型差异下,老年群体有不同的时间行为特征,不同健康程度的老年群体对社区公园的体验程度与使用难度差异较大.对此,提出社区公园适老化策略：1)以老年群体行为总体模式为导向,考虑不同的活动模式需求;2)以老年群体时间行为特征为导向,进行高峰冲突疏解,实现时空资源共享;3)以老年群体空间行为特征为导向,使空间布局合理化、功能多元化和设施智能化.     

机器鱼群体推进速度一致性研究

针对尾鳍推进机器鱼群体速度一致性问题,以动能映射特征方程为基础,提出了基于平行辨识的一致到达方法;并进一步提出了基于动能映射系数整定协议的速度同步方法. 具体实现为:首先为群体内的个体建立一簇运动学特征方程,并采用参数迭代学习辨识及自适应控制策略使机器鱼各自独立推进. 在速度目标相同的条件下,机器鱼群体最终趋近于等速运动;然后,通过建立稳态下的动能映射系数整定协议,由主机器鱼参数值整定群体参数,避免了不同个体测量误差带来的步调变化,实现群体速度的同步和前进姿态稳定. 仿真结果证明,该目标速度一致性实现方法是有效的.      

系统参数对混沌映射产生自相似业务流的影响

通过计算机模拟,生成了不同参数条件下混沌映射产生的时间序列,研究了反映各时间序列自相似特性的Hurs参数。研究结果表明,当混沌映射的系统参数变化时,所产生的时间序列的自相似特性也发生变化,既系统参数对混沌映射产生自相似业务流具有很大的影响。     

一种新型群体智能优化算法——微进化算法

提出了一种新型群体智能优化算法——微进化算法.该算法采用实数编码,基于个体自身历史最优位置,以群体中最优个体与当前个体的矢量差异信息作为指导,进行启发式搜索.数值实验结果表明:微进化算法简单有效、计算精度高、收敛速度快、鲁棒性强;此外,还具有参数设置简便、计算简单等特点.     

混凝土框架结构非线性静力分析的随机模拟

考虑结构材料本构模型参数的随机性 ,利用非线性Push over随机模拟方法对混凝土框架结构进行了非线性静力反应的随机模拟分析 .研究结果表明 :混凝土本构模型中的参数随机性对混凝土结构不同力学指标的反应进程均有十分显著的影响 .混凝土框架结构的结构反应与塑性铰分布均具有不可精确预测的特性     

基于时滞反馈控制的1/4车辆模型乘客减振研究

针对汽车在不平路面行驶时产生的振动会损伤汽车部件和影响乘客舒适性的问题,本文提出一种含时滞反馈控制的主动悬架在四分之一车模型中的减振方法。该悬架模型有三个自由度,由乘客质量、车身质量和簧下质量三部分组成。通过异步学习因子粒子群算法确定时滞控制参数,并将控制参数运用频域扫描法进行稳定性分析,最后建立含时滞反馈控制的主动悬架系统的仿真模型,仿真结果表明：与被动悬架相比,含时滞反馈的控制主动悬架无论在简谐激励还是路面激励下,乘客和车身加速度的均方根值都有明显的降低,具有较好的减振效果。含时滞反馈的控制主动悬架在改善乘坐舒适性和行驶平顺性方面具有优越性。     

基于群智能的信息认知机制研究

群智能计算是个体认知行为和群体认知规律抽象出的一种非传统的计算智能技术。本文论述群智能计算中的信息认知机制,以及如何利用认知科学的相关研究来探索群智能计算方法。其中主要包括群智能计算中个体和群体的信息利用和分享机制,以及在不同环境的认知过程中的信息利用机制;群智能计算中不同结构和模式的记忆与认知科学中长时记忆、短时记忆、记忆结构和记忆遗忘模型的关系,以及认知记忆机制与环境的对应关系;在不同环境或变化环境下,群智能计算各种自适应策略与社会学习理论中的直接学习和观察学习之间的关系,长期记忆与短期记忆之间在环境变化下的调整机制的关系。相关的研究将促进群智能理论和认知科学的进一步融合发展。     

淀山湖水质模型和水质保护规划研究

模型系统由二维稳态和动态水质模拟、氮磷循环模拟、环境容量计算和规划优化程序组成,具有适用面宽和通用性强的特点。通过三组水质变量对淀山湖水质保护进行综合研究,包括淀山湖模型参数的标定,灵敏度分析和验证,淀山湖水质变化趋势和不同水质目标约束下主要污染物允许排放量的多方案比较,据此提出优化控制方案。     

基于Bak—Sneppen模型的舆论传播机制研究

BS模型通过简单的演化规则体现出复杂的演化动力学．将BS模型应用到舆论传播模型，在模型中植人一个新的参数一节点的质疑度，它是表示该个体对某一件舆论信息提出质疑的程度．质疑度越小，表明个体对舆论信息越相信，反之，越不相信．通过对模型性质研究和数值模拟发现，带有质疑度改进的BS模型上的舆论传播具有许多生物界进化的相似性．模型中的质疑度等性质在网络随时间演化充分时间后，网络能够自组织达到一个稳定临界态，稳定临界态指数也可以计算得到．     

生物软组织黏弹性参数反演方法研究

针对黏弹性参数反演中的模型选择问题,提出应用黏弹性材料的应力松弛曲线作为待反演的参数,不涉及任何黏弹性本构模型,采用有限元仿真与人工神经网络相结合的方法:通过有限元仿真得到不同应力松弛曲线下的剪切波传播速度,然后将仿真得到的数据作为训练样本输入到人工神经网络中进行训练,建立起生物组织黏弹性参数和剪切波传播速度的神经网络输出模型,有效解决了模型选择问题。最后通过粒子群优化算法反演得到组织的黏弹性参数。     

基于自适应粒子群参数优化的最小二乘支持向量机用电量预测模型

为应对当前复杂非线性的宏观经济形势与电力消耗情况,本文提出了一种自适应粒子群算法改进的最小二乘支持向量机负荷预测模型。根据粒子群中粒子的成熟程度对其进行分类,对不同类别的粒子分别采取不同的位置更新方式,可以保持粒子种群多样性,避免造成局部最优。利用自适应粒子群算法优化最小二乘支持向量机的模型参数,经过实证分析能够一定程度提高模型的预测精度,可以为中长期负荷预测工作提供一些的参考。     

基于粒子群优化算法的相关向量机边坡稳定性分析模型

为快速获取边坡稳定性系数,及时对边坡进行稳定性评价,提出一种基于粒子群优化算法(particle swarm optimization,PSO)的相关向量机(relevance vector machine,RVM)边坡稳定性分析模型。该模型通过选取影响边坡稳定性安全系数的6个主要因素,并对这6个主要影响因素产生的30组数据进行拟合训练,利用粒子群算法对相关向量机模型参数进行优化,选取最优参数值,根据这30组训练样本来对剩余4组样本进行精准预测。结果表明：与实际值进行对比,基于PSO-RVM模型预测的平均相对误差仅为5.64%,且建立的PSO-RVM预测模型的边坡稳定性安全系数的平均相对误差均明显优于利用BP(back propogation)神经网络和协调粒子群(coordinated particle swarm optimization,CPSO) -BP模型预测得到的平均相对误差,进一步为边坡稳定性预测及评价提供一种新方法。