王楠楠，于 航，陳 婧，王元?jiǎng)?/p>

(大連民族學(xué)院 a.土木建筑與工程學(xué)院;b.計(jì)算機(jī)科學(xué)與工程學(xué)院，遼寧大連 116605)

一種改進(jìn)的自組織生物群體仿真模型

王楠楠a，于 航a，陳 婧b，王元?jiǎng)俠

(大連民族學(xué)院 a.土木建筑與工程學(xué)院;b.計(jì)算機(jī)科學(xué)與工程學(xué)院，遼寧大連 116605)

在Boid群體仿真規(guī)則基礎(chǔ)上，增加了3類控制變量:環(huán)境變量、種群特征變量和性格變量構(gòu)建自組織生物群體仿真系統(tǒng)。利用社會學(xué)習(xí)因子和自學(xué)習(xí)因子構(gòu)建了個(gè)體的種群靠攏系數(shù)、速度匹配系數(shù)和自由游弋系數(shù)等參數(shù)，去除了傳統(tǒng)模型中個(gè)體一致性假設(shè)，更為真實(shí)地反映不同生物群體的群體行為。本文在此基礎(chǔ)上構(gòu)建了相應(yīng)的仿真平臺。仿真實(shí)驗(yàn)結(jié)果表明，可以更好地對生物群體行為仿真進(jìn)行建模，同時(shí)給出了鳥群、魚群和昆蟲群3種典型生物群體仿真的參數(shù)集合，同時(shí)還分析了不同群體的特征。關(guān)鍵詞:群體仿真;Boid模型;仿真

不同的生物群體如鳥群、魚群和昆蟲群，聚集在一起共同覓食和逃避捕食者。群落規(guī)模以十、百、千甚至萬計(jì)，并且經(jīng)常不存在一個(gè)統(tǒng)一的指揮者。它們的群體復(fù)雜而美麗，人類一直探尋不同生物群體的行為規(guī)則，不同生物群體行為規(guī)律的研究對于人類揭示自然和利用生物群體規(guī)律構(gòu)建場景視覺都具有重要的意義。

對生物群體行為的仿真有兩種方法:第一種方法是數(shù)學(xué)方法，考慮到相同物種的相互吸引與排斥的同時(shí)，基于每個(gè)個(gè)體的隨機(jī)移動(dòng)，利用歐拉連續(xù)方程進(jìn)行描述，從而描述整個(gè)群體的密度，或者基于個(gè)體的軌跡，利用拉格朗日方程對于個(gè)體的移動(dòng)、速度等進(jìn)行描述。第一種方法很難模擬和仿真出不同生物群體的行為規(guī)律，構(gòu)建仿真模型和真實(shí)的群體行為差別很大。第二種方法是主體的仿真(Agent Based Simulation)［1］，該方法不利用方程，而是通過對個(gè)體行為準(zhǔn)則的模擬進(jìn)行建模，強(qiáng)調(diào)群體中的每個(gè)個(gè)體的特性，更強(qiáng)調(diào)個(gè)體之間的相互交互作用。

其中比較著名的群體仿真模型為Boid模型［2］，該模型是 1986年 Craig Reynolds提出的，用以模擬鳥類聚集飛行的行為［3－5］。鳥群的同步飛行只是建立在每只鳥對周圍的局部感知上，并不存在一個(gè)集中的控制者。也就是說整個(gè)群體組織起來，卻沒有一個(gè)組織者，群體之間相互協(xié)調(diào)也沒有一個(gè)協(xié)調(diào)者。首先，前提條件是鳥群沒有全局控制，而且每個(gè)鳥的能力有限，只受其臨近鳥類的影響。在通常情況下，自然界形成的生物群體并沒有數(shù)量限制，魚群可以連綿17英里，每個(gè)個(gè)體不可能對全局敏感。這種生物群體通過群體信息的交互來躲避入侵者，提高種群的生存能力，進(jìn)行高效的食物搜索。如圖1，Reynolds提出了3條簡單的規(guī)則來仿真這種復(fù)雜的生物群體行為。

(1)避免碰撞(Collision Avoidance):避免和鄰近的個(gè)體相碰撞;

(2)速度一致(Velocity Matching):和鄰近的個(gè)體的平均速度保持一致;

(3)向中心聚集(Flock Centering):向鄰近個(gè)體的平均位置移動(dòng)。

圖1 Boid群體仿真基本規(guī)則

1 改進(jìn)的Boid群體仿真模型

本文提出的算法改進(jìn)模型包括3類控制變量:環(huán)境變量、種群特征變量和性格變量。環(huán)境變量主要指生物仿真環(huán)境的阻力和重力因素。種群變量主要是群體中個(gè)體和群體的響應(yīng)參數(shù)，包括視距和視角，個(gè)體期望距離，安全距離、警戒距離，個(gè)體各方向最大加速度和最大速度;個(gè)體性格變量是本模型的特色之處，不同群體中的個(gè)體紀(jì)律性是不同的，其中包含與群體同步的社會學(xué)習(xí)因子C1和保持個(gè)體行為的自我偏好因子C2，同時(shí)根據(jù)這兩個(gè)變量構(gòu)建了4個(gè)群體性格特征變量:種群靠攏偏好、速度匹配偏好、平行移動(dòng)偏好。如圖2是本文開發(fā)的群體仿真模型系統(tǒng)，左圖為仿真環(huán)境，右圖為各種控制變量設(shè)置。

圖2 自組織生物群體仿真系統(tǒng)

1.1 種群特征變量

(1)視距和視角。視距和視角用來表示個(gè)體的視野范圍。視野范圍如圖1(d)。視距或者視角的改變都可使個(gè)體的視野范圍發(fā)生改變。視野范圍越大，能夠可視的其他個(gè)體越多，所以其他規(guī)則計(jì)算時(shí)需要的鄰域個(gè)體也會隨之?dāng)U大，視野的擴(kuò)大有利于群體的信息交互，使得信息交換速度和效率增大，可以使個(gè)體和群體更加有效地發(fā)現(xiàn)食物或躲避障礙物。

(2)個(gè)體間期望距離。個(gè)體間期望距離包括個(gè)體間安全距離和群體保護(hù)距離。個(gè)體間安全距離是指生物群體由于高速運(yùn)動(dòng)個(gè)體間需要一定的安全距離，群體保護(hù)距離是因?yàn)閭€(gè)體間由于群體可以提供保護(hù)不期望個(gè)體間距離過遠(yuǎn)，因此個(gè)體間期望距離因群體類別和環(huán)境而各不相同。

(3)安全距離。如果障礙物在某個(gè)體前方，且該障礙物已在其視野范圍內(nèi)。安全距離就是個(gè)體距離障礙物或危險(xiǎn)物體的最小距離。當(dāng)距離小于安全距離時(shí)，個(gè)體開始考慮躲避障礙物。安全距離如果設(shè)置越大，個(gè)體會越早開始進(jìn)行躲避障礙物的動(dòng)作調(diào)整。

(4)警戒距離。警戒距離是個(gè)體當(dāng)前距離危險(xiǎn)源或碰撞事件的最小距離，一旦個(gè)體進(jìn)入警戒距離會采用大幅度動(dòng)作調(diào)整進(jìn)行躲避。警戒距離的設(shè)定主要考慮當(dāng)個(gè)體由于自身或環(huán)境突然改變，例如突然出現(xiàn)障礙物或個(gè)體間將要碰撞，個(gè)體進(jìn)入較大幅度姿態(tài)調(diào)整的閾值。

(5)最大加速度。最大加速度由于個(gè)體不同而設(shè)置的加速度閾值。例如鳥類在飛行過程中基本向前飛行，前進(jìn)方向的加速度遠(yuǎn)遠(yuǎn)大于后退飛行的加速度。主要對加速度在以個(gè)體運(yùn)動(dòng)坐標(biāo)上4個(gè)方向加速度進(jìn)行最大值設(shè)置:最大前進(jìn)加速度，最大后退加速度，最大左右加速度，此外還有在環(huán)境坐標(biāo)下個(gè)體由于引力和運(yùn)動(dòng)能力而產(chǎn)生的垂直上和下的加速度。最大加速度越大，速度的改變量就越大，個(gè)體可以更快的加速、減速以及轉(zhuǎn)向。

(6)最大速度。最大速度是指個(gè)體在運(yùn)動(dòng)過程中以自身為坐標(biāo)的前進(jìn)方向速度最大值，像最左或右最大速度和垂直最大速度。

1.2 性格變量

本文稱C1，C2為性格系數(shù)，且C1+C2=1。例如某個(gè)群體紀(jì)律性較強(qiáng)，則它們?nèi)后w速度保持一致的規(guī)則占性格比重較大;某個(gè)群體特別喜歡集群，則它們向群體中心靠攏的規(guī)則占性格比重較大。這些規(guī)則組成了個(gè)體的性格，不同的學(xué)習(xí)因子比重可以構(gòu)建不同性格的個(gè)體。

本文通過C1，C2構(gòu)建了種群靠攏變量、速度匹配變量、平行移動(dòng)變量、自由游弋變量和趨向中心系數(shù)。其中，種群靠攏變量是個(gè)體向種群中心靠攏的性格系數(shù)。性格系數(shù)越大，最終加速度越能體現(xiàn)種群靠攏的行為，群體就更容易聚集在一起;速度匹配變量是個(gè)體與群體保持一致的性格系數(shù)。性格系數(shù)越大，最終加速度越能體現(xiàn)速度匹配的行為，群體的速度看起來會更一致;平行移動(dòng)變量是個(gè)體保持在同一水流層的性格系數(shù)。性格系數(shù)越大，最終加速度越能體現(xiàn)平行移動(dòng)的行為，群體看起來在豎直方向上的浮動(dòng)就會越小;自由游弋變量是個(gè)體自由游弋的性格系數(shù)，該系數(shù)越大，最終加速度的隨機(jī)性就越大，整個(gè)群體看起來就更加無序化;趨向中心系數(shù)是個(gè)體即趨向場景中心的性格系數(shù)。性格系數(shù)越大，種群的運(yùn)動(dòng)就越靠近場景中心。

2 實(shí)驗(yàn)仿真結(jié)果

本文將場景的三維設(shè)為(3200，3200，3200)，個(gè)體的三維設(shè)為(36，18，24)，單位為像素。場景相對較大，因此將趨向場景中心的性格系數(shù)設(shè)為0，可以更直觀地展示其他參數(shù)對群體運(yùn)動(dòng)的控制作用。通過仿真實(shí)驗(yàn)列出了3種生物群體的仿真控制參數(shù)見表1，這3種典型的生物群體分別是魚群、鳥群、昆蟲群。

表1 3種群體的參數(shù)表

經(jīng)過大量實(shí)驗(yàn)得出表1的不同的類別生物群體仿真參數(shù)。下面針對各種參數(shù)分析不同群體的特點(diǎn)。針對阻力參數(shù)，魚群在水中受到的阻力相對較大，鳥群和昆蟲群在空中飛行受到的阻力相對較小;針對視距和視角參數(shù)，魚群的視距較近，昆蟲的視距最短，鳥群擁有最高的視距，因?yàn)轼B類飛行速度快，視野開闊。魚群的視角一般，為π/3;鳥群的視角稍大;昆蟲的視角最小;針對個(gè)體間期望距離參數(shù):魚群間期望距離一般，鳥群間期望距離最大，因?yàn)樗鼈冿w行速度快，距離太近容易相撞，昆蟲間期望距離最小;針對安全距離參數(shù):魚群的安全距離一般，鳥群的安全距離最大，因?yàn)樗鼈冿w行速度快，需要及早考慮躲避障礙或邊界的問題;昆蟲的安全距離最小，因?yàn)槔ハx的轉(zhuǎn)向靈敏，在很短的距離就可以躲避障礙;針對警戒距離參數(shù):同安全距離一樣，鳥群需要的警戒距離最大，魚群次之，昆蟲最小;針對最大加速度和速度參數(shù):魚群活動(dòng)緩慢笨重，加速度較小;鳥群行動(dòng)輕快，加速度較大;昆蟲體積小巧，最為靈敏，加速度最大。魚群生活在水中，速度相對較慢;鳥群速度最快;昆蟲個(gè)體較小，速度居中。針對種群靠攏參數(shù):魚群的群體行動(dòng)較為集中，種群靠攏因數(shù)相對較大;鳥群相對分散，種群靠攏因數(shù)較小;昆蟲集中飛行行為最不明顯，因此種群靠攏因數(shù)最小。針對速度匹配參數(shù):魚群的行動(dòng)較為一致，速度匹配因數(shù)稍大;鳥群的行動(dòng)最為一致，速度匹配因數(shù)為3種群中最大;昆蟲的行動(dòng)比較雜亂，速度匹配因數(shù)較小。針對平行移動(dòng)參數(shù):魚群上下浮動(dòng)較少，平行移動(dòng)因數(shù)較大;鳥群上下浮動(dòng)最少，因此平行移動(dòng)因數(shù)最大;昆蟲上下浮動(dòng)最多，平行移動(dòng)因數(shù)設(shè)為最小。針對自由游弋參數(shù):魚群的自由游弋因數(shù)相對較高;鳥群紀(jì)律良好，自由游弋因數(shù)較低;昆蟲行動(dòng)雜亂，自由游弋因數(shù)最高。對于趨向中心均設(shè)為0。如圖3給出了不同群體仿真的仿真運(yùn)動(dòng)過程截圖。圖3(a)為魚群的群體運(yùn)動(dòng)效果，圖3(b)為鳥群的群體運(yùn)動(dòng)效果，圖3(c)為昆蟲的群體運(yùn)動(dòng)效果。

圖3 不同群體的仿真運(yùn)動(dòng)截圖

3 總結(jié)

本文在Boid群體仿真規(guī)則基礎(chǔ)上，通過對3類控制變量:環(huán)境變量、種群特征變量和性格變量的改進(jìn)和不同群體仿真的需求，對群體仿真構(gòu)建了相應(yīng)規(guī)則及其參數(shù)，并在此基礎(chǔ)上構(gòu)建了相應(yīng)的仿真平臺，實(shí)驗(yàn)結(jié)果表明，本文提出的改進(jìn)模型可以更好地對生物群體行為仿真進(jìn)行建模，可以更為真實(shí)地反映出不同生物群體的群體行為。

［1］AGHA.A Model of Concurrent Computation in Distributed Systems［M］.Massachusetts:The MIT Press，1986.

［2］李曉磊，邵之江，錢積新.一種基于動(dòng)物自治體的尋優(yōu)模式:魚群算法［J］.系統(tǒng)工程理論與實(shí)踐 ，2002，22(11):32－38.

［3］REYNOLDS C W.F1ocks.Herds and d Schools:A Distributed Behavioral Model［J］.Computer Graphics，1987，21(4):25－32.

［4］MILLONAS M M.Swarms.Phase Transitions and Collective Intelligence［C］.Langton C G Ed.Artificial Life.Snata Fe Institute Studies in the Sciences of Complexity，Addison Wesley，1994:417 －444.

［5］ E BONAOC M DOLIGO.G Theraulaz.Swarm Intelligence:From Natural to Artificial Systems［M］.New York:Oxford University Press，1999.

An Improved Self－organization Biological Swarm Simulation Model

WANG Nan －nana，YU Hanga，CHEN Jingb，WANG Yuan －gangb
(a.College of Architecture and Civil Engineering;b.College of Computer Science and Engineering，Dalian Nationalities University，Dalian Liaoning 116605，China)

On the basis of Boid simulation model，in this paper three types of control variables are increased which are environment variables，population character variables and personality variables to build simulation systems of self－organization biological swarm.Traditional simulation model assumes that the individual parameters are identical，but the differences of individual parameters in real biological groups exist objectively.Therefore population closer coefficient，speed matching coefficient and free cruising coefficient and other parameters using social learning factors and self－learning factors are constructed，and the individual consistency assumptions in traditional model are remcved，which reflects the behavior of different groups of biological swarm even more truly.Based on the above the corresponding simulation platform is builded.Simulation results show that the improved model proposed in this paper is better for the modeling of the simulation of biological groups’behaviors，and gives parameter sets of simulation of birds，fish and insects groups of the three typical biological swarms，and at the same time analyzes the characteristics of different swarm.

swarm simulation;Boid model;simulation

TP301.6

A

1009－315X(2012)01－0081－04

2011－11－06

大連民族學(xué)院青年基金資助項(xiàng)目(2009A206);中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(DC110302)。

王楠楠(1980－)，女，遼寧沈陽人，講師，主要從事虛擬現(xiàn)實(shí)和計(jì)算機(jī)仿真研究。

(責(zé)任編輯 劉敏)