- 上一篇：Adomian多项式的计算及其应用
- 下一篇：分数阶超混沌系统的函数级联同步算法研究
第4章MWO-B:基于Brownian walk的MWO模型 28
4.1引言 28
4.2基于随机分布的MWO算法描述 29
4.2.1基本定义 29
4.2.2基于Brownian walk的MWO模型 29
4.3模型性能测试 29
4.3.1实验设置 29
4.3.2实验结果 31
第5章：MWO-R:基于Rayleigh distribution的MWO模型 33
5.1基于Rayleigh distribution的MWO模型 33
5.2模型性能测试 33
5.2.1实验设置 33
5.2.2实验结果 35
第6章：MWO-W:基于Weibull distribution的MWO模型 37
6.1基于Weibull distribution的MWO模型 37
6.2模型性能测试 37
6.2.1实验设置 37
6.2.2实验结果 39
第7章：MWO-T:基于Student’s t-distribution的MWO模型 41
7.1基于Student’s t-distribution的MWO模型 41
7.2模型性能测试 42
7.2.1实验设置 42
7.2.2实验结果 44
第8章 总结与展望 46
8.1 全文总结 46
8.2 进一步工作的方向 47
致谢 48
参考文献 49
第1章 绪论
1.1引言
生态系统中，动物个体行为比较简单，集群后却表现出异常复杂的群体行为，鱼群，鸟群在运动中表现出连贯一致的整体结构，使得他们能够更好地躲避危险以及提高获得食物的机会。生物的这种集群运动引发人们对群集智能方面的探索。
群集智能运动理论的研究从二十世纪八十年代出现以来，作为一个新兴的领域，得到越来越多的科学家的关注，现在已经成为经济、社会、生物等交叉学科的研究热点。群集智能主要是针对蚂蚁、鸟群等群居生物体行为的观察和研究，是在自然界生物群体表现出来的智能现象的启发下提出的针对简单生物群体的智能涌现现象的具体模式研究。
通过观看视频和在网上搜索相关资料，这些动物群在运动过程中具有很明显的特征：群中的个体聚集性很强，运动方向、速度具有一致性。着重思考动物集群运动的机理，建立数学模型刻画动物集群运动；建立数学模型刻画鱼群躲避黑鳍礁鲨鱼的运动行为；假定动物中有掌握食物源位置信息、掌握迁徙路线信息的信息丰富者，进一步分析该动物群体中是如何达成群运动方向决策。
自然界存在着大量集结成群进行移动或者觅食的动物，这些动物群在运动过程中具有很明显的特征：群中的个体聚集性很强，运动方向、速度具有一致性。常以集体的力量进行觅食生存，单个个体所表现的行为是缺乏智能的，但由个体组成的群体则表现出了一种有效的复杂的智能行为，也就是群集智能的体现。本文中研究的主要问题是建立模型模拟动物的集群行为，首先寻找动物集群的一些理论依据，诸如欧拉法、拉格朗日法，深入分析其中影响集群的原因包括游动原则、觅食原则、躲避障碍物原则，再建立R-A模型，并利用计算机演示集群行为。
在第二问中考虑其鱼群躲避黑鳍礁鲨鱼的运动行为，当鱼群遇到天敌时的逃逸，通过个体逃逸及过程中相互作用来表现群体逃逸行为。当某个Agent发现捕食者时将发送消息给其他的Agent。假设Agent接收到危险信号，将分析捕食者的位置、方向、自身的心理、生理作出相应的逃逸选择，在第一问模型的基础上，引进当Agent遭遇捕食者时的集群运动模拟算法。基于人工鱼群的自组织模型，确立出相关的天敌因子，之后根据约束因子分配权重，迭代计算，实现鱼群逃逸模拟。