群體仿真中聚集路徑的生成和自動(dòng)評(píng)價(jià)的方法研究.pdf

1、群體仿真是一項(xiàng)借助計(jì)算機(jī)對(duì)群體行為進(jìn)行模擬研究的技術(shù)，它隨著計(jì)算機(jī)圖形學(xué)和虛擬現(xiàn)實(shí)的發(fā)展而逐漸發(fā)展起來，并在各個(gè)領(lǐng)域得到廣泛的應(yīng)用。特別是在城市規(guī)劃、群體性突發(fā)事件的預(yù)判、大型動(dòng)漫游戲的制作、消防安全、建筑設(shè)計(jì)、國防安全等方面發(fā)揮了重要的作用。群體智能算法是人工智能的一個(gè)重要分支。它通過對(duì)生物群體行為的模擬，產(chǎn)生了一些處理復(fù)雜優(yōu)化問題和其它一些實(shí)際應(yīng)用難題的新思路和新方法。比如，受到鳥群覓食行為而成功設(shè)計(jì)的啟發(fā)式算法有效的應(yīng)用在組合優(yōu)化

2、、群體路徑規(guī)劃、資源調(diào)度、虛擬網(wǎng)絡(luò)和通信等方面的實(shí)際問題。路徑規(guī)劃是群體仿真中最重要的研究之一。在自然界中有許多動(dòng)物和昆蟲雖然個(gè)體微不足道，但群體分工明確、秩序井然。群體智能算法就是一類模仿自然界群體智慧的算法。群體仿真和群體智能存在著天然的聯(lián)系。在群體仿真中，如何通過群體智能算法進(jìn)行群體路徑的規(guī)劃是當(dāng)前研究的熱點(diǎn)，它能為群體動(dòng)畫的創(chuàng)作提供素材和技術(shù)支持，也能為大型的疏散逃生仿真提供底層支撐。決策樹算法是一種通過一系列的規(guī)則對(duì)數(shù)據(jù)進(jìn)行分

3、類評(píng)價(jià)的方法，也是一種機(jī)器學(xué)習(xí)的方法。通過它可以進(jìn)行路徑評(píng)價(jià)，提高分類的效率和準(zhǔn)確率。
　　本文所做的工作主要如下：
　　(1)針對(duì)群體仿真中聚集場景的特點(diǎn)和現(xiàn)有方法的不足提出了基于改進(jìn)微粒群算法的多種群劃分的聚集路徑規(guī)劃方法。具體方法是：首先，針對(duì)聚集現(xiàn)象修改算法的參數(shù)；其次，提出一種基于微粒群算法的多種群劃分策略；最后，對(duì)多目標(biāo)點(diǎn)聚集可能出現(xiàn)的擁堵排隊(duì)狀況提出了一種動(dòng)態(tài)調(diào)整的策略。避免了傳統(tǒng)的多種群劃分的依據(jù)單一、不明確

4、的情況。這一改進(jìn)有效的提高了群體仿真路徑規(guī)劃的效率，增強(qiáng)了群體仿真的逼真效果。
　　(2)針對(duì)群體仿真中大量粒子運(yùn)動(dòng)路徑的評(píng)價(jià)中存在的評(píng)價(jià)速度慢、準(zhǔn)確率低、缺乏依據(jù)特征等問題，提出了基于決策樹算法的路徑自動(dòng)評(píng)價(jià)模型。在群體粒子的聚集過程中，通過分析提取影響其運(yùn)動(dòng)行為的屬性，應(yīng)用于決策樹算法進(jìn)行生成路徑好壞的判斷評(píng)價(jià)。這一模型有效改善了傳統(tǒng)評(píng)價(jià)方法的缺陷，具有較高的實(shí)用性和有效性。
　　(3)結(jié)合具體科研項(xiàng)目，在 VS2003