一种改进的自组织生物群体仿真模型

王楠楠，于 航，陈 婧，王元刚

(大连民族学院 a.土木建筑与工程学院;b.计算机科学与工程学院，辽宁大连 116605)

一种改进的自组织生物群体仿真模型

王楠楠a，于 航a，陈 婧b，王元刚b

(大连民族学院 a.土木建筑与工程学院;b.计算机科学与工程学院，辽宁大连 116605)

在Boid群体仿真规则基础上，增加了3类控制变量:环境变量、种群特征变量和性格变量构建自组织生物群体仿真系统。利用社会学习因子和自学习因子构建了个体的种群靠拢系数、速度匹配系数和自由游弋系数等参数，去除了传统模型中个体一致性假设，更为真实地反映不同生物群体的群体行为。本文在此基础上构建了相应的仿真平台。仿真实验结果表明，可以更好地对生物群体行为仿真进行建模，同时给出了鸟群、鱼群和昆虫群3种典型生物群体仿真的参数集合，同时还分析了不同群体的特征。关键词:群体仿真;Boid模型;仿真

不同的生物群体如鸟群、鱼群和昆虫群，聚集在一起共同觅食和逃避捕食者。群落规模以十、百、千甚至万计，并且经常不存在一个统一的指挥者。它们的群体复杂而美丽，人类一直探寻不同生物群体的行为规则，不同生物群体行为规律的研究对于人类揭示自然和利用生物群体规律构建场景视觉都具有重要的意义。

对生物群体行为的仿真有两种方法:第一种方法是数学方法，考虑到相同物种的相互吸引与排斥的同时，基于每个个体的随机移动，利用欧拉连续方程进行描述，从而描述整个群体的密度，或者基于个体的轨迹，利用拉格朗日方程对于个体的移动、速度等进行描述。第一种方法很难模拟和仿真出不同生物群体的行为规律，构建仿真模型和真实的群体行为差别很大。第二种方法是主体的仿真(Agent Based Simulation)［1］，该方法不利用方程，而是通过对个体行为准则的模拟进行建模，强调群体中的每个个体的特性，更强调个体之间的相互交互作用。

其中比较著名的群体仿真模型为Boid模型［2］，该模型是 1986年 Craig Reynolds提出的，用以模拟鸟类聚集飞行的行为［3－5］。鸟群的同步飞行只是建立在每只鸟对周围的局部感知上，并不存在一个集中的控制者。也就是说整个群体组织起来，却没有一个组织者，群体之间相互协调也没有一个协调者。首先，前提条件是鸟群没有全局控制，而且每个鸟的能力有限，只受其临近鸟类的影响。在通常情况下，自然界形成的生物群体并没有数量限制，鱼群可以连绵17英里，每个个体不可能对全局敏感。这种生物群体通过群体信息的交互来躲避入侵者，提高种群的生存能力，进行高效的食物搜索。如图1，Reynolds提出了3条简单的规则来仿真这种复杂的生物群体行为。

(1)避免碰撞(Collision Avoidance):避免和邻近的个体相碰撞;

(2)速度一致(Velocity Matching):和邻近的个体的平均速度保持一致;

(3)向中心聚集(Flock Centering):向邻近个体的平均位置移动。

图1 Boid群体仿真基本规则

1 改进的Boid群体仿真模型

本文提出的算法改进模型包括3类控制变量:环境变量、种群特征变量和性格变量。环境变量主要指生物仿真环境的阻力和重力因素。种群变量主要是群体中个体和群体的响应参数，包括视距和视角，个体期望距离，安全距离、警戒距离，个体各方向最大加速度和最大速度;个体性格变量是本模型的特色之处，不同群体中的个体纪律性是不同的，其中包含与群体同步的社会学习因子C1和保持个体行为的自我偏好因子C2，同时根据这两个变量构建了4个群体性格特征变量:种群靠拢偏好、速度匹配偏好、平行移动偏好。如图2是本文开发的群体仿真模型系统，左图为仿真环境，右图为各种控制变量设置。

图2 自组织生物群体仿真系统

1.1 种群特征变量

(1)视距和视角。视距和视角用来表示个体的视野范围。视野范围如图1(d)。视距或者视角的改变都可使个体的视野范围发生改变。视野范围越大，能够可视的其他个体越多，所以其他规则计算时需要的邻域个体也会随之扩大，视野的扩大有利于群体的信息交互，使得信息交换速度和效率增大，可以使个体和群体更加有效地发现食物或躲避障碍物。

(2)个体间期望距离。个体间期望距离包括个体间安全距离和群体保护距离。个体间安全距离是指生物群体由于高速运动个体间需要一定的安全距离，群体保护距离是因为个体间由于群体可以提供保护不期望个体间距离过远，因此个体间期望距离因群体类别和环境而各不相同。

(3)安全距离。如果障碍物在某个体前方，且该障碍物已在其视野范围内。安全距离就是个体距离障碍物或危险物体的最小距离。当距离小于安全距离时，个体开始考虑躲避障碍物。安全距离如果设置越大，个体会越早开始进行躲避障碍物的动作调整。

(4)警戒距离。警戒距离是个体当前距离危险源或碰撞事件的最小距离，一旦个体进入警戒距离会采用大幅度动作调整进行躲避。警戒距离的设定主要考虑当个体由于自身或环境突然改变，例如突然出现障碍物或个体间将要碰撞，个体进入较大幅度姿态调整的阈值。

(5)最大加速度。最大加速度由于个体不同而设置的加速度阈值。例如鸟类在飞行过程中基本向前飞行，前进方向的加速度远远大于后退飞行的加速度。主要对加速度在以个体运动坐标上4个方向加速度进行最大值设置:最大前进加速度，最大后退加速度，最大左右加速度，此外还有在环境坐标下个体由于引力和运动能力而产生的垂直上和下的加速度。最大加速度越大，速度的改变量就越大，个体可以更快的加速、减速以及转向。

(6)最大速度。最大速度是指个体在运动过程中以自身为坐标的前进方向速度最大值，像最左或右最大速度和垂直最大速度。

1.2 性格变量

本文称C1，C2为性格系数，且C1+C2=1。例如某个群体纪律性较强，则它们群体速度保持一致的规则占性格比重较大;某个群体特别喜欢集群，则它们向群体中心靠拢的规则占性格比重较大。这些规则组成了个体的性格，不同的学习因子比重可以构建不同性格的个体。

本文通过C1，C2构建了种群靠拢变量、速度匹配变量、平行移动变量、自由游弋变量和趋向中心系数。其中，种群靠拢变量是个体向种群中心靠拢的性格系数。性格系数越大，最终加速度越能体现种群靠拢的行为，群体就更容易聚集在一起;速度匹配变量是个体与群体保持一致的性格系数。性格系数越大，最终加速度越能体现速度匹配的行为，群体的速度看起来会更一致;平行移动变量是个体保持在同一水流层的性格系数。性格系数越大，最终加速度越能体现平行移动的行为，群体看起来在竖直方向上的浮动就会越小;自由游弋变量是个体自由游弋的性格系数，该系数越大，最终加速度的随机性就越大，整个群体看起来就更加无序化;趋向中心系数是个体即趋向场景中心的性格系数。性格系数越大，种群的运动就越靠近场景中心。

2 实验仿真结果

本文将场景的三维设为(3200，3200，3200)，个体的三维设为(36，18，24)，单位为像素。场景相对较大，因此将趋向场景中心的性格系数设为0，可以更直观地展示其他参数对群体运动的控制作用。通过仿真实验列出了3种生物群体的仿真控制参数见表1，这3种典型的生物群体分别是鱼群、鸟群、昆虫群。

表1 3种群体的参数表

经过大量实验得出表1的不同的类别生物群体仿真参数。下面针对各种参数分析不同群体的特点。针对阻力参数，鱼群在水中受到的阻力相对较大，鸟群和昆虫群在空中飞行受到的阻力相对较小;针对视距和视角参数，鱼群的视距较近，昆虫的视距最短，鸟群拥有最高的视距，因为鸟类飞行速度快，视野开阔。鱼群的视角一般，为π/3;鸟群的视角稍大;昆虫的视角最小;针对个体间期望距离参数:鱼群间期望距离一般，鸟群间期望距离最大，因为它们飞行速度快，距离太近容易相撞，昆虫间期望距离最小;针对安全距离参数:鱼群的安全距离一般，鸟群的安全距离最大，因为它们飞行速度快，需要及早考虑躲避障碍或边界的问题;昆虫的安全距离最小，因为昆虫的转向灵敏，在很短的距离就可以躲避障碍;针对警戒距离参数:同安全距离一样，鸟群需要的警戒距离最大，鱼群次之，昆虫最小;针对最大加速度和速度参数:鱼群活动缓慢笨重，加速度较小;鸟群行动轻快，加速度较大;昆虫体积小巧，最为灵敏，加速度最大。鱼群生活在水中，速度相对较慢;鸟群速度最快;昆虫个体较小，速度居中。针对种群靠拢参数:鱼群的群体行动较为集中，种群靠拢因数相对较大;鸟群相对分散，种群靠拢因数较小;昆虫集中飞行行为最不明显，因此种群靠拢因数最小。针对速度匹配参数:鱼群的行动较为一致，速度匹配因数稍大;鸟群的行动最为一致，速度匹配因数为3种群中最大;昆虫的行动比较杂乱，速度匹配因数较小。针对平行移动参数:鱼群上下浮动较少，平行移动因数较大;鸟群上下浮动最少，因此平行移动因数最大;昆虫上下浮动最多，平行移动因数设为最小。针对自由游弋参数:鱼群的自由游弋因数相对较高;鸟群纪律良好，自由游弋因数较低;昆虫行动杂乱，自由游弋因数最高。对于趋向中心均设为0。如图3给出了不同群体仿真的仿真运动过程截图。图3(a)为鱼群的群体运动效果，图3(b)为鸟群的群体运动效果，图3(c)为昆虫的群体运动效果。

图3 不同群体的仿真运动截图

3 总结

本文在Boid群体仿真规则基础上，通过对3类控制变量:环境变量、种群特征变量和性格变量的改进和不同群体仿真的需求，对群体仿真构建了相应规则及其参数，并在此基础上构建了相应的仿真平台，实验结果表明，本文提出的改进模型可以更好地对生物群体行为仿真进行建模，可以更为真实地反映出不同生物群体的群体行为。

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

［2］李晓磊，邵之江，钱积新.一种基于动物自治体的寻优模式:鱼群算法［J］.系统工程理论与实践 ，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

大连民族学院青年基金资助项目(2009A206);中央高校基本科研业务费专项资金资助项目(DC110302)。

王楠楠(1980－)，女，辽宁沈阳人，讲师，主要从事虚拟现实和计算机仿真研究。

(责任编辑 刘敏)