基于混沌动态步长布谷鸟算法的群体动画行为控制方法研究.doc

基于混沌动态步长布谷鸟算法的群体动画行为控制方法研究
摘 要: 自然界生物的迁徙具有一定规律,其会自动形成群体集合,队列排序具有一定的规律。群体动画行为是基于生物的迁徙规律得来的。首先对布谷鸟算法进行深入研究,而后以混沌动态拟再现,同时通过各种情况的虚拟行为刺激,对真实世界可能发现的各种情况进行预判、规划和控制[3]。群体动画发展至今,广泛应用在军事虚拟演训、社会安全预估以及影视娱乐设计等方面,如图1~图3所示。
图1中的军事虚拟演训也是群体动画得以研究后的最初应用。群体动画能够更好地帮助军队在实际的军事演练中减少战损,控制人员伤亡,最大化的节省资源和提高部队协调能力与作战能力。随着时代发展,群体动画已经相对普及地应用到军事虚拟演训中。
同时,群体动画还被广泛应用到公共安全方面。如图2所示,在紧急情况下,办公地点、地铁站等公共场所的人员疏散都能够借助群体动画进行模拟,从而规划出最为合适的避险方式,减少紧急情况下带来的人员伤亡和财产损失。
图3是群体动画在影视娱乐设计方面的应用。在群体动画不够成熟之前,影视作品当中大型场面的拍摄为达到理想的拍摄效果,需要耗费大量的财力、物力、人力。同时,大规模的群众演员拍摄,十分容易造成事故,引起伤亡。群体动画的引入,既能够使整体的场面与真实场面基本相同,做到整体场面上的协调与流畅,个体表情与动作的真实与连贯,同时也能做到节省投资成本,提高拍摄的安全系数。 以上实例表明,在信息技术的不断发展过程当中,群体动画的发展越来越成熟,应用也更加广泛。
2 布谷鸟算法及相关简述
布谷鸟算法研究现状
Deb等人在2009年首先提出Cuckoo Search(CS),即布谷鸟算法的概念,其主要以布谷鸟的寻窝产卵行为以及莱维飞行为依据[5]。2010年,布谷鸟算法在工程优化问题中得以应用,相比工程优化问题之前所用到的粒子群算法效果要好很多。而后几年,研究者将布谷鸟算法与人工蜂群算法、粒子群优化算法以及微分进化算法做出比较。结果显示,布谷鸟算法在四种算法中结果最优。
布谷鸟算法从提出至今,受到了國内外很多专家学者的青睐。相比其他算法,布谷鸟算法主要具有以下优点:布谷鸟算法需要的参数相对较少,操作上方便简单,相对来说容易上手。如今在日常生活以及科研领域等多个方面,都能够见到布谷鸟算法的应用。当然,布谷鸟算法虽然经过十余年的发展和完善,但是仍然处在初级阶段,尚有许多不足之处。基于混沌动态步长的布谷鸟算法也是对布谷鸟算法的进一步改进和优化。
布谷鸟的生活****性
在自然界当中,多数鸟类对于幼鸟的哺育方式是进行筑巢哺育,但是也有例外。几乎36%的布谷鸟(杜鹃)哺育幼鸟的方式是寄生哺育,也即所谓的巢寄生。在鸟类繁殖当中,巢寄生是相对特殊的一种[6]。
将巢寄生作为繁殖哺育的鸟类并不是自己孵化和哺育幼鸟,而是产卵于其他鸟类的巢中,孵化和哺育都由其他鸟代之。在布谷鸟的寄生过程当中,会对宿主进行选择。布谷鸟对宿主选择的主要依据是其与布谷鸟自身是否具有相似****性,具体选择依据有:雏鸟是否具有相似的****性,卵的形状与颜色是否相似,孵化期是否大致相同等。
一般情况下,宿主选择好之后,布谷鸟会选择宿主产卵前离巢后的合适时机,迅速在其巢中进行产卵。每年的产卵数量大约在2~10个。同时,布谷鸟为提高幼鸟的生存可能,在任何宿主的鸟巢都只留一个蛋,而且会移走鸟巢中原有的一枚或者全部蛋,以得到更高保证。即便幼鸟得以孵化,布谷鸟也会把非本族类的鸟赶离鸟窝,保证自己的幼鸟哺育,而且研究表明,布谷鸟会对宿主鸟类的幼鸟声音进行模仿,以此获得义亲的哺育,提高自己族类的繁殖。
莱维飞行
莱维飞行由法国数学家保罗·皮埃尔·莱维引入。在大自然中多数动物进行觅食的方式是随机觅食,也就是说这是一个随机的过程。随机过程中,当前位置决定了下一步应当如何移动,而方向选取与其使用何种数学模型相关。
莱维分布要用到以下几个参数:位移[x],尺度[γ],特征指数[β],方向参数[δ]。莱维分布可以看作其特征函数所对应的Fourier变换,公式如下:
[Pβ·δk;μ,γ=FPβ·δx;μ,γ=-∞∞eikxPβ·δx;μ,γdx=expiωk-γβkβ1-iδkkω(k,β)]
其中,[ωk,β=tanπβ2, β≠1,0<β<2-2πlnk, β=1]。
莱维飞行究其根本是一种关于实际步长的计算。当前对于莱维飞行的模拟大多采用Mantegna算法。用Matlab对随机行走以及莱维飞行进行仿真模拟,如图4所示。
不难发现,莱维飞行的搜索能力以及搜索范围都要优于随机行走。因此,在布谷