• <blockquote id="6m86g"></blockquote>
  • <option id="6m86g"></option>
  • <blockquote id="6m86g"><input id="6m86g"></input></blockquote>

    基于遺傳算法的人工生命演示系統的研究與實現

    來源:南粵論文中心 作者:周劍利。馬壯,陳貴清 發表于:2010-04-13 09:21  點擊:
    【關健詞】人工生命;遺傳算法;進化計算;仿真
    摘要:本文討論了人工生命仿真模型的建立方法,給出了一個基于遺傳算法的人工生命模型及其演 示系統的實現。計算和考察了虛擬環境中生物在進化過程中的演變規律和涌現特征,模擬和解 釋了一些生態行為和進化規律,如競爭、協作進化、群居、物種滅絕等現象。這種通過進化的 方法進行系統復雜性模擬的思想,對于研究認知進{匕和群體智能具有一定的參照意義。

    引言
    人工生命是一種利用進化計算模型,通過計算 機仿真,以化學或其他非生物為基體來描述生命的 模型。人工生命仿真僅對低級實體的行為進行編輯, 并且把全局模式作為低級實體間相互作用的結果表 現出來。人工生命則是進化計算在計算機仿真學上 的全新應用,它是利用進化論的原理,在計算機中 創建類似生命的實體。目前的人工生命系統有新生 件、軟件和硬件三類。其中新生件采用人工制造或 控制組織分子產生的人工系統。軟件則依靠計算機 模擬生物系統,以及模擬生物形態變化過程的工具。 硬件多見于人工整體控制的機器人。構造人工生命 的方法通常分為弱方法和強方法。前者通過模擬已 知的生命現象或生物組織功能建立人工生命模型, 以加深理解實際的生命現象所蘊涵的復雜行為理 論;后者試圖制造人工生命,并探索生命的本質,它 不局限于計算機程序,可以是任意的生命形式。本 文僅討論一種基于遺傳算法的人工生命模型,用以 模擬和解釋一些簡單的生態行為和進化規律(如競 爭、協作進化、群居、物種滅絕等現象,屬于弱方 法)。
    1遺傳算法簡介

    遺傳算法是模擬達爾文的遺傳選擇和自然淘汰 的生物進化過程的計算模型。它的思想源于生物遺 傳學和適者生存的自然規律,是具有“生存+檢測” 的迭代過程的搜索算法。遺傳算法以一種群體中的 所有個體為對象,并利用隨機化技術指導對一個被 編碼的參數空間進行高效搜索。其中,選擇、交叉 和變異構成了遺傳算法的遺傳操作;參數編碼、初 始群體的設定、適應度函數的設計、遺傳操作設計、 控制參數設定五個要素組成了遺傳算法的核心內容。 作為一種新的全局優化搜索算法,遺傳算法以其簡 單通用、魯棒性強、適于并行處理以及高效、實用 等顯著特點,在各個領域得到了廣泛應用,取得了 良好效果,并逐漸成為重要的智能算法之一。
    遺傳算法的工作過程如下: 步驟1編碼:將問題解的表示變換成遺傳空
    間解的表示,即用二進制編碼構造染色體。 步驟2產生群體:隨機產生n個個體組成一個
    群體,該群體代表優化問題的一些可能解的集合。 步驟3評價:計算每個個體的適應度值(fimcss
    function),適應度為群體進化時的選擇提供依據。
     
    步驟4選擇:按一定概率從群體P(t)中選取
    M對個體,作為雙親用于繁殖后代,產生新的個體 加入下一代群體P(t+1)中。一般P(i)與f(i) 成正比,就是說,適合于環境的優良個體將有更多 的繁殖后代的機會,從而使優點得以遺傳。選擇是 遺傳算法的關鍵,它體現了自然界中“適者生存”的 思想。
    步驟5交叉:對于選中的用于繁殖的每一對個 體,先根據位串長度隨機產生一個交叉位置,即[1, L—l】上的一個整數,然后進行交叉。
    步驟6變異:變異就是以很小的概率進行基因 變異。若發現最優解或者到達迭代次數,則算法停 止。否則,轉步驟2。
    遺傳算法的搜索能力主要是由選擇和交叉賦予 的,變異算子則保證了算法能搜索到問題解空間的 每一點,從而使算法具有全局優化能力,增強了遺 傳算法找到接近最優解的能力。變異本身是一種隨 機搜索,然而與復制、交叉算子結合在一起,就可 避免由于復制與交叉算子而引起的某些信息的永久 性丟失,保證了遺傳算法的有效性。
    2人工魚的認知模型

    人工魚的認知模型有其獨特性。首先,環境中 的每一個角色都是自組織的。其次,為實現知識獲 取,需引入機器學習,使計算機動畫的角色通過學 習來自己獲取知識。動畫角色不僅要設法學習他自 己在虛擬環境中的行為,還要學習其它角色在環境 中的行為,甚至嘗試某些自我改進。同時,動畫角
    色與其所在的虛擬世界是一個復雜的統一體。其中
    進化系統如圖1所示。

    人 工 魚 進
    化          U直接進化L—F
    圖1人工魚的進化系統

    2-1利用遺傳算法實現人工魚的自進化 建立人工魚的適應度函數主要是為了實現人工
    魚自繁衍的自主動畫。人工魚的適應度和魚種、年
    齡、營養狀態、生殖率及生存環境等諸多因素相關, 這些因素既是相互獨立的,又是可以互相疊加的。 要精細地刻畫每一條人工魚的適應度,會使函數很 復雜。我們忽略一些因素的影響,不考慮環境因素 的影響,假定虛擬環境是不發生變化的。
    人工魚的適應度函數和魚種相關。在同一環境 下,不同的魚種的適應度肯定是不相同的。同時,為 了表現人工魚自學習對進化的影響,有了學習能力 的同種魚適應度應取值能增大。其次,人工魚的適 應度還和年齡有關。適應度取值在其一生中不是一 成不變的。隨著人工魚的逐漸生長、發育成熟,它 逐漸強壯起來,生活力逐漸增強,具有了生殖能力, 此時它的適應度取值也應逐漸變大。隨著人工魚魚 齡的繼續增加,人工魚慢慢進入衰老期,各種機能 逐漸減退,人工魚的生活力和生殖力逐漸下降,人 工魚的適應度取值也應逐漸下降。
    在環境不發生變化時,人工魚的適應度函數F(t) 可由下式給出:
     
    包括角色與環境的關系,角色與其它角色的關系等。 人工生命進化模型需要解決的關鍵問題是學習 與進化的關系。學習和進化是兩種不同的自適應過 程:一個發生在生命體的生存期內,另一個包含了 生命進化的整個歷史。我們在“人工魚”已有成果
     
    的基礎上,研究“自進化”特性。研究分兩步來實 現,首先,建立認知模型,增加基于“動物邏輯”的、 具有認知能力的高級行為規劃功能,進一步提高其 自主性和智能水平,其次,建立學習模型,結合人 工魚的認知模型,改進人工魚的自進化能力。生物 進化有兩種途徑,一種是由于基因突變,產生變異 后的遺傳;另一種是生物在環境中獲取信息,取出 需要的部分,根據某種標準進行最優化學習,使自 身更適應外界環境變化,從而影響進化。人工魚的
    其中:參數a表示人工魚的壽命。參數k表示人
    工魚的魚種,不同的魚種對同一環境的適應性是不 一樣的,當k取不同的值時,會得到適應度不同的 各種人工魚。參數k和適應度是成正比的,當某種 人工魚的適應度比較大時,則參數k取值相對較大, 反之,只需給參數k取個較小的值,就會得到適應 度較小的魚種。為適應度的權值,沒有學習功能的 人工魚權值為1,有自學習功能的人工魚權值增加, 從而增大適應度的值。(責任編輯:南粵論文中心)轉貼于南粵論文中心: http://www.dcddqc.com(南粵論文中心__代寫代發論文_畢業論文帶寫_廣州職稱論文代發_廣州論文網)

    頂一下
    (0)
    0%
    踩一下
    (0)
    0%


    版權聲明:因本文均來自于網絡,如果有版權方面侵犯,請及時聯系本站刪除.

    adc影库,欧美大色妞,国产在线视频分类精品,无遮挡一级毛片视频