基于多智能體和元胞自動機(jī)模型的虛擬人群行為研究.pdf

1、針對虛擬人群仿真技術(shù)在安全科學(xué)、體育仿真、計算機(jī)動畫及虛擬現(xiàn)實等眾多領(lǐng)域有著廣泛的應(yīng)用前景，而當(dāng)前虛擬人群行為仿真中面臨的行為模型真實性差、單一模型不能夠真實模擬人群行為現(xiàn)象、人群行為仿真框架適用性差等問題，本文開展了虛擬人群行為仿真關(guān)鍵技術(shù)的研究。分別從虛擬人動作生成、虛擬人群的各種基本行為生成及融合、行為之間的轉(zhuǎn)換機(jī)制以及生理、心理因素對人群行為的影響等方面，對虛擬人群的行為建模技術(shù)進(jìn)行了深入研究，提出了相應(yīng)的行為控制規(guī)則和模型，主

2、要內(nèi)容概括如下：
　　一、首先對虛擬人群行為建模技術(shù)及應(yīng)用在國內(nèi)外研究現(xiàn)狀進(jìn)行了概述，重點介紹了元胞自動機(jī)、多智能體技術(shù)研究人群行為的優(yōu)缺點及現(xiàn)狀，提出結(jié)合元胞自動機(jī)和多智能體技術(shù)開展人群行為仿真研究，將元胞空間中的部分元胞視為Agent，并將元胞及其狀態(tài)進(jìn)行封裝作為Agent的類型和狀態(tài)屬性。通過將智能體技術(shù)融入到元胞自動機(jī)模型中，以期建立逼真的人群行為模型。
　　二、針對傳統(tǒng)虛擬人動作生成方法可變性差的問題，近年來主成分

3、分析（PCA）方法被大量用于運動編輯和合成，其優(yōu)勢是能夠?qū)Ω呔S數(shù)據(jù)進(jìn)行線性映射分解，進(jìn)而在不同的特征空間對運動數(shù)據(jù)的屬性進(jìn)行插值和外推，但線性PCA不能檢測出給定數(shù)據(jù)的所有結(jié)構(gòu)，而KernelPCA更適合于提取具有復(fù)雜非線性關(guān)系的原始數(shù)據(jù)，與PCA相比，KernelPCA更能提取到有利于分類的特征。人體運動是一個高維的非常復(fù)雜的非線性系統(tǒng)，利用KernelPCA方法對虛擬人的運動辨識率更高。因此，本文提出了基于KernelPCA的虛擬人

4、運動生成方法，首先通過優(yōu)化算法研究確定最優(yōu)的核函數(shù)公式，利用核函數(shù)生成高維的線性可分特征空間，然后通過PCA算法對特征空間進(jìn)行降維等處理，最后將得到的特征向量的系數(shù)與運動屬性參數(shù)進(jìn)行線性映射，根據(jù)用戶需要的運動參數(shù)實時生成虛擬人的動作。最終實現(xiàn)用戶通過少量運動數(shù)據(jù)就能得到不同運動屬性和運動類型的虛擬人運動動作。
　　三、針對目前虛擬人群行為的逼真度不高、計算效率低的問題，本文充分考慮元胞自動機(jī)與多智能體技術(shù)結(jié)合實現(xiàn)人群行為仿真的可

5、行性及優(yōu)越性。將元胞自動機(jī)與多智能體技術(shù)結(jié)合，既能夠?qū)崿F(xiàn)計算的實時性，又能夠提高模型的逼真性。因此非常適合于對虛擬人群行為進(jìn)行仿真。采用群、組、個體劃分人群的結(jié)構(gòu)，群由至少一個以上的組構(gòu)成，組由個體組成，這種結(jié)構(gòu)能夠較方便地擴(kuò)展人群的規(guī)模，并能描述含有多個不同任務(wù)組的人群。在元胞自動機(jī)與多智能體相結(jié)合的方法中，將虛擬環(huán)境映射成元胞空間，并對元胞空間網(wǎng)格大小進(jìn)行細(xì)化，以體現(xiàn)人群行為的連續(xù)性，在此基礎(chǔ)上詳細(xì)設(shè)計了智能體的感知模型以及決策模型

6、?；谥悄荏w的感知信息和自身狀態(tài)，通過設(shè)計基本行為、行為融合與行為選擇機(jī)制來生成個體和整個人群的復(fù)雜行為。并對每個基本行為以及在虛擬環(huán)境下人群的復(fù)雜行為通過實驗進(jìn)行了驗證。
　　四、最后，利用建立好的人群行為模型來仿真人群在火災(zāi)等突發(fā)事件下的疏散行為，設(shè)計的人群疏散仿真系統(tǒng)能形成逼真的人及人群行為動畫，增加了仿真系統(tǒng)的逼真度，驗證了本文的虛擬人動作生成算法及虛擬人群行為模型的可行性和準(zhǔn)確性，并且通過實驗對疏散行為規(guī)律和特征進(jìn)行研究