人工智能魚(yú)典型模型與算法

1、http:/I 人工智能魚(yú)人工智能魚(yú)典型模型與算法典型模型與算法主講人主講人: 袁紅春袁紅春?jiǎn)螁?位位: 信息學(xué)院信息學(xué)院1.人工智能魚(yú)體系結(jié)構(gòu)模型概述人工智能魚(yú)體系結(jié)構(gòu)模型概述2.人工智能魚(yú)感知系統(tǒng)模型人工智能魚(yú)感知系統(tǒng)模型主講內(nèi)容主講內(nèi)容3.人工智能魚(yú)認(rèn)知系統(tǒng)模型人工智能魚(yú)認(rèn)知系統(tǒng)模型4.人工智能魚(yú)行為系統(tǒng)模型人工智能魚(yú)行為系統(tǒng)模型5.人工智能魚(yú)運(yùn)動(dòng)系統(tǒng)模型人工智能魚(yú)運(yùn)動(dòng)系統(tǒng)模型6.海底虛擬環(huán)境模型海底虛擬環(huán)境模型7.經(jīng)典人工智能技術(shù)介紹經(jīng)典人工智能技術(shù)介紹1.人工魚(yú)體系結(jié)構(gòu)模型概述人工魚(yú)體系結(jié)構(gòu)模型概述v機(jī)器魚(yú)演示機(jī)器魚(yú)演示v 涂曉媛魚(yú)演示涂曉媛魚(yú)演示涂涂曉曉媛媛魚(yú)魚(yú)建建模?？蚩蚣芗芙Y(jié)結(jié)

2、構(gòu)構(gòu)基于認(rèn)知模型的人工魚(yú)組成基于認(rèn)知模型的人工魚(yú)組成 (班嘵娟班嘵娟)v感知系統(tǒng): 信息獲取系統(tǒng),包括一組感受器、感知處理器模塊和信息融合模塊。人工魚(yú)具有視覺(jué)、嗅覺(jué)、味覺(jué)、觸覺(jué)、聽(tīng)覺(jué)感受器，在同一時(shí)刻，不同的感受器得到不同的環(huán)境狀態(tài)信息，各種感受器將感知到的信息預(yù)處理后再經(jīng)過(guò)聚焦融合，為后續(xù)的信息處理和行為決策做準(zhǔn)備。v認(rèn)知系統(tǒng): 信息處理系統(tǒng)，以感知系統(tǒng)的輸出為輸入，對(duì)感知信息進(jìn)行處理，作出行為決策，傳遞給行為系統(tǒng)來(lái)執(zhí)行。v行為系統(tǒng): 行為規(guī)劃的執(zhí)行機(jī)構(gòu)，直接作用于環(huán)境。有一組行為程序，是高層的行為，如集群行為。v運(yùn)動(dòng)系統(tǒng): 由運(yùn)動(dòng)控制器和物理模型構(gòu)成。運(yùn)動(dòng)控制器作為構(gòu)建行為的模塊，由參數(shù)化

3、進(jìn)程實(shí)現(xiàn)。如逃逸行為，是有合適參數(shù)的運(yùn)動(dòng)控制器序列，按照特定意義的次序，進(jìn)行創(chuàng)作而表現(xiàn)出來(lái)的。 物理模型是利用自然魚(yú)的數(shù)字圖像和三維幾何顯示模型“包裝”人工魚(yú)的生物力學(xué)模型。2.人工智能魚(yú)感知系統(tǒng)模型人工智能魚(yú)感知系統(tǒng)模型2.1基于BP神經(jīng)網(wǎng)絡(luò)的視覺(jué)感受器模型(1) 感知范圍感知范圍（班嘵娟，2004）(2) 視覺(jué)遮擋視覺(jué)遮擋a. 提取目標(biāo)區(qū)域中每個(gè)像素的紅、綠、藍(lán)三個(gè)值提取目標(biāo)區(qū)域中每個(gè)像素的紅、綠、藍(lán)三個(gè)值, 并分別并分別計(jì)算所有像素紅、綠、藍(lán)的平均值計(jì)算所有像素紅、綠、藍(lán)的平均值R,G,B 作為三個(gè)特作為三個(gè)特征量（用于區(qū)分征量（用于區(qū)分人工魚(yú)、食物、水草人工魚(yú)、食物、水草）。）。 R,

4、G,B 的計(jì)的計(jì)算公式為算公式為: 式中式中Ri,Gi,Bi為目標(biāo)區(qū)域中每個(gè)像素的紅、綠、藍(lán)值，為目標(biāo)區(qū)域中每個(gè)像素的紅、綠、藍(lán)值，N為目標(biāo)為目標(biāo)區(qū)域的區(qū)域的像素?cái)?shù)目。像素?cái)?shù)目。 式中，式中，P 為目標(biāo)區(qū)域的周長(zhǎng)，為目標(biāo)區(qū)域的周長(zhǎng)，A 為目標(biāo)區(qū)域的面積。目標(biāo)區(qū)域?yàn)闉槟繕?biāo)區(qū)域的面積。目標(biāo)區(qū)域?yàn)閳A形時(shí)，圓形時(shí)，C 值為值為1；為其它形狀時(shí)，；為其它形狀時(shí)， C 值大于值大于1。R食物食物輸出層輸出層隱藏層隱藏層輸入層輸入層G水草水草背景背景A石頭石頭帶花紋的魚(yú)帶花紋的魚(yú)不帶花紋的魚(yú)不帶花紋的魚(yú)2.1 基于模糊推理的人工魚(yú)嗅覺(jué)感知模型 在虛擬的海洋世界中,任何具有氣味的物體(食物、鯊魚(yú)、人工魚(yú)、水草

5、）都是一個(gè)信號(hào)發(fā)生器。其可定義為：（孟憲宇，2007） ：第i種信息類(lèi)別的特征指標(biāo)：第i種信息類(lèi)別的權(quán)重多元統(tǒng)計(jì)分析中的主成分分析法（PCA）人工神經(jīng)網(wǎng)絡(luò)（ANN）偏最小二乘法（PLS）模糊邏輯推理2.3基于模糊神經(jīng)網(wǎng)絡(luò)的人工魚(yú)味覺(jué)感知模型（孟憲宇，2008）人工魚(yú)味覺(jué)感知過(guò)程人工魚(yú)味覺(jué)識(shí)別模糊神經(jīng)網(wǎng)絡(luò)模型3.人工智能魚(yú)認(rèn)知系統(tǒng)模型人工智能魚(yú)認(rèn)知系統(tǒng)模型人工魚(yú)行為人工魚(yú)行為預(yù)定義行為：預(yù)定義行為：建立預(yù)定義行為的認(rèn)知模型，只要將建立預(yù)定義行為的認(rèn)知模型，只要將事先定義好的人工魚(yú)所在環(huán)境的領(lǐng)域知識(shí)賦予人工魚(yú)事先定義好的人工魚(yú)所在環(huán)境的領(lǐng)域知識(shí)賦予人工魚(yú)系統(tǒng)，人工魚(yú)就可以根據(jù)人們的要求采取某種行動(dòng)

6、。系統(tǒng)，人工魚(yú)就可以根據(jù)人們的要求采取某種行動(dòng)。隨意性行為：隨意性行為：隨意性的行為不容易控制。為了實(shí)現(xiàn)隨意性的行為不容易控制。為了實(shí)現(xiàn)人為的控制，采取的是一種折中的方法，即將領(lǐng)域知人為的控制，采取的是一種折中的方法，即將領(lǐng)域知識(shí)和人的指導(dǎo)賦予人工魚(yú)，使人工魚(yú)主動(dòng)地向人們希識(shí)和人的指導(dǎo)賦予人工魚(yú)，使人工魚(yú)主動(dòng)地向人們希望它達(dá)到的目標(biāo)發(fā)展。望它達(dá)到的目標(biāo)發(fā)展。例如：若有障礙物或礁石，小人工魚(yú)可以利用礁石來(lái)躲避，或盡可能快逃離鯊魚(yú)。例如：饑餓的鯊魚(yú)要吃小人工魚(yú)，小人工魚(yú)必須設(shè)法逃避。（班嘵娟，2004） 人工魚(yú)產(chǎn)生交配欲望的認(rèn)知模型人工魚(yú)產(chǎn)生交配欲望的認(rèn)知模型 人工魚(yú)的生理發(fā)育模型人工魚(yú)的生理發(fā)育

7、模型 人工魚(yú)精神狀態(tài)模型人工魚(yú)精神狀態(tài)模型 人工魚(yú)產(chǎn)卵的認(rèn)知模型人工魚(yú)產(chǎn)卵的認(rèn)知模型 人工魚(yú)環(huán)境選擇的認(rèn)知模型人工魚(yú)環(huán)境選擇的認(rèn)知模型3.1 預(yù)定義行為的認(rèn)知模型v 基于在理論生物學(xué)的基礎(chǔ)上提出的生長(zhǎng)法則基于在理論生物學(xué)的基礎(chǔ)上提出的生長(zhǎng)法則VBGF模模型來(lái)建立人工魚(yú)的生理發(fā)育函數(shù)，型來(lái)建立人工魚(yú)的生理發(fā)育函數(shù)，VBGF得到的是魚(yú)得到的是魚(yú)的體重和長(zhǎng)度隨全程生長(zhǎng)的變化值。的體重和長(zhǎng)度隨全程生長(zhǎng)的變化值。 v 定義人工魚(yú)的生理發(fā)育函數(shù)定義人工魚(yú)的生理發(fā)育函數(shù)D(t)在閉區(qū)間在閉區(qū)間0,1上取值。上取值。忽略環(huán)境等次要因素的影響，認(rèn)為人工魚(yú)的發(fā)育函數(shù)忽略環(huán)境等次要因素的影響，認(rèn)為人工魚(yú)的發(fā)育函數(shù)D

8、是只同時(shí)間和人工魚(yú)的自然壽命長(zhǎng)短相關(guān)的函數(shù)，是只同時(shí)間和人工魚(yú)的自然壽命長(zhǎng)短相關(guān)的函數(shù)，D(t)由以下公式給出：由以下公式給出：v 其中其中a表示由遺傳基因決定的某條魚(yú)的壽命，表示由遺傳基因決定的某條魚(yú)的壽命，k為生理為生理發(fā)育系數(shù)，發(fā)育系數(shù)，k0為常數(shù)為常數(shù)時(shí)當(dāng)時(shí)當(dāng)）（ataeaeDkatakkatk5 . 015 . 0t01t)3)(2*()*(00v 當(dāng)當(dāng)k=8.47,k0=0.015時(shí)，其時(shí)，其生理發(fā)育模型函數(shù)如右圖：生理發(fā)育模型函數(shù)如右圖：v 人工魚(yú)的發(fā)育曲線在生命人工魚(yú)的發(fā)育曲線在生命初期呈快速上升趨勢(shì)，在初期呈快速上升趨勢(shì)，在仿真程序中，當(dāng)人工魚(yú)的仿真程序中，當(dāng)人工魚(yú)的生理發(fā)育

9、函數(shù)生理發(fā)育函數(shù)D0.7時(shí)，時(shí)，表示人工魚(yú)發(fā)育成熟，具表示人工魚(yú)發(fā)育成熟，具有了繁殖能力，在條件成有了繁殖能力，在條件成熟時(shí)，能夠交配產(chǎn)生后代。熟時(shí)，能夠交配產(chǎn)生后代。其它時(shí)間是生長(zhǎng)期或衰老其它時(shí)間是生長(zhǎng)期或衰老期，不適合繁殖。期，不適合繁殖。v 攝食欲望函數(shù)攝食欲望函數(shù) 其中，其中，t表示時(shí)間，表示時(shí)間，u表示人工魚(yú)平均消耗的食物表示人工魚(yú)平均消耗的食物量，可通過(guò)計(jì)算食物顆粒數(shù)或被捕食魚(yú)數(shù)目的減少量量，可通過(guò)計(jì)算食物顆粒數(shù)或被捕食魚(yú)數(shù)目的減少量來(lái)計(jì)算。其中來(lái)計(jì)算。其中0 1是消化率，不同的人工魚(yú)是消化率，不同的人工魚(yú) 的取的取值不同，值不同，t是自從上次進(jìn)食以來(lái)的時(shí)間。是自從上次進(jìn)食以來(lái)的時(shí)

10、間。C是表明魚(yú)是表明魚(yú)的胃口大小，的胃口大小，C值與魚(yú)的大小有關(guān)：值與魚(yú)的大小有關(guān)： C為攝食量，為攝食量，W為魚(yú)體重為魚(yú)體重(動(dòng)畫(huà)中可為魚(yú)體長(zhǎng)動(dòng)畫(huà)中可為魚(yú)體長(zhǎng))，a，b為常數(shù)。為常數(shù)。b一般情況下不小于一般情況下不小于1。隨著魚(yú)體增長(zhǎng)，食。隨著魚(yú)體增長(zhǎng)，食物重量與體重的相對(duì)比例下降。物重量與體重的相對(duì)比例下降。CtuetS/ )1(01)(baWC 00v 性欲函數(shù)性欲函數(shù) 其中，其中，t表示時(shí)間，表示時(shí)間，1是常數(shù)，是常數(shù)，t是從上次交配以是從上次交配以來(lái)的時(shí)間間隔，來(lái)的時(shí)間間隔，1t表示性欲強(qiáng)弱，時(shí)間間隔越長(zhǎng)，性表示性欲強(qiáng)弱，時(shí)間間隔越長(zhǎng)，性欲越強(qiáng)。欲越強(qiáng)。S(t)是時(shí)刻是時(shí)刻t的攝食欲

11、望函數(shù)，攝食欲望較低時(shí)，的攝食欲望函數(shù)，攝食欲望較低時(shí)，才可能產(chǎn)生性欲。當(dāng)人工魚(yú)的性欲函數(shù)值接近才可能產(chǎn)生性欲。當(dāng)人工魚(yú)的性欲函數(shù)值接近1時(shí)，性時(shí)，性欲最強(qiáng)。欲最強(qiáng)。)(1(111ttSteL）（v 恐懼感函數(shù)恐懼感函數(shù) 其中其中 恐懼感恐懼感F的值在閉區(qū)間的值在閉區(qū)間0,1中變化，中變化，Do=200是一是一個(gè)常數(shù)；個(gè)常數(shù)；Fi和和di分別表示對(duì)所發(fā)現(xiàn)的捕食者分別表示對(duì)所發(fā)現(xiàn)的捕食者i的恐懼感的恐懼感和距離。和距離。 1 ,min)(iiFtF 1),(/min0tdDFiiv 魚(yú)類(lèi)繁殖方式根據(jù)產(chǎn)出幼體的形式可以分為卵生、胎生魚(yú)類(lèi)繁殖方式根據(jù)產(chǎn)出幼體的形式可以分為卵生、胎生和卵胎生。和卵胎生

12、。v 不同的魚(yú)繁殖力不同。魚(yú)類(lèi)的繁殖力是指雌魚(yú)產(chǎn)出的、不同的魚(yú)繁殖力不同。魚(yú)類(lèi)的繁殖力是指雌魚(yú)產(chǎn)出的、受精之后存活的卵的數(shù)目。受精之后存活的卵的數(shù)目。 v 一般情況下，繁殖力的大小同體長(zhǎng)相關(guān)。如公式所示：一般情況下，繁殖力的大小同體長(zhǎng)相關(guān)。如公式所示： 其中，其中，F(xiàn)為絕對(duì)繁殖力，為絕對(duì)繁殖力，L為體長(zhǎng)，為體長(zhǎng)，a，b為常數(shù)。不為常數(shù)。不同的魚(yú)同的魚(yú)a，b的值不同，的值不同，a為表示魚(yú)種類(lèi)的參數(shù)，為表示魚(yú)種類(lèi)的參數(shù)，b為喂養(yǎng)為喂養(yǎng)好壞的標(biāo)示，喂養(yǎng)好的魚(yú)類(lèi)繁殖力高。好壞的標(biāo)示，喂養(yǎng)好的魚(yú)類(lèi)繁殖力高。bLFav 人工魚(yú)進(jìn)行環(huán)境選擇的原因很多。為了簡(jiǎn)單地表現(xiàn)動(dòng)畫(huà)，人工魚(yú)進(jìn)行環(huán)境選擇的原因很多。為了簡(jiǎn)

13、單地表現(xiàn)動(dòng)畫(huà)，只選取其中的兩個(gè)原因：食物和捕食者建模。人工魚(yú)對(duì)只選取其中的兩個(gè)原因：食物和捕食者建模。人工魚(yú)對(duì)環(huán)境的選擇是平衡食物和捕食者兩個(gè)因素的結(jié)果。如公環(huán)境的選擇是平衡食物和捕食者兩個(gè)因素的結(jié)果。如公式所示：式所示： F(t)表示在時(shí)刻表示在時(shí)刻t人工魚(yú)能感知的生活環(huán)境中的食物量；人工魚(yú)能感知的生活環(huán)境中的食物量；P(f)表示在時(shí)刻表示在時(shí)刻t人工魚(yú)能感知的生活環(huán)境中的捕食者數(shù)人工魚(yú)能感知的生活環(huán)境中的捕食者數(shù)量。量。 并不表示簡(jiǎn)單算術(shù)加和，而是基于某種原則之上并不表示簡(jiǎn)單算術(shù)加和，而是基于某種原則之上的綜合，其實(shí)質(zhì)是一個(gè)綜合算法。的綜合，其實(shí)質(zhì)是一個(gè)綜合算法。 ) t ()(tPtFU

14、）（ 面向目標(biāo)的行為面向目標(biāo)的行為情景樹(shù)情景樹(shù)(Situation Tree)對(duì)情景樹(shù)對(duì)情景樹(shù)的子集的子集進(jìn)行搜索進(jìn)行搜索面向自繁衍的人工魚(yú)的行動(dòng)框架面向自繁衍的人工魚(yú)的行動(dòng)框架v 描述面向目標(biāo)行為的第一步是引出定義認(rèn)知角色目標(biāo)描述面向目標(biāo)行為的第一步是引出定義認(rèn)知角色目標(biāo)的方法。例如，人工魚(yú)的目標(biāo)是產(chǎn)卵：的方法。例如，人工魚(yú)的目標(biāo)是產(chǎn)卵：v 顯然，人工魚(yú)在任何情況顯然，人工魚(yú)在任何情況s下，都將完成產(chǎn)卵的任務(wù)，下，都將完成產(chǎn)卵的任務(wù)，因?yàn)楫a(chǎn)卵的因?yàn)楫a(chǎn)卵的goal(s)為真。我們知道任何狀態(tài)可能是初為真。我們知道任何狀態(tài)可能是初始狀態(tài)始狀態(tài)S0或是其它狀態(tài)或是其它狀態(tài)s=do(an-1,.,d

15、o(a0,s0).)。如。如果目標(biāo)不為真，那么人工魚(yú)必須搜索一個(gè)行動(dòng)序列果目標(biāo)不為真，那么人工魚(yú)必須搜索一個(gè)行動(dòng)序列a0,.,an-1來(lái)完成目標(biāo)：來(lái)完成目標(biāo)：)()(slayeggssgoal),(,(001sadoadogoalnv 為了說(shuō)明人工魚(yú)如何能夠?yàn)榱苏f(shuō)明人工魚(yú)如何能夠自動(dòng)得到完成目標(biāo)的行動(dòng)自動(dòng)得到完成目標(biāo)的行動(dòng)序列，引入情景樹(shù)?？梢孕蛄?，引入情景樹(shù)。可以將行動(dòng)和影響看成是描述將行動(dòng)和影響看成是描述未來(lái)可能狀態(tài)的樹(shù)，樹(shù)根未來(lái)可能狀態(tài)的樹(shù)，樹(shù)根是初始狀態(tài)機(jī)樹(shù)的每個(gè)分是初始狀態(tài)機(jī)樹(shù)的每個(gè)分支是一個(gè)行動(dòng)，每一個(gè)節(jié)支是一個(gè)行動(dòng)，每一個(gè)節(jié)點(diǎn)是一個(gè)狀態(tài)。點(diǎn)是一個(gè)狀態(tài)。4. 人工智能魚(yú)行為系統(tǒng)模型

16、人工智能魚(yú)行為系統(tǒng)模型（1）個(gè)體行為程序）個(gè)體行為程序 躲避障礙物、進(jìn)食、求偶、離開(kāi)等。躲避障礙物、進(jìn)食、求偶、離開(kāi)等。（2）魚(yú)群自組織模型）魚(yú)群自組織模型 魚(yú)群形成流程魚(yú)群形成流程 魚(yú)群運(yùn)動(dòng)模型魚(yú)群運(yùn)動(dòng)模型 魚(yú)群覓食模型魚(yú)群覓食模型 群體逃逸算法群體逃逸算法 （班嘵娟等.人工魚(yú)群高級(jí)行為的自組織算法與實(shí)現(xiàn).2007年)a. 行為優(yōu)先權(quán)：例如躲避危及生命的行為，應(yīng)該行為優(yōu)先權(quán)：例如躲避危及生命的行為，應(yīng)該優(yōu)先于其它行為；優(yōu)先于其它行為；b. 行為的持續(xù)性（或延時(shí)性），以便動(dòng)物的行為行為的持續(xù)性（或延時(shí)性），以便動(dòng)物的行為不發(fā)生抖動(dòng)；不發(fā)生抖動(dòng)；c. 折衷行動(dòng)；折衷行動(dòng)；d. 機(jī)遇：意味著正在進(jìn)

17、行的行為的臨時(shí)中斷，而機(jī)遇：意味著正在進(jìn)行的行為的臨時(shí)中斷，而另一個(gè)行為隨即發(fā)生，這種行為目前可能有利另一個(gè)行為隨即發(fā)生，這種行為目前可能有利于該動(dòng)物；于該動(dòng)物；e. 快速反應(yīng)時(shí)間快速反應(yīng)時(shí)間 可利用人工勢(shì)場(chǎng)法、模糊邏輯算法以及遺傳算法來(lái)實(shí)現(xiàn)。可利用人工勢(shì)場(chǎng)法、模糊邏輯算法以及遺傳算法來(lái)實(shí)現(xiàn)。人工勢(shì)場(chǎng)法其控制結(jié)構(gòu)簡(jiǎn)單，便于底層的實(shí)時(shí)控制，廣泛地用于機(jī)器人人工勢(shì)場(chǎng)法其控制結(jié)構(gòu)簡(jiǎn)單，便于底層的實(shí)時(shí)控制，廣泛地用于機(jī)器人實(shí)時(shí)避障、軌跡跟蹤控制以及路徑規(guī)劃中。實(shí)時(shí)避障、軌跡跟蹤控制以及路徑規(guī)劃中。模糊邏輯算法由于需要根據(jù)實(shí)時(shí)的傳感信息，基于經(jīng)驗(yàn)或是規(guī)則信息實(shí)模糊邏輯算法由于需要根據(jù)實(shí)時(shí)的傳感信息，基于

18、經(jīng)驗(yàn)或是規(guī)則信息實(shí)現(xiàn)局部路徑規(guī)劃，但是由于其對(duì)專(zhuān)家經(jīng)驗(yàn)的依賴比較高，對(duì)于未知系統(tǒng)現(xiàn)局部路徑規(guī)劃，但是由于其對(duì)專(zhuān)家經(jīng)驗(yàn)的依賴比較高，對(duì)于未知系統(tǒng)難于得到模糊控制規(guī)則。因此限制了模糊控制算法的使用。難于得到模糊控制規(guī)則。因此限制了模糊控制算法的使用。遺傳算法是一種多點(diǎn)搜索的算法能夠搜索到全局最優(yōu)解，但是其運(yùn)算速遺傳算法是一種多點(diǎn)搜索的算法能夠搜索到全局最優(yōu)解，但是其運(yùn)算速度不高，進(jìn)行眾多的規(guī)劃需要占據(jù)較大的存儲(chǔ)空間和較多的運(yùn)算時(shí)間度不高，進(jìn)行眾多的規(guī)劃需要占據(jù)較大的存儲(chǔ)空間和較多的運(yùn)算時(shí)間 。5. 人工智能魚(yú)運(yùn)動(dòng)系統(tǒng)模型人工智能魚(yú)運(yùn)動(dòng)系統(tǒng)模型v 魚(yú)體表面由魚(yú)體表面由2個(gè)并列的個(gè)并列的NURBS（非

19、均勻有理（非均勻有理B樣樣條）曲面構(gòu)建條）曲面構(gòu)建,沿沿u,v的三的三次曲面，則控制點(diǎn)共計(jì)有次曲面，則控制點(diǎn)共計(jì)有v*u個(gè)。個(gè)。v NURBS曲面有如下形式：曲面有如下形式： 其中，其中， 是控制多面體的控是控制多面體的控制頂點(diǎn)，制頂點(diǎn)， 是權(quán)因子，是權(quán)因子， 是是B樣條函數(shù)樣條函數(shù)v B樣條函數(shù)可以通過(guò)如下樣條函數(shù)可以通過(guò)如下公式遞歸得到：公式遞歸得到： 其中其中MiLknkmikiMiLknkmikikivNuNvNuNPvuP00,00,)()()()(),(ki,kiP,kiN,)(,)()()()(1111,1,tNtttttNtttttNmkkmkmkmkkmkkmkLk,.,1

20、, 0其他, 0, 1)(11 ,kkkttttNv 獲取紋理獲取紋理 可變形網(wǎng)可變形網(wǎng)v 描繪紋理模型描繪紋理模型v 采用可變形的采用可變形的“質(zhì)點(diǎn)質(zhì)點(diǎn)-彈簧彈簧-阻尼阻尼”系統(tǒng)來(lái)構(gòu)建人工魚(yú)的動(dòng)系統(tǒng)來(lái)構(gòu)建人工魚(yú)的動(dòng)態(tài)模型，其中：態(tài)模型，其中： “質(zhì)點(diǎn)質(zhì)點(diǎn)-彈簧彈簧-阻尼阻尼”模型是一種簡(jiǎn)單的、離散的機(jī)械結(jié)構(gòu)，適模型是一種簡(jiǎn)單的、離散的機(jī)械結(jié)構(gòu)，適用于非線性、非剛性的動(dòng)力學(xué)問(wèn)題。用于非線性、非剛性的動(dòng)力學(xué)問(wèn)題。 “彈簧彈簧-阻尼阻尼”是粘彈性單元，可同時(shí)作為幾何模型和變形控是粘彈性單元，可同時(shí)作為幾何模型和變形控制的基本單元制的基本單元 某些粘彈性單元可以做成會(huì)主動(dòng)收縮的，這樣，它們可同時(shí)作某

21、些粘彈性單元可以做成會(huì)主動(dòng)收縮的，這樣，它們可同時(shí)作為簡(jiǎn)單的肌肉模型為簡(jiǎn)單的肌肉模型v 下圖為由下圖為由23個(gè)質(zhì)點(diǎn)和個(gè)質(zhì)點(diǎn)和91個(gè)彈簧個(gè)彈簧-阻尼單元所組成的彈簧阻阻尼單元所組成的彈簧阻尼模型。黑點(diǎn)表示質(zhì)點(diǎn)；魚(yú)體外表面質(zhì)點(diǎn)由交叉的彈簧尼模型。黑點(diǎn)表示質(zhì)點(diǎn)；魚(yú)體外表面質(zhì)點(diǎn)由交叉的彈簧-阻尼元件連接，而其中阻尼元件連接，而其中12條粗線為肌肉的可變形單元。條粗線為肌肉的可變形單元。v 自然界中的魚(yú)大多為流線型，它們的身體的最大外徑自然界中的魚(yú)大多為流線型，它們的身體的最大外徑正好位于魚(yú)體中部，流線型的身體減少了向前運(yùn)動(dòng)時(shí)正好位于魚(yú)體中部，流線型的身體減少了向前運(yùn)動(dòng)時(shí)水的阻力，而魚(yú)體中部的大表面引起

22、兩側(cè)相當(dāng)大的水水的阻力，而魚(yú)體中部的大表面引起兩側(cè)相當(dāng)大的水作用力，減輕了側(cè)向的不穩(wěn)定性。作用力，減輕了側(cè)向的不穩(wěn)定性。v 每對(duì)彈簧每對(duì)彈簧-阻尼形成一個(gè)單軸的粘彈性單元，一個(gè)粘彈性阻尼形成一個(gè)單軸的粘彈性單元，一個(gè)粘彈性單元由一個(gè)粘性元件與彈性元件并聯(lián)組成。設(shè)單元由一個(gè)粘性元件與彈性元件并聯(lián)組成。設(shè)Sij表示連接表示連接質(zhì)點(diǎn)質(zhì)點(diǎn)i和質(zhì)點(diǎn)和質(zhì)點(diǎn)j的粘彈性單元，它的彈性常數(shù)是的粘彈性單元，它的彈性常數(shù)是Cij，粘性常，粘性常數(shù)是數(shù)是kij，靜止長(zhǎng)度為，靜止長(zhǎng)度為lij(t)v 彈性部件的變形是彈性部件的變形是v 其中其中v 表示質(zhì)點(diǎn)表示質(zhì)點(diǎn)i的坐標(biāo)的坐標(biāo))()()(tltrteijijij)()

23、()(,)()(tXtXtrtrtrijijijij)(),(),()(tztytxtXiiiiv 粘彈性單元的彈性單元對(duì)質(zhì)點(diǎn)粘彈性單元的彈性單元對(duì)質(zhì)點(diǎn)i的彈性力為的彈性力為v 粘彈性單元的粘性單元對(duì)質(zhì)點(diǎn)粘彈性單元的粘性單元對(duì)質(zhì)點(diǎn)i的粘性力為的粘性力為v 其中其中v 質(zhì)點(diǎn)質(zhì)點(diǎn)i和和j的速率差為的速率差為ijijijijeijrrtectf)()(ijijijijvijrrtrktf)()(ijijijijrrur)()()(tvtvtuijijv 所以粘彈性單元在質(zhì)點(diǎn)所以粘彈性單元在質(zhì)點(diǎn)i上的合力為上的合力為 其中其中 稱為粘彈性單元的有效硬度稱為粘彈性單元的有效硬度)()()()()(trt

24、tftftfijijvijeijsijijijijijijijrtrktect)()()(v 廣義牛頓運(yùn)動(dòng)方程決定了人工魚(yú)的動(dòng)態(tài)模型方程：廣義牛頓運(yùn)動(dòng)方程決定了人工魚(yú)的動(dòng)態(tài)模型方程： 其中其中 表示質(zhì)點(diǎn)表示質(zhì)點(diǎn)i的質(zhì)量；的質(zhì)量； 表示質(zhì)點(diǎn)表示質(zhì)點(diǎn)i在時(shí)刻在時(shí)刻t的加速度；的加速度； 是質(zhì)點(diǎn)是質(zhì)點(diǎn)i上的總內(nèi)力，來(lái)源于點(diǎn)上的總內(nèi)力，來(lái)源于點(diǎn) 的粘彈性單元，這里的粘彈性單元，這里 是是i的相鄰質(zhì)點(diǎn)集合；的相鄰質(zhì)點(diǎn)集合； 是質(zhì)點(diǎn)是質(zhì)點(diǎn)i上的外力，即水動(dòng)力。上的外力，即水動(dòng)力。22.2,1 ,0),()()(itftwtXmwiiiiim)(tXiiiNjijijNjsijirtftw)()(iNjiN

25、)(tfwiv 當(dāng)魚(yú)尾部擺動(dòng)的時(shí)候，它當(dāng)魚(yú)尾部擺動(dòng)的時(shí)候，它迫使一部分水運(yùn)動(dòng)，被排迫使一部分水運(yùn)動(dòng)，被排開(kāi)的水的慣性會(huì)產(chǎn)生垂直開(kāi)的水的慣性會(huì)產(chǎn)生垂直魚(yú)體的、魚(yú)單位時(shí)間排水魚(yú)體的、魚(yú)單位時(shí)間排水量成比例的反作用力，推量成比例的反作用力，推動(dòng)魚(yú)體向前運(yùn)動(dòng)。動(dòng)魚(yú)體向前運(yùn)動(dòng)。v 假設(shè)水是無(wú)漩渦的、不能壓縮的，并且不是很粘稠的流假設(shè)水是無(wú)漩渦的、不能壓縮的，并且不是很粘稠的流體，同時(shí)為了提高效率，我們將質(zhì)點(diǎn)之間魚(yú)模型的表面體，同時(shí)為了提高效率，我們將質(zhì)點(diǎn)之間魚(yú)模型的表面視為三角形，對(duì)每個(gè)三角形，估算其水動(dòng)力為：視為三角形，對(duì)每個(gè)三角形，估算其水動(dòng)力為： 其中其中 是流體介質(zhì)的粘度，是流體介質(zhì)的粘度，A是

26、三角形的面積，是三角形的面積， 是是魚(yú)體表面向外的單位法線，魚(yú)體表面向外的單位法線，v是魚(yú)體表面和流體之間的是魚(yú)體表面和流體之間的相對(duì)速率，在三角形中，三個(gè)質(zhì)點(diǎn)的每個(gè)質(zhì)點(diǎn)上的外力相對(duì)速率，在三角形中，三個(gè)質(zhì)點(diǎn)的每個(gè)質(zhì)點(diǎn)上的外力各增加了各增加了f/3。nvnvAf)(, 0minnv 非線性、有阻尼的、彈性動(dòng)態(tài)系統(tǒng)的運(yùn)動(dòng)方程，可寫(xiě)成標(biāo)準(zhǔn)的矩陣形非線性、有阻尼的、彈性動(dòng)態(tài)系統(tǒng)的運(yùn)動(dòng)方程，可寫(xiě)成標(biāo)準(zhǔn)的矩陣形式：式：v 其中，其中，M，C和和K分別表示質(zhì)量，阻尼和硬度矩陣，矩陣分別表示質(zhì)量，阻尼和硬度矩陣，矩陣M是主對(duì)角線是主對(duì)角線為質(zhì)點(diǎn)質(zhì)量為質(zhì)點(diǎn)質(zhì)量mi的常數(shù)對(duì)角矩陣，的常數(shù)對(duì)角矩陣，C和和K是隨時(shí)

27、間變化的非對(duì)角矩陣，是隨時(shí)間變化的非對(duì)角矩陣，這三個(gè)矩陣都是這三個(gè)矩陣都是nn維的，維的，n是生物力學(xué)模型中的質(zhì)點(diǎn)數(shù)。是生物力學(xué)模型中的質(zhì)點(diǎn)數(shù)。v 矩陣矩陣 、 和和X分別表示質(zhì)點(diǎn)的加速度矢量、速度矢量和位置，分別表示質(zhì)點(diǎn)的加速度矢量、速度矢量和位置，F(xiàn)是是外力矢量矩陣，這四個(gè)矩陣是外力矢量矩陣，這四個(gè)矩陣是n3維的，每行包含每個(gè)矢量的維的，每行包含每個(gè)矢量的3個(gè)分個(gè)分量。量。v 由于人工魚(yú)動(dòng)態(tài)系統(tǒng)中粘彈性單元的特殊的性質(zhì)，上述方程中的阻尼由于人工魚(yú)動(dòng)態(tài)系統(tǒng)中粘彈性單元的特殊的性質(zhì)，上述方程中的阻尼項(xiàng)項(xiàng) 和硬度項(xiàng)和硬度項(xiàng)K（X）可以很方便的形成有效的硬度矩陣）可以很方便的形成有效的硬度矩陣v

28、且有且有)()()()()()(tFtXXKtXXCtXMXXXxC)(),(XXB)()()()()(),(tXXKtXXCtXXXB)()(),()(tFtXXXtXMBv 將連續(xù)時(shí)間分離為時(shí)間步將連續(xù)時(shí)間分離為時(shí)間步0，t，t，t+ t，則有下式：則有下式：v 而近似的有而近似的有v 結(jié)合上面結(jié)合上面3個(gè)式子，得到關(guān)于個(gè)式子，得到關(guān)于 的線性方程的線性方程v 其中其中v 最后通過(guò)對(duì)系統(tǒng)矩陣進(jìn)行匯集和因子分解以及半隱式仿最后通過(guò)對(duì)系統(tǒng)矩陣進(jìn)行匯集和因子分解以及半隱式仿真算法可以進(jìn)行仿真。真算法可以進(jìn)行仿真。ttttttFXBXMtttttXXtX)(1tttttXXtXttttGXAtMt

29、AttBtttttXtMXBFGttX游動(dòng)游動(dòng) swim-MC左轉(zhuǎn)左轉(zhuǎn) left-turn-MC右轉(zhuǎn)右轉(zhuǎn) right-turn-MC滑行滑行 glide-MC上浮上浮 ascend-MC下沉下沉 descend-MC平衡平衡 balance-MC制動(dòng)制動(dòng) brake-MC后退后退 backward-MC6. 海底虛擬環(huán)境模型海底虛擬環(huán)境模型v 水流：模擬簡(jiǎn)化的流場(chǎng)。水流：模擬簡(jiǎn)化的流場(chǎng)。v 海草及浮游生物海草及浮游生物 動(dòng)態(tài)的海草能對(duì)虛擬的動(dòng)態(tài)的海草能對(duì)虛擬的水流做出逼真的反應(yīng)，水流做出逼真的反應(yīng)，每一簇海草的葉子是一每一簇海草的葉子是一種種“質(zhì)點(diǎn)質(zhì)點(diǎn)-彈簧彈簧”鏈。鏈。 海草隨著引起葉子擺動(dòng)

30、海草隨著引起葉子擺動(dòng)的模擬海流而漂流。的模擬海流而漂流。7. 經(jīng)典人工智能技術(shù)介紹經(jīng)典人工智能技術(shù)介紹7.1 基本基本BP算法算法 7.2 算法的改進(jìn)算法的改進(jìn) 7.3 算法的實(shí)現(xiàn)算法的實(shí)現(xiàn) 2022-1-311.網(wǎng)絡(luò)的構(gòu)成網(wǎng)絡(luò)的構(gòu)成 神經(jīng)元的網(wǎng)絡(luò)輸入：神經(jīng)元的網(wǎng)絡(luò)輸入： 神經(jīng)元的輸出：神經(jīng)元的輸出：nnwxwxwxnet.2211netenetfo11)(1（0,0.5）net（0,0）0.5f(net)0.25o01 啟發(fā)：?jiǎn)l(fā)： 應(yīng)該將應(yīng)該將net的值盡量控制在收斂比較快的范圍內(nèi)的值盡量控制在收斂比較快的范圍內(nèi) 可以用其它的函數(shù)作為激活函數(shù)，只要該函數(shù)是處處可以用其它的函數(shù)作為激活函數(shù)，

31、只要該函數(shù)是處處可導(dǎo)的可導(dǎo)的BP網(wǎng)的結(jié)構(gòu)輸入向量、輸出向量的維數(shù)、網(wǎng)絡(luò)隱藏層的層數(shù)和各個(gè)隱藏層神經(jīng)元的個(gè)數(shù)的決定實(shí)驗(yàn)：增加隱藏層的層數(shù)和隱藏層神經(jīng)元個(gè)數(shù)不一定總能夠提高網(wǎng)絡(luò)精度和表達(dá)能力。BP網(wǎng)一般都選用二級(jí)網(wǎng)絡(luò)。x1o1輸出層輸出層隱藏層隱藏層輸入層輸入層x2o2omxn樣本：(輸入向量，理想輸出向量)權(quán)初始化：“小隨機(jī)數(shù)”與飽和狀態(tài)；“不同”保證網(wǎng)絡(luò)可以學(xué)。1、向前傳播階段：（1）從樣本集中取一個(gè)樣本（Xp，Yp），將Xp輸入網(wǎng)絡(luò)；（2）計(jì)算相應(yīng)的實(shí)際輸出Op：).)(.()()2()1(12npnpWWWXFFFO 2、向后傳播階段誤差傳播階段：（1）計(jì)算實(shí)際輸出Op與相應(yīng)的理想輸出Yp

32、的差；（2）按極小化誤差的方式調(diào)整權(quán)矩陣。 網(wǎng)絡(luò)關(guān)于第p個(gè)樣本的誤差測(cè)度： 網(wǎng)絡(luò)關(guān)于整個(gè)樣本集的誤差測(cè)度：21)(21mjpjpjpoyEpEEANpANqANhvhppk-11kwp1wpmqkwpqmk第第k-2層層第第k層層第第k-1層層pk-1的值和1k，2k，mk有關(guān)不妨認(rèn)為pk-1通過(guò)權(quán)wp2對(duì)2k做出貢獻(xiàn)，通過(guò)權(quán)wp1對(duì)1k做出貢獻(xiàn)，通過(guò)權(quán)wpm對(duì)mk做出貢獻(xiàn)。).)( 221111mkpmkpkppkpkwwwnetf即： 21hpvhkpko222111).)( hkmkpmkpkppkowwwnetf2221111).)(1 (hkmkpmkpkppkpkowwwoohph

33、phphkmkpmkpkppkpkhpvvvowwwoov2221111).)(1 (v樣本集：S=(X1,Y1),(X2,Y2),(Xs,Ys) v基本思想 ： 網(wǎng)絡(luò)根據(jù)(X1,Y1)計(jì)算出實(shí)際輸出O1和誤差測(cè)度E1，對(duì)W(1) ，W(2) ，W(M)各做一次調(diào)整；在此基礎(chǔ)上，再根據(jù)（X2,Y2）計(jì)算出實(shí)際輸出O2和誤差測(cè)度E2，對(duì)W(1) ，W(2) ，W(M)分別做第二次調(diào)整； ；如此下去。本次循環(huán)最后再根據(jù)（Xs,Ys）計(jì)算出實(shí)際輸出Os和誤差測(cè)度Es，對(duì)W(1) ，W(2) ，W(M)分別做第s次調(diào)整。這個(gè)過(guò)程，相當(dāng)于是對(duì)樣本集中各個(gè)樣本的一次循環(huán)處理。重復(fù)這個(gè)循環(huán)，直到Ep do

34、4.1 E=0; 4.2 對(duì)S中的每一個(gè)樣本（Xp,Yp）：4.2.1 計(jì)算出Xp對(duì)應(yīng)的實(shí)際輸出Op；4.2.2 計(jì)算出Ep；4.2.3 E=E+Ep；4.2.4 根據(jù)相應(yīng)式子調(diào)整W(M)；4.2.5 h=M-1；4.2.6 while h0 do 根據(jù)相應(yīng)式子調(diào)整W(h)； h=h-1 4.3 E=E/2.0 1、BP網(wǎng)絡(luò)接受樣本的順序仍然對(duì)訓(xùn)練的結(jié)果有較大的影響。比較而言，它更“偏愛(ài)”較后出現(xiàn)的樣本2、給集中的樣本安排一個(gè)適當(dāng)?shù)捻樞?，是非常困難的。3、樣本順序?qū)Y(jié)果的影響的原因分析：“分別”、“依次” 4、用(X1,Y1)，（X2,Y2），（Xs,Ys）的“

35、總效果”修改W(1) ，W(2) ，W(M)。ijhpijhww)()(1 for h=1 to M do1.1 初始化W(h)；2 初始化精度控制參數(shù)；3 E=+1;4 while E do 4.1 E=0;4.2 對(duì)所有的i，j，h： w (h)ij=0； 4.3 對(duì)S中的每一個(gè)樣本（Xp,Yp）：4.3.1 計(jì)算出Xp對(duì)應(yīng)的實(shí)際輸出Op；4.3.2 計(jì)算出Ep；4.3.3 E=E+Ep；4.3.4 對(duì)所有i，j根據(jù)相應(yīng)式子計(jì)算p w (M)ij；4.3.5 對(duì)所有i，j： ；4.3.6 h=M-1；4.3.7 while h0 do 對(duì)所有i,j根據(jù)相應(yīng)式子計(jì)算p w (h

36、)ij； 對(duì)所有i,j： ； h=h-1 4.4 對(duì)所有i，j，h： ;4.5 E=E/2.0 ijMpijMijMwww)()()(ijhpijhijhwww)()()(ijhijhijhwww)()()(2022-1-3172v較好地解決了因樣本的順序引起的精度問(wèn)題和訓(xùn)練的抖動(dòng)問(wèn)題 v收斂速度：比較慢v偏移量：給每一個(gè)神經(jīng)元增加一個(gè)偏移量來(lái)加快收斂速度 v沖量：聯(lián)接權(quán)的本次修改要考慮上次修改的影響，以減少抖動(dòng)問(wèn)題 2022-1-3173vRumelhart等人1986年 wij為上一次的修改量，為沖量系數(shù)，一般可取到0.9 v1987年，Sejnowski與Rosenberg給出了基于指數(shù)平滑的方