基于群体智能和自适应评价的群体编队仿真方法.pdf

(19)中华人民共和国国家知识产权局*CN103294875A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103294875103294875A(43)申请公布日2013.09.11(21)申请号201310269245.X(22)申请日2013.06.28(71)申请人山东师范大学地址250014山东省济南市历下区文化东路88号(72)发明人刘弘张鹏丁艳辉李焱郑向伟陆佃杰张桂娟晁素娜董云(74)专利代理机构济南圣达知识产权代理有限公司37221代理人张勇(51)Int.Cl.G06F17/50(2006.01)权权利要求书2页利要求书2页说明书5页说明书5页附图3页附图3页(54)发明名称基于群体智能和自适应评价的群体编队仿真方法(57)摘要本发明公开了一种基于群体智能与自适应评价的群体编队仿真方法；步骤一：在绘图面板中输入待编队的二维图形、图案；步骤二：分析图形或图案，提取边界及内部像素点并保存；步骤三：根据步骤二中保存的像素点，在三维环境中重绘图形；步骤四：根据编队分布密度，对三维图形或图案进行隔行交叉采样，生成图形边界站位点；步骤五：根据群体自适应度函数，人群中的个体自适应的选择目标站位点；步骤六：群体根据人工蜂群算法规划路线，生成到达目标站位点的无碰撞最优路径。本发明利用群体仿真的方式进行自由式编队的组建和控制，该方法不仅提高了编队组建的效率，而且具有较好的智能性和约束性，为动漫创作、团体操编排提供了有效的支撑平台。CN103294875ACN103294875ACN103294875A权利要求书1/2页1.一种基于群体智能和自适应评价的群体编队仿真方法，其特征是，具体步骤为：步骤一：在绘图面板中输入待编队的二维图形、图案；步骤二：分析图形或图案，提取边界及内部像素点并保存；步骤三：根据步骤二中保存的像素点，在三维环境中重绘图形；步骤四：根据编队分布密度，对三维图形或图案进行隔行交叉采样，生成图形边界站位点；步骤五：根据群体自适应度函数，人群中的个体自适应的选择目标站位点；步骤六：群体根据人工蜂群算法规划路线，生成到达目标站位点的无碰撞最优路径。2.如权利要求1所述一种基于群体智能和自适应评价的群体编队仿真方法，其特征是，所述步骤四的具体步骤为：（4-1）根据编队分布密度，沿Y轴方向进行采样，生成图形边界站位点；（4-2）根据编队分布密度，沿X轴方向进行采样，生成图形内部站位点；（4-3）根据公式（1）调整生成的站位点，防止在采样过程中忽略标识图形外观的拐点；其中，Posij为第i个站位点的第j维坐标，Ikj为第k个拐点的第j维坐标，d为空间维数，ave_distance为空间密度，In为拐点个数。3.如权利要求1所述一种基于群体智能和自适应评价的群体编队仿真方法，其特征是，所述步骤五中的自适应度函数为：goalposi＝mingoalposik，其中，goalposik为第k个站位点相对于个体i的适应度值，centerj为中心点的第j维坐标，count[k]为第k个站位点所属圆环区域tk内部被占用的站位点数，goalposi为个体i的目标位置，c1,c2,c3为权重系数。4.如权利要求1所述一种基于群体智能和自适应评价的群体编队仿真方法，其特征是，所述步骤六的具体步骤为：（6-1）初始化群体规模、迭代次数、解集参数，初始化个体的候选解集R＝{B,s1,s2……sn,E}，其中B为初始点，E为目标站位点，si为个体所经历的路径上的第i个候选解；（6-2）根据适应度函数对候选解进行适应度进行评价，其中s0＝B,sn+1＝E，si,y指的是第i个个体的第y维坐标，si+1,y指的是第i+1个个体的第y维坐标；（6-3）按适应度值对候选解进行优劣排序，并选取前50%构造引领矩阵；（6-4）角色转换，跟随蜂设定跟随目标；（6-5）候选解根据角色进行位置更新；（6-6）若满足迭代条件返回步骤（6-2），否则退出算法。2CN103294875A权利要求书2/2页5.如权利要求4所述一种基于群体智能和自适应评价的群体编队仿真方法，其特征是，所述步骤（6-4）的中，跟随蜂采用轮盘赌的方式设定跟随目标，跟随概率公式为：其中，表示第Si个粒子被选择的概率；表示第Si个粒子的适应度值；en表示引领粒子个数，i∈{1,2,……,en}。6.如权利要求4所述一种基于群体智能和自适应评价的群体编队仿真方法，其特征是，所述步骤（6-5）中引领蜂位置更新公式为：Sij＝Sij+rand(-1,1)*(Skj-Sij)，k∈(1,2,3……en)随机生成且k≠i。3CN103294875A说明书1/5页基于群体智能和自适应评价的群体编队仿真方法技术领域[0001]本发明涉及一种群体编队仿真方法，尤其涉及一种基于群体智能和自适应评