《基於計算智慧型的群體行為控制模型及路徑生成研究》是依託山東師範大學，由劉弘擔任項目負責人的面上項目。
基本介紹
- 中文名：基於計算智慧型的群體行為控制模型及路徑生成研究
- 項目類別：面上項目
- 項目負責人：劉弘
- 依託單位：山東師範大學
項目摘要,結題摘要,
項目摘要
群體運動是自然界中非常有趣並且普遍的現象。本研究擬通過對群體運動的機理做深入分析，針對現有的全局控制模型缺少表征多樣個體的靈活性及多Agent局部控制模型計算開銷太大的問題，提出一種群體行為的控制模型及路徑生成方法。該方法採用動態小生境技術對大規模群體進行群體、組及Agent三個層次的分類，並在每個組中選擇一個最優Agent作為leader; 建立Leader的認知模型、感知及協同強化學習機制，使Leader能依據環境的反饋信息，動態調整自適應函式,提高自身的自適應能力，並通過協同學習及信息共享，提高群體的適應能力；路徑規劃在組的層面進行，結合人工蜂群算法的多目標尋優特性和微粒群算法的群體智慧型特性，提高算法收斂及尋優速度，解決組中的個體的避障及碰撞問題，並有效地實現群體的聚集、分離及跟隨Leader。
結題摘要
群體運動是自然界中非常有趣並且普遍的現象。本研究通過對群體運動的機理做深入分析，針對現有的全局控制模型缺少表征多樣個體的靈活性及多Agent局部控制模型計算開銷太大的問題，提出一種群體行為的控制模型及路徑生成方法。該方法採用基於格線-密度-關係的算法對大規模群體進行群體、組及Agent三個層次的分類，並在每個組中選擇一個最優Agent作為leader; 建立Leader的認知模型、感知及協同強化學習機制，使Leader能依據環境的反饋信息，動態調整自適應函式,提高自身的自適應能力，並通過協同學習及信息共享，提高群體的自適應能力；路徑規劃在組的層面進行，結合人工蜂群算法的多目標尋優特性和微粒群算法的群體智慧型特性，提高算法收斂及尋優速度，解決組中的個體的避障及碰撞問題，並有效的實現聚集、分離及跟隨Leader。本項目以大規模人群疏散仿真作為套用背景，試圖為緊急情況下群體運動及人群疏散路徑規劃的仿真和決策提供輔助的支持。該項目已經在在國內外期刊上發表論文22篇，其中SCI期刊發表論文15篇，EI期刊發表論文4篇，中文核心期刊發表論文3篇。授權發明專利4項，獲山東省科技進步二等獎1項。該項目還培養了博士研究生4名，碩士研究生10名。
