蜂拥算法的设计与仿真分析文献综述
摘 要: 近年来，群体系统蜂拥控制研究受到了国内外众多领域高度重视。蜂拥控制是指一个由大量智能体组成的系统，在无集中控制的情况下，通过个体之间的局部感知作用和相互反应，使系统整体呈现一定的协调行为。在实际运用中，节点之间的通信往往通过一般通信网络进行，所以基于一般通信通道的复杂系统蜂拥控制策略的研究具有一定的理论意义和实际应用价值。
关 键 词:蜂拥控制；多智能体；群体
1.引言 群体蜂拥行为（flocking behavior)，是指一群运动自主的个体（用节点表示）能够保持成团队的形式向某一目标迈进，是一组有着共同目标的大量智能个体的团体行为。在对个体行为建模时，一方面需要有使得群体保持集聚而不产生分裂的能力；另一方面也要使得个体具有对环境所施于的影响(如群体所要跟踪的目标物的位置信息等)作出适当反应的能力[1]。蜂拥（flocking)从英文字面上解释就是大数量的个体一起移动。蜂拥的一些典型的自然界例子包括鸟群、鱼群、细菌群落、蚁群、蜂群等，它能帮助生物躲避天敌,增加寻觅到食物的概率等。从系统的观点看蜂拥行为具有适应性、鲁棒性、分散性和自组织性, 它的一个重要特点就是从简单的局部规则涌现出协调的全局行为[1]-[3]。近十几年来，生物学、物理学、计算机和控制等领域的学者对自然界的蜂拥行为产生了浓厚的兴趣,他们正在努力地从相应领域角度探索蜂拥行为的涌现机制。
2. Reynolds模型介绍
1986年，Reynolds[4]提出了一个在三维空间上用计算机来模拟群体行为的模型。这个模型要求一群智能体的群体行为满足三条基本规则：(1)分离：与邻域内的智能体避免相撞；(2)聚合：与邻域内的智能体保持紧凑；(3)速度匹配：与邻域内的智能体速度保持一致。智能体的邻域是以智能体所处位置为中心点，围绕该中心点的一定距离范围和角度来构成。图2-1所示的智能体的邻域是以智能体所处位置作为圆心的一个圆。邻域的范围是由于有限的知觉感应造成的。每个智能体的运动应会受到其邻域范围内智能体的位置和速度的影响。
下面对此模型中的三条基本规则分别进行描述。
2.1分离
分离规则是使所有智能体能够和其他智能体保持一定的距离，从而避免碰撞，如图2-2所示。在实现分离规则的过程中，检测到每个智能体以自己为中心的感应域内所有智能体的信息，从而得到在这个范围内所有智能体的平均速度，从而产生一个智能体对其领域内其他个体的排斥力。这个排斥力与智能体之间的距离成反比。
2.2聚合
聚合规则是使所有智能体保持整体的紧凑性，保持一定的聚合，如图2-3所示。在实现聚合规则的过程中，检测到每个智能体以自己为中心的感应域内所有智能体的信息，从而得到在这个范围内所有智能体的平均速度，从而产生一个智能体对其领域内其他个体的吸引力。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
