论文部分内容阅读
众所周知,自然界中许多生物都会表现出群体聚集行为,典型的例子如鸟群、鱼群和菌群等等不一而足。随着科技的发展,群集效应的作用也越来越重要,受到许多研究学者的关注。对于这些群体聚集机制和运行规则的掌握,有助于我们在实际工程中的应用,进而促进科技的发展。因此,对于一般群体系统行为的研究具有很重要的意义。 本文拟结合群体系统运行中的一些实际情况,例如个体的最大速度有限,个体的检测范围有限,群体系统运行环境的影响,以及个体在群体中的影响力不同等等,建立相应的群体系统运动模型,并分别分析其行为,取得了以下结果: 作为群体系统中的个体,无论是自然界中的有生命的个体还是工程应用中的机器人,它们的运动速度最大值都是有限值。基于此点考虑,本文从已有的吸引/排斥模型框架出发,通过将吸引作用和排斥作用都限定在有限值,以达到个体最大速度的有限,继而建立有限最大速度的群体系统的动力学模型。分析了该群体系统的行为,最终得出结论:该群体系统的中心保持静止,所有个体将收敛到群体中心周围的有限区域,并最终停留在该区域内。 基于生物有限的感知能力和机器人传感器有限的检测能力,本文将个体之间的吸引/排斥作用和个体有限可视范围结合,建立了局部群体模型,并分析其行为。结果显示该局部群体系统能够在有限时间内达到稳定,但是由于感知能力有限,使得个体可能在收敛域内进入局部陷阱,形成多个子群体。因此,为了消除局部陷阱,我们在局部群体系统的动力学模型中加入了线性改进项,并得到了较好的结果,即群体的中心始终保持静止,所有个体进入到群体中心周围的收敛域内,并且随着时间的推移,所有个体最终停止运动。同时给出了为实现消除局部陷阱的目标改进项中参数的边界条件。 考虑到实际的群体系统所处的环境复杂多变,我们将该局部群体系统放入到不同的环境势能场中,分析了其在二次函数、指数函数、多二次函数、多指数函数环境势能场中的行为,并得出结果:群体系统将最终收敛到势能场中势能最小点周围的有限区域内,并最终静止在该区域内。 因为在实际的群体系统中,由于个体的差异性,每个个体所起的作用不同,对系统的影响也不同,所以我们为每个个体设置了不同权重,建立了加权局部群体系统。然后分析了群体系统的行为。同时考虑到局部陷阱出现的可能,我们在模型中加入了线性改进项。最终得出结论:在加权对称局部群体系统中,群体中心保持不变,并且所有个体都将进入群体中心周围的有限区域。 综上所述,本文针对群体系统遇到一些实际问题进行建模和理论研究。这对我们理解自然界群体涌现的协调行为有所帮助,同时对工程中群体系统的应用有一定的指导意义。