基于認知的人工動物行為記憶研究

摘要：提出并分析比較兩種記憶形成算法。二次方差法對已獲取的食物點作方差計算，快速剔除距其他點較遠的噪聲點，獲得食物分布的期望位置。改進的均值聚類算法針對二次方差法的不足，借鑒數據挖掘理論，對噪聲點進行更準確的剔除。根據不同情況選取適合算法，達到聚焦器在人工動物取食記憶實現中的有效性。

關鍵詞： 人工動物; 感知聚焦器; 行為記憶; 二次方差; 均值聚類

中圖分類號：TP301．6文獻標志碼：A

文章編號：1001-3695(2007)11-0085-03

認知是記憶過程中的一個環節，又稱再認，指過去感知過的事物在當前重新出現時仍能認識。現代認知心理學認為認知過程就是信息的接收、編碼、儲存、提取和使用的過程。基于認知的人工動物模型結合人工智能和計算機動畫技術，在虛擬環境中對其進行模擬。

認知在模型中的重要體現就是行為記憶，其形成主要是聚焦器聚焦的結果。本文就以取食記憶為例說明人工動物[1]中人工魚行為記憶的實現過程。

1人工動物行為模型設計

聚焦器是人工動物感知系統的核心，即依靠一組在線的虛擬傳感器提供有關信息，并包括了感知注意機制，使之能夠按照當前任務需求控制傳感器，過濾掉對當前行為需求無用的感知信息[2]。

對于人工魚來說，首先對可能處于的狀態進行抽象，得出了描述狀態變化的有限自動機模型。聚焦器把收集的信息抽象歸納成兩個狀態原語，與當前狀態一起作為自動機的輸入，進而得到相應的輸出，即下一步人工魚期望處于的狀態。其中：Hp為饑餓度原語，描述人工魚內部狀態；Hd為危險度原語，描述人工魚外部環境信息。下一個時刻，聚焦器將新生成的狀態原語反饋回來，對上一步原語進行修正，這樣就實現了智能化聚焦過程。描述人工魚行為的有限自動機模型如圖1所示。

2行為記憶的實現

動物行為智能化的一個重要特征就是能夠考慮多種行為及環境，選擇折中的行動。而且，動物（包括魚類）的行為過程也是連續性的，不會出現兩種行為之間什么都不做的行為空白。也就是說在當前行為進行過程中，動物自身已經決定下一步應該進行什么樣的行為，或者至少有了進行該行為的趨勢、愿望。

行為記憶解決了人工動物行為過程的連續性問題。行為記憶形成后就可以根據當前狀態按照自己的記憶，去完成諸如取食、擇偶等行為[3~5]。

2．1數據結構描述

行為記憶通過鏈式結構存儲，也就是記憶鏈。人工動物每次取食成功后，將食物點的空間位置信息存入記憶鏈中一個節點，經過一段時間tm即形成具有一定長度的食物位置記憶。以人工魚為例如圖2所示。

其中：head為記憶鏈頭指針；rear為尾指針；mark為標記指針。記憶鏈的容量并不是無限的，因此設定maxlength=30，表征記憶的容量。

將成功取食的位置記錄下來并不是目的，需要將這些點信息計算歸納，得出食物分布的期望位置，并存入head節點，這才是期望得到的取食記憶。當人工魚再次回到取食狀態時，該取食記憶為有效，人工魚就會朝著記憶中的食物分布較為密集的位置游去，使得再次成功取食的幾率大大增加。

2．2算法描述

由于食物空間分布位置的不規則性，要精確地找出分布中心點對于人工魚來說是比較困難的。如果單純地用平均值求中心或重心，就會受到距離大多數點較遠的噪聲點的影響，使計算出的食物分布期望位置與實際相去甚遠。

解決辦法是將記憶鏈中的點作為樣本集合，通過去噪處理剔除噪聲點后，再計算剩下的樣本點的中心或重心。

同時，記憶也是可以更新的。當達到記憶鏈容量時，采用隊列的FIFO算法，將最先存儲在記憶鏈中的點刪除，同時鏈入最新得到的點。這樣在保持記憶鏈中樣本點數量的同時不斷更新，每更新一次就進行一次相應的降噪處理，使得對取食行為的記憶始終保持在最期望的狀態。

4結束語

通過對上述兩種算法的實驗可知，二次方差法計算量較小，但適用范圍受到一定限制，對于已經呈聚集分布的點降噪效果很差。改進的均值聚類算法能精確地將各個聚類找出，但計算量很大，其算法復雜度為樣本點個數的平方。

動物感知的結果是反饋給自身的印象，通過認知形成的記憶就更加模糊。作為較低等人工動物的人工魚來說，其感知范圍較小，感知精度較低，這使得感知聚焦的結果只能形成一個大概的印象。要作出十分精確的反應，如左前方45°距離1 m有食物，即使是作為高等動物的人，不借助其他儀器也是很難辦到的。所以，虛擬環境中的人工魚只要感知到周圍環境的大致狀況就可以滿足需要，這就使二次方差法以及改進的均值聚類算法在行為記憶形成中的應用成為可能。

人工動物是對自然界生存動物的虛擬實現，因此其種類也是多種多樣的。每個種類感知能力有所差別，對于生命周期較短，感知能力較差、個體較小的種類，二次方差法具有較好的適用條件。對于生命周期較長、感官較發達的種類則可以應用改進的均值聚類算法。

本文主要討論了在聚焦器基礎上的行為記憶形成算法及其優缺點和應用范圍，使人工動物具有了一定的生命特征，并通過人工魚行為動畫實現驗證了理論和方法的有效性。下一步的感知融合，將使感知聚焦器的功能進一步完善。屆時，人工動物將會更加逼真，生命特性也會更加豐富。

參考文獻：

[1]LANGTON C G. Artificial life[M]//SFI studies in the science of complexity.Redwood，CA:AddisonWesley， 1998.

[2]涂曉媛.人工魚——計算機動畫的人工生命方法[M].北京：清華大學出版社，2001：61-64.

[3]班曉娟，陳泓娟，王昭順，等.人工魚的認知建模方法研究[J].計算機工程與應用，2002，38（8）：1315.

[4]班曉娟，曾廣平，涂序彥.基于自學習的人工魚感知系統設計與實現[J].電子學報，2004，32（12）：2041-2045.

[5]班曉娟.人工魚的高級行為規劃和自進化方法研究[D].北京：北京科技大學，2003：48-50.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”