戰爭模擬中大規模群體行為建模研究與實踐

司光亞，胡曉峰，李志強，楊志謀

（國防大學 信息作戰與指揮訓練教研部，北京100091）

大規模群體行為建模是通過研究大量并非簡單疊加的個體在某些環境、情節下的行為特征而建立起來的相對應的計算機行為表示，它是為了進一步研究、觀察其內在規律，以達到控制、利用群體行為為研究者服務的目的。對大規模群體行為的觀察和研究古以有之，然而，過去人們只能采用定性的方法進行描述，在計算機建模技術飛速發展的時代，首先把行為建模提高到國防建設高度的是美國國防部高級計劃研究室（DMSO）1995年的一份建模與仿真主計劃，在該計劃中明確提出：“為人類行為提供權威的表達”。不過迄今為止，DMSO的最高目標仍然沒有實現，但是各個領域出于各自的應用需要，研究和建立了大量的從個體到社會的行為模型。

1 國內外相關領域研究現狀

1.1 社會學領域群體行為理論研究

較早對群體行為進行系統研究的主要是社會學家和社會心理學家，早在1852年英國社會學家Charles Mackay就用大量事實說明了個體在群體中容易表現出極端的模仿和合群現象。1895年法國社會學家勒龐（Gustave LeBon）撰寫了一部研究群體行為的專著《烏合之眾》。在社會心理學領域關于從眾行為有兩項經典研究，一項是土耳其的心理學家Sherif（1935）關于團體規范形成的研究。他通過設計的實驗證實了群體所擁有的看法對個體會產生不可估量的影響，這是最早對從眾行為進行實驗研究。另一項是20世紀50年代美國心理學Asch（1951）的線段判斷實驗。他從實驗角度驗證了社會壓力將導致群體一致性行為，此項研究被認為是有關從眾研究的典范。在Asch研究的基礎上，M?Deutsch和H?Gerard（1955）對從眾行為進行了說明，他們認為從眾的團體壓力有兩個來源：規范性和信息性的社會影響。Festinger（1957）研究認為，在個體遇到沖突的時候，人們會潛意識地剔除那些與整體關聯最弱的看法，不自覺地尋求平衡。經濟研究領域最早提出羊群行為概念的是Keynes（1936）。他認為，投資收益日復一日的波動，顯然存在著某種莫名的群體偏激，甚至是一種荒謬的情緒在影響著整個市場行為。此后關于群體行為的研究不斷深入，成果大量涌現。

目前，針對群體行為的形成理論主要有三種：一是感染論（Contagion Theory），由格式塔.勒朋（Gustave Le Bon）于1896年在《集群》一書中把集群看成具有集體意志的單一有機體，認為集群能使個人“著迷”的能力基于三因素：不可征服感（invincibility），即從單純人數上獲得強大力量；傳染（contagion），即新的思維方式迅速蔓延，類似傳染病在人群中傳播；易受感染性（suggestibility）。二是趨同論（Convergence Theory），即參加集群的人們已經共同具有了這樣的趨勢，以同樣的方式看待事物和以同樣的方式行動，正是這種共同的趨勢使他們首先聚集起來成為集群。三是由蒂爾內和金廉提出的緊急規范理論（Emergent—Norm Theory），由于一套行為規范被整個群體所接受，并且群體中的一致性普遍流行開來，那些不遵循這套緊急規范的人將會被施以社會壓力（波普諾，1999）。

1.2 計算機科學領域群體行為建模研究

在計算機科學研究領域，大規模群體行為一般界定為社會學中的在某一特定場所中的大規模群體的集團性行為。目前，其建模方法可以分為基于物理學方法和基于Agent的方法兩大類，其中基于Agent的方法又進一步分為基于人工生命的方法和基于認知學的方法。

1.2.1 基于物理學粒子系統和動力學系統建模方法

粒子系統最早由W?T?Reeves于1983年引進到計算機圖形學領域，用來對一些復雜自然現象進行模擬，如云霧、煙塵、水氣以及火焰等。目前粒子系統仍然是這些復雜自然現象建模的基本手段。1997年，法國的Eric Bouvier首次將粒子系統引入大規模的人群群體行為模擬中。Eric Bouvier等人把大規模的人群中的個人作為一個個相互交互的粒子，人的基本運動規律基于牛頓力學進行解算。為了能夠更加逼真地模擬人群的運動，他們還引入了類似物理學中電荷和電場的“決策荷”和“決策場”概念來建立個人之間的復雜相互作用和決策過程（Bouvier，Cohen，＆Najman，1997）。采用粒子系統建立的簡單實用的人群行為模型，可以方便地實現一些運動特征較為明顯，或者比較容易抽象的人群行為的模擬，如車站的人流等。

同樣基于物理學的基本思想，Dirk Helbing等以粒子系統為基礎，結合動力學計算方法，應用“心理力”、“物理力”和“勢場”等概念構建了恐慌下的人群逃散模型（Helbing，Farkas，＆Vicsek，2000）。Helbing建立的群體仿真模型，針對的是恐慌狀態下的人群撤離行為，著重研究和分析個體的受力情況。根據個體的受力情況計算個體的移動速度，模擬恐慌狀態下人群撤離的典型行為特征，計算人群通過狹隘通道和出口撤離的速度，并計算可能的受傷人數。

MaryAnne Fields和Gregory Spradlin開發了一個用于ModeSAF交互式戰場中模擬民眾的運動和反應的模型，使用偏微分方程描述了人群的運動、分散和交互（Fields＆Spradlin，2000）等。Brogan和Hodgins等利用動力學原理對具有顯著物理特征的人群行為進行了建模，這種方法特別適用于馬拉松、自行車賽、游泳等體育項目的模擬仿真（Brogan＆Hodgins，1997）。采用物理學的粒子系統和動力學計算模型進行大規模人群行為的模擬，對于群體運動規律比較強，個體智能化程度要求不高的情況下（如恐慌條件下）還是比較成功的。

1.2.2 基于人工生命模型的建模方法

人工生命是由克里斯?蘭頓博士在1987年首先提出的，它是“表現出自然生命系統行為特征的人造系統”（Langton，1987）。基于人工生命的建模方法的主要思想就是采用自底向上的綜合方法，通過對底層的活的生命體、生命體之間及與環境的交互進行建模，研究高層的自組織過程和行為涌現性。

最著名的基于人工生命群體行為模型就是Reynolds的鳥群分布式行為模型（Reynolds，1987），即Boid模型，也稱Flocking模型。Boid模型中，群體每個個體的行為只和它周圍鄰近個體的行為有關，也就是個體只掌握局部決策信息。個體只需遵循3條簡單的行為規則：聚集規則（cohesion）、對齊規則（alignment）和分離規則（separation）即可模擬大多數群聚生物的群體行為，如鳥群、魚群和蜂群等。Boid模型之后，出現了很多基于該模型的各種改進模型，例如在模型中加入避碰行為、路徑規劃行為、分組行為等。

另一個具有影響力的模型就是Xiaoyuan Tu（涂曉媛，我國學者）和Terzopoulos開發了具有物理外觀和運動特性的、能夠感知環境和決策的人工魚群（涂曉媛的魚），“人工魚”具有“意圖發生器”和基于計算機視覺的虛擬感知器官，可以識別和感知其他人工魚以及周圍的虛擬海洋環境。每條魚都以“感知—動作”模式生存，表現出包括自激發、自學習、自適應等智能特性，從而產生相應的智能行為（Tu＆Terzopoulos，1994）。

2001年，Musse和Thalmann設計了ViCrowd系統，該系統是采用Agent方法的實時多層人群行為建模框架，其底層行為基于Flocking算法。他將人群定義為小組（Group）的集合，并將人群行為分為引導的、規劃的和自治的等三種。人群包括三個層次：人群、小組和個人，并都具有知識、信念和意圖等認知屬性（Musse＆Thalmann，2001）。Sung等人提出了基于態勢的可擴展Agent建模方法，用于解決模擬大型環境和大規模的人群個體行為計算代價問題。

1.2.3 基于高級智能行為的認知模型建模方法

人工生命的思想重點在于解決生命體的底層反應型行為，較少考慮認知過程，而建立群體中的復雜個體則需要考慮認知建模。對于認知過程的描述是傳統人工智能的一個重要領域，目前已經有許多Agent個體的認知行為建模框架，傳統的有Act—R和SOAR模型，較新的有PMFservice集成框架。

Act—R是一個用于支持創建能夠預測和解釋人的行為的認知模型的模擬環境，核心概念包括用于表示事實的declarative內存和表示規則的procedural內存，Declarative內存中的塊由產生式規則調用，系統可以學習新的塊和產生式規則。SOAR是用于探索通用智能并演示智能行為的智能系統開發平臺，它可以被看作是通用智能理論、人的認知理論、Agent體系結構和編程語言。SOAR系統包括記憶層（memory level）、決策層（decision level）和目標層（goal level）等三層。底層的記憶層負責知識的存儲和符號的存取，中間的決策層實現知識的編碼并完成大部分初級操作，上面的目標層負責建立目標并通過決策序列實現目標。PMFservice是一個使用各種PMF（Performance Moderator Functions）建立的模型集成框架系統，它由DMSO資助，旨在建立生理、壓力、個性、文化、情感和社會關系對人進行決策的影響。它以現有各種行為建模文獻中所包括的關于個人認知模型PMF為基礎，建立了一個統一的行為體系結構。該項目已經從10000多個文獻中收集了500多個PMF，并利用Unreal三維可視化引擎構建了一個實驗床，重演美軍在索馬里的“黑鷹墜落”事件，模擬了美軍士兵、恐怖分子和大量當地民眾的行為（Silverman，Bharathy，O’Brien，＆Cornwell，2003）。

最近，針對目前心理學模型對量化考慮不足和計算機科學群體行為建模對認知方面考慮不足的狀況，Gal等人基于Festinger的社會比較理論建立了群體行為模型的算法框架，并采用基于SOAR的Agent認知結構進行了初步的實現（Kaminka＆Fridman，2006）。

2 戰爭模擬中的大規模群體行為建模

戰爭模擬中對大規模群體行為建模研究主要集中于各種軍事行動時社會中大規模人類群體的行為模式的研究，研究這種社會群體行為模式對戰爭進程和結果的影響。因此，戰爭模擬中大規模社會群體行為模型研究內容大致包括：社會經濟行為，如購買、生產、流通、股市等；信息行為，如輿論、謠言、消息的傳播；政治行為，如民意、選舉、組織；生活行為，學習、娛樂、購買、家庭等。該部分模型力圖反映軍事行動對社會的政治、經濟、民意和輿論等多個社會領域的各種影響，進而反過來影響戰爭的進程和戰爭的結果。但在實際研究的過程中，由于大規模社會群體行為與支撐社會正常運轉的基礎設施系統的運行緊密相關，如電力、能源、通信、交通、公共衛生、供水、金融系統等，因此，戰爭模擬中的大規模群體行為研究一般都要考慮對社會基礎設施系統的建模及其對上層社會群體行為的影響。由社會基礎設施和群體行為共同組成的模型系統實際上衍生為基于戰爭的社會仿真問題，研究內容涵蓋了社會關鍵基礎設施建模和社會群體行為兩大組成部分。

例如，由美國Purdue大學的國土安全研究所開發，國家自然科學基金、美國國土安全部和國防部等資助的面向分析和仿真的綜合環境（Synthetic Environment for Analysis and Simulation，SEAS）就是一個充分考慮大規模基礎設施建模與大規模社會群體行為建模的基于戰爭的綜合社會仿真系統。SEAS采用基于Agent建模方法自底向上地進行建模，其個體Agent建模應用了多元化的建模方法。SEAS的模型涵蓋了政治、經濟、軍事、社會、信息以及關鍵基礎設施等領域（PMESII），它可以就軍事行動對社會經濟、輿論、民意的影響效果進行仿真分析，為軍事行動提供實時決策支持，對國土安全（涉及核生化、農業和爆炸品等）問題進行仿真分析和提供實時輔助決策。2006年，美軍聯合部隊司令部的Tony Cerri和SEAS的主要研究者Purdue大學的Alok Chaturvedi教授提出了SWS（Sentient World Simulation）這一概念，即可感知的世界仿真。實際上是要建立一個可以感知到真實世界各種數據變化的虛擬平行社會仿真系統。SWS的目標是成為一個可以連續運行和更新的現實世界模型，可以預測和評估未來事件和軍事行動方案。SWS合成環境將映射真實世界中各個關鍵部分，與真實世界對應，涵蓋政治、經濟、軍事、社會、信息和基礎設施等領域，包括個人、組織、機構、基礎設施和地理個體。SWS可以對世界各地發生的真實事件作出反應，感知來自真實世界中的最新數據，涌現出的類似真實世界發生的行為和趨勢，從而可以進行行動方案分析、輔助決策和訓練模擬。以SWS為前提，在SEAS基礎上開發了虛擬國際系統（Virtual International System，VIS）模擬了全球62個重點關注國家。該系統同時可以實時獲取來自全球真實新聞媒體、人口數據、經濟運行狀態以及各種重大的危機事件，從而對系統中的相關的個體數據進行更新等。這些成果已經應用在包括美軍聯合部隊司令部的“Multi—National Experiment 4”演習、“Urban Resolve 2015”演習以及美國Purdue大學國土安全研究所進行的名為“Measured Response”系列演習中。

按照SWS的理論構想，SWS是未來仿真界最具吸引力，最令人渴望，也是最復雜的系統，同樣也是未來戰爭仿真研究追求的終極目標。

3 我們的研究實踐

3.1 研究思路

研究大規模社會群體行為的目的是要研究戰爭系統中軍事域與社會域的相互影響。2003年，我們提出了建立虛擬全球戰爭空間（Virtual Global War Space：GWS）大型戰爭模擬系統的構想，GWS核心思想是構建一個由軍事空間子系統和社會空間子系統組成的現實社會系統的平行系統，如圖1。其社會子系統由關鍵基礎設施和社會民眾構成，我們認為研究每個單個民眾的行為即不現實也無必要，而需要研究的是對政治、經濟、社會形成重大影響的大規模民眾群體行為，只有能確切地認知到社會群體行為產生的根源和本質，才能更有利于研究人類之間發生的戰爭問題和進一步指導國家的國防安全戰略，以及在戰爭發生時如何把握各種有利時機，以達到不戰而屈人之兵的完勝。為了達到這一目的，我們將深入研究與戰爭緊密相關的“大規模群體行為產生的本源”，并且將自主演化產生的“大規模群體行為”以各種便于理解、便于認知的方式表現出來。

由于研究目的和關注大規模群體行為的側面不同，決定了戰爭模擬系統中的大規模群體行為有其自身的特點。主要體現在：一是群體規模更大，小至一個城市、一個地區，大至一個或數個國家乃至全球；二是群體構成更加復雜，有包括許多不確定性的因素，如經濟、社會、組織、信仰等等都對群體行為產生影響；三是群體表現形式、特征等等繁雜多樣，有些群體行為并不以大規模聚集的形式表現出來，但其影響力量卻絲毫不弱，如2008年我國大規模民眾自發的抵制家樂福行為；四是需要刻畫和描述的行為數量規模巨大、個體決策復雜，個體多、目的多、涉及的領域多，不同個體有不同的行為選擇空間，因此總的行為數量龐大，與之對應的個體的決策非常復雜，對個體決策造成的影響因素也非常多，個體在不同影響因素、不同的自身狀態下有完全不同的決策方式；四是群體行為的時間跨度大，需要描述危機事件對個體的影響，表現個體從正常態的行為到危機態下的行為的轉變，表現從個體決策到群體演化和群體行為形成以及發展的過程，伴隨的是較長的時間跨度；五是空間跨度大、環境復雜，由于描述的是在社會大范圍內的戰爭背景下的大規模群體行為，空間范圍大帶來的是群體以及個體對空間環境的感知。

3.2 初步的原型系統

在上述研究思路下，我們建立了一個多層次、多粒度的大規模群體行為模型原型CBM3（Crowd Behavior Model of Multi—lever＆Multi—granularity）。模型系統結構示意圖如圖2所示。

從總體上，大規模群體行為分為三個層次，層次的區分是從抽象到具體。第一層為大規模的社會抽象層，該層主要從全局高層的角度描述所要研究地區對象的比較抽象意識方面的群體行為，如地區民眾的政治民意傾向，輿論的形成，謠言的傳播等，對個體而言，描述的是其內心深處的行為動機和決策偏好；第二層為城市級的群體行為模型，該層模型主要從所研究的地區抽取一個典型的城市來描述該城市中民眾的行為特征。包括他們的日常的具體生活行為，如上下班、購物和危機條件下的搶購，游行等，它主要來描述個體在社會大環境變化影響下，其行為變化的過程；第三層為所關注城市的某一典型場景的群體行為，該層主要描述城市中某些具有代表性場所的群體行為，如廣場、商場、銀行等能夠反映社會形態劇烈變化的特定場所的群體行為，它主要用于描述個體在參與到群體行為過程中的具體做法及其外在的情緒、動作表現。上述需要描述的三層群體行為都建立在一個統一的公共基礎數據基礎之上，該基礎數據包括大規模群體中大量個體的基礎屬性數據及其生成的算法，如人口的經濟、政治、地理、人文等基本屬性，還包括模型需要描述的各種復雜人際關系網絡數據及其生成算法，如家庭關系網、朋友關系網、組織關系網、政黨關系網等。三層群體行為模型在EBI概念模型建模框架的指導下進行模型的概念描述。系統最后通過一個可視化系統進行表現，該可視化系統能夠支持大規模群體行為模型多層次、多側面的可視化表現。

在CBM3的基礎上初步實現了一個大規模群體行為原型系統，在該實驗原型系統中大規模群體組成個體數達到1.5萬個以上，其中社會宏觀層個體數量達到8000以上，中規模城市中觀層個體數量達到3000以上，小規模典型場景微觀層個體數量達到5000以上，能夠逼真表現大規模群體行為的演化過程，有力地支持了高層戰略決策對抗演習。該實驗原型系統已經在國防大學“戰略對抗演習”的教學活動進行了多次應用與測試，取得了良好的教學效果。

3.3 突破的一批關鍵技術

一是提出了建立智能環境模型的思想。其基本思想是：根據建模需要將一個復雜環境分解為一個個離散的子空間（空間柵格化），并在各個離散子空間上存儲五層行為約束指導信息（柵格信息化），分別是：環境約束、路徑規劃、碰撞檢測、行為信息指導、靜態物體信息與分布。當個體處于該環境中時，環境會及時給個體提供決策行為和行為執行相關信息，以縮小其決策搜索量，這樣既可以提高個體決策執行效率，同時也比較容易搭建起個體的局部行為規則，為群體行為建模提供個體局部行為規則基礎。

二是建立了多情景決策框架（Multi Situation Decision Frame，MSDF），并實現了幾種不同情景下的決策模型。MSDF的基本思想是，認定每個個體在不同情景下決策的方式方法是不同的，并且假定Agent的決策都是建立在對其所處的具體情景的判讀上，而每個Agent對情景的判讀是不一定完整的，是一種快照式的閱讀，即對空間、時間、個體狀態等簡單摘取若干特征，形成一個情景快照，根據情景快照選擇對應情景下的決策模型。多情景決策框架則是一個開放的需要針對不同情景加入相應的決策模型的框架，允許隨著系統開發的進展不斷增加具體情景下的決策模型。建立MSDF思想突破了傳統的將單一決策模型應用于整個仿真周期的模式。在MSDF框架下，我們針對戰爭危機條件下，大規模群體行為演化的階段性特點，建立了日常態情景下的需求層次模型、群體演化情景下的多級閾值模型和群體聚集行為激化情景下的情緒感染模型。

三是提出并實現了基于“多尺度層次細節仿真方法（MS—LOD）”的個體行為決策約簡算法。MS—LOD的基本思想是從圖形渲染的LOD受到啟發，在群體中每個Agent的決策上，增加了個體Agent的重要程度（個體類型）、視點距離和行為時間等約束變量，根據這些約束變量來約簡對個體的行為及其決策的范圍與能力的計算。該算法的應用大大減少了系統的運算量，提高了群體演化的規模，滿足了系統實時性的要求。該方法已申請了國家專利（專利申請號：200910238108.3）。

四是提出了并實現多Agent基礎屬性數據的逆向生成（Attribute Utility Choice Model，AUCM）算法。AUCM的基本思想是，由Agent根據已賦值的屬性項采用效用理論來選擇未賦值的屬性項，同時在每一輪的選擇后對該屬性取值的Agent分布情況進行統計，當接近現實人口的統計數據時終止該屬性的賦值而進入下一個屬性的賦值。該算法的應用使得大規模群體行為建模具有了真正意義的社會性，體現了平行系統的思想，提高了大規模群體行為建模的合理性與可信度。該方法已申請了國家專利（專利申請號：200910238109.8）。

五是建立了結構合理、便于快速檢索的多維個體行為與動作庫。基本思想是：先對行為動作進行劃分，按照層次維劃分成宏觀層（Macro）、中觀層（Meso）和微觀層（Micro）的動作與行為；按照狀態維劃分成危機態（Crisis）和正常態（Norm）的動作與行為；按照級別維劃分成高級決策型（Senior_Decision）和低級反應型（Junior_Reaction）的動作與行為；按照內容維劃分成政治行為（Politics）、經濟行為（Economics）和自然行為（Physiology）。在此基礎上，建立了一個多維的行為動作庫。該動作行為庫的建立不僅提高了個體決策的速度，而且保證了個體決策的合理性與準確性。

4 需要進一步研究的問題

群體行為建模研究有重要的學術和應用價值，在各個領域都有應用需求。目前，國內外各領域已經取得一些階段性研究成果，但這些成果僅關注群體行為的某些側面，涉及的群體范圍、規模還不是很大，群體構成也相對簡單，取得的成果應用范圍有限，我們為構建虛擬戰爭空間，以863計劃項目為支撐，探索了更大規模、更大范圍、更大時間跨度、更加復雜的群體行為建模技術，取得了一批新的技術突破，但是研究過程中又發現許多新的問題需要進一步研究和思考：

一是群體行為的涌現性與模型的驗證問題。建模與驗證一直是一對必然的問題，可是，復雜系統的涌現性是有不可還原性所決定的，盡管我們通過基于Agent的建模方法，追求和體現了其涌現性特征，但是，如何驗證呢?我們目前只能在數據的真實性和各種關鍵算法的可信性上下功夫，就如同一些政治漫畫家，畫張高度變形的奧巴馬畫像，雖然計算機無法識別，可是大家還是能一眼看出畫的是誰，為什么呢?漫畫家是抓住奧巴馬的關鍵部位進行描畫的。

二是關于模型分辨率與計算能力支撐問題。大規模群體行為模型的一個重要方面是系統Agent的規模龐大。從理論上說，系統Agent的數量應該與研究對象個體的數量對等，進行1∶1的建模。即使進行抽樣，也要求抽象的數量必須達到能夠反映研究對象的特征。一般地區的人口都在百萬級，千萬級以上，與當前計算支撐能力相比相去甚遠，全球規模下的大規模群體行為就算按1∶1000建模，需要建立的個體數量也十分龐大，決策也更加復雜，我們目前的原型系統只體現了一個地區幾個城市的萬級Agent規模，就已經遭遇計算能力支撐問題。因此，解決大規模群體的計算能力的問題，需要下一步重點關注。

三是大規模群體中個體決策建模問題。大規模群體中的個體Agent建模是模型研究的核心內容之一，對個體Agent建模實際上就是對人的行為的建模。MSDF決策框架只實現了有限的情境決策模型，滿足幾個簡單的需求，隨著戰爭研究的需求和系統的進一步開發完善，還需要繼續探索和實現更多的情境下的具體決策模型。

1 胡曉峰，司光亞，吳琳，等.戰爭仿真引論[M].北京：國防大學出版社，2004.

2 BONK C J，DENNEN V P.Massive Multiplayer Online Gaming：A Research Framework for Military Training and Education[R].Washington DC，2005.

3 DIRK HELBING，ILLESFARKAS，TAMAS WICSEK.Simulating Dynamical Features of Escape Panic[J].Nature，2000（207）：487—490.

4 DANIEL THALMANN，SORAIA RRUPP MUSSE，MARCELO KALLMANN.Virtual Humans'Behavior：Individuals，Groups and Crowds[R].EPFL Computer Graphics Lab.

5 MUSSE S，THALMANN D.Hierarchical Model for Real—Time Simulation of Virtual Human Crowds[J].IEEETrans On Visualization and Computer Graphics，2001，7（2）：152—164.

6 LANGTON C G.Artificial Life[M].NewYork：Addison Wesley，1989.

7 REYNOLDSC.Flocks，Herds and Schools：A Distributed Behavioral Model[J].Computer Graphics，1987，21（4）：25—34.

8 BASU N，PRYOR R J，QUINT T，et al.ASPEN：A Microsimulation Model of the Economy[R].SAND96—2459，Albuquerque，NM，1996.

9 BOUVIER E，COHEN E，NAJMAN L.From Crowd Simulation to Airbag Deployment：Particle Systems，a New Paradigm of Simulation[J].Journal of Electronic Imaging，1997（1），94—107.

10 DEL VALLE S Y，D KUBICEK，SM MNISZEWSKI，et al.EpiSimSLos Angeles Case Study[R].Los Alamos National Laboratory，LAUR—06—0666，2006.

11 胡曉峰，李志強，司光亞.現代戰爭研究的新方法：社會仿真[J].計算機仿真，2008，25（1）：1—5.

12 楊志謀，司光亞，李志強，等.群體行為建模理論基礎與建模方法研究[J].系統仿真學報，2009，21（16）：4921—4925，4930.

13 楊志謀，司光亞，禹海全，等.虛擬社會中大規模民眾群體行為建模研究[J].系統仿真學報，2009，21（增刊1）：10—15.

14 楊志謀，司光亞，李志強，等.虛擬戰爭空間中大規模群體行為模型設計[J].計算機仿真，2009（7）：29—31，80.

15 李志強，司光亞，胡曉峰，等.基于智能空間環境的群體行為建模研究[J].系統仿真學報，2008，20（增刊9）：195—198.

16 禹海全，司光亞，胡曉峰，等.基于戰爭空間的虛擬社會環境建模技術研究[J]，系統仿真學報，2008，20（增刊9）：180—182.

17 岳峰，胡曉峰，李志強，等.基于符合虛擬力場的大規模人群行為模擬[J].系統仿真學報，2009，21（1）：170—173.

18 岳峰，榮明，胡曉峰，等.基于Agent構建群體行為模型[J].裝甲兵工程學院學報，2008，22（2）：1—4.

19 XULIN XU，ZENGQIANG CHEN，GUANGYA SI，et al.A Novel Definition of Generalized Synchronization on Networks and a Numerical Simulation Example[J].Computersand Mathematicswith Applications，2008（56）：2789—2794.