捕食者不同目标策略下的鱼群结构变化仿真与研究_杨蒙召.pdf

Marine Sciences/Vol.46,No.12/2022 191 捕食者不同目标策略下的鱼群结构变化仿真与研究 杨蒙召,曹 奕,袁红春,史经伟(上海海洋大学 信息学院,上海 201306)摘要:在海洋生态环境中,食物链上层捕食者对下层鱼群的捕猎行为可以被普遍地观察到,捕食者攻击的策略以及鱼群的防御机制是海洋捕猎行为的关键。本文构建了鱼群行为模型并对捕食者目标选择策略进行模拟,3 种策略分别是选择“最近”“最中心”和“最外围”的个体。在虚拟环境中模拟单个捕食者攻击鱼群这一过程,对 3 种目标选择策略做比较分析,以鱼群结构变化程度的 3 个关键参数做评判标准。首先发现采用选择“最外围”个体的策略对于中等规模鱼群造成的结构变化程度最大,其次拓展到不同大小规模的鱼群,此策略仍是最有效的,其中小规模鱼群因应对风险能力低,无法体现三种策略的区别。关键词:目标选择;群体行为;人工鱼群 中图分类号:TP391.9 文献标识码:A 文章编号:1000-3096(2022)12-0191-10 DOI:10.11759/hykx20220331002 群体运动是大自然中常见的一种现象,即大量个体同步移动、转变方向或是改变形状时,整个群体犹如单一实体一般连贯地移动。它体现在许多生物或非生物群体的行为中,例如迁徙中的候鸟,会按照固定队形编成队列,为了在长途跋涉中尽量减少个体的能量消耗;又如海洋中的鱼群,在觅食或游动时会以群体为单位行动,以混淆捕食者和分散个体所遭遇风险1,2。群体运动的机理在过去几十年中已经由统计物理学给出解释,简单来讲是由大量相似单元的互相作用而产生3。由 REYNOLDS4于 1987 年提出的Boid 模型或许是最早广为人知的、在计算机上模拟的群体运动模型;另有 VICSEK3提出一种统计物理类型的群集模型,添加扰动以研究群体运动不同的状态;COUZIN 等5-6在 REYNOLDS 的 Boid 模型进一步优化细节,为 3 条规则划分了具体的区域边界。有实验证明 3 个区域大小的变化会导致鱼群出现不同的状态。过去十几年有不少学者都以 Boid 模型为基础进行研究,包括对模型进行扩展优化7-8,提出拓扑距离增强群体凝聚力9,对原理进行更进一步的探索10-11,探讨领导者存在及其功能12。Boid 模型在模拟鸟群或鱼群上有良好的表现。捕食者与猎物鱼群的交互是生物系统巧妙平衡的体现,有研究推测验证了这一系统的平衡有界性2,即保证鱼群不会数量骤减也保证捕食者不会因食物不足而消失。在捕食者如何攻击鱼群的研究上,一些研究者着重于研究鱼群受攻击时的形态变化,在计算机中模拟并揭示了鱼群受攻击前、过程中和受攻击后的不同群体状态13;另一类发表的研究方法是在观察真实捕猎行为时记录每条鱼的位置信息,然后在计算机中重现用以计算速度、方向等数据,用以探究捕食者和鱼群真实的行为方式14-16。前者的研究方法着重于形态研究,并未涉及到行为产生的原因,后者的研究更加贴近于真实,然而若是推广到大数量鱼群则所需计算量巨大。故本文更倾向于在模拟环境中进行可能的行为理论猜想与验证。NISHIMURA17是率先在模拟环境中研究捕食者目标选择策略的学者,他提出使用 3 种不同方法给群体内个体分配优先数,一段时间内优先数最大的个体被选定为目标,根据结果评判方法的优劣;之后 DEMAR 等1也发表了相关方面的研究,与NISHIMURA 的不同之处在于使用模糊规则和以视觉感知建立目标选择模型。NISHIMURA17和 DEMAR1两位学者的实验结果分别是通过单位时间内捕获猎物的平均数量和 收稿日期:2022-03-31;修回日期:2022-07-13 基金项目:国家自然科学基金资助项目(41776142)Foundation:National Natural Science Foundation of China,No.41776142 作者简介:杨蒙召(1980),男,河南平顶山人,博士,讲师,主要从事人工智能、图形图像等研究,E-mail:;袁红春(1971),通信作者,E-mail: 192 海洋科学/2022 年/第 46 卷/第 12 期 捕获单个猎物的平均时间来判断策略好坏,在单捕食者场景下结论可靠,然而若是在多捕食者场景下则不然。通过观察和他人实验验证得出的结论是海洋中高级捕食者往往是合作捕食,以破坏鱼群结构为阶段性目标,以此来提升整体捕获率18。作者从多捕食者合作捕食的整体效果角度出发,在单捕食者场景下以鱼群结构被影响程度作为目标策略优劣判断标准,这同时也可以为研究多捕食者目标策略做铺垫。作者首先构建鱼群行为模型,建模捕食者目标选择策略,设定鱼群的关键参数,通过不同条件下实验并分析不同策略的有效性,得出策略的优劣。1 鱼群行为模型的构建鱼群行为模型的构建 REYNOLDS4最早在计算机中实现了对鸟群的模拟,提出经典的 3 条行为规则,即近距离排斥、中距离排列和远距离吸引,当所有个体都遵循此规则运动时,模拟结果就非常贴近于真实鸟群行为,称其为博得(Boid)模型。此模型中个体行为相对简单,多个个体的行为密集相互作用形成群体,适用于其他拥有类似特性的自然生物群体,包括鱼群和陆地动物群等。本文所使用鱼群行为模型基于此模型构建。本文所使用鱼群模型的思想是将连续的时间分割为离散的时间步,当前时间步内个体与其周围不同区域内的邻居交互将决定其下一个时间步的前进方向和行进速度。此模型要求每个个体都可以访问群体内所有其他个体的位置、前进方向和速度信息,与捕食者交互时也要求获得捕食者的相关信息。COUZIN 等5为 Boid 模型的 3 条规则划分了具体的区域边界,此处给出 3 区域示意图,如图 1 所示,图 1 中 zor 表示排斥区域,zoo 表示排列区域,zoa 代表吸引区域,3 个区域互不重叠。鱼类的视觉盲区也标识在图上,为视觉可感知区域,同时鱼类的感知范围规定为视觉有效区域与 3 区域的扇形重叠部分。实验在三维虚拟环境中开展,设定鱼群中个体的数量 N(i=1,2,N),个体基本属性包括位置 ci和单位方向向量iv?,最小最大速度分别为 minSpeed和 maxSpeed。连续的时间分割为离散的时间步 t,时间间隔为,约为 0.03 s(程序画面一秒约 30 帧,一帧的时间即为)。个体下一时间步的方向向量()+?idt将由公式(1)计算得出:图 1 以个体为原点的 3 区域示意图 Fig.1 Diagram of three regions with a single individual as the origin.()()()()()()()*,roatgacap+=+iroatgacapdtDtDtDtDtDtDt?(1)公 式(1)中 的 每 一 个 子 项 都 是 系 数x与 分 向 量()+?xDt的乘积。每一个分向量都是由不同的规则与邻居、捕食者、障碍和目标点交互所产生,此处所有分向量都是原始分向量与个体当前方向向量的差向量,即()()()()*MaxSpeed+=-+?xxixdtDtdtdt,(2)经过公式(2)分解后,产生的差向量将直接作用于个体,其与个体当前行进方向的合力将会是原始分向量,若直接将原始分向量作用于个体,则会产生方向偏差。由方向向量()+?idt可以更新个体的基本属性,如公式(3)所示。()()()+=+?iiidtvtdt,()()()*iic tc t+=+?idt.(3)排斥区域规定为以个体为中心点,半径为 rr的圆形区域,此区域遵循第一条规则“近距离排斥”,意为这是个体的安全区域,若有任何其他邻居出现,则会尝试朝反方向躲避它们,这是为了维持个体间的最小距离,使用公式(4)计算排斥向量,()()()rnj i+=-?ijrijrtdtrt,(4)Marine Sciences/Vol.46,No.12/2022 193 公式(4)中()()()/jijicccc=-?ijrt,代表个体 i 到 j的单位方向向量。nr是所有出现在个体 i 的排斥区域中邻居的数量,公式(5)和(6)中的 no和 na则代表出现在排列和吸引区域的邻居数量。排列区域规定为环绕在排斥区域周围的一圈环形区域,环宽为 ro。此区域遵循第二条规则“中距离排列”,意为个体会尝试调整行进方向以对齐其他在此区域内的邻居,为了维持群体的一致连贯性,使用公式(5)计算排列向量。()()()1onj=+=?ioivtdtvt.(5)吸引区域规定为整个区域的最外圈的环形区域,环宽为 ra。此区域遵循第 3 条规则“远距离吸引”,吸引力是维持群体避免分裂的重要规则,所以此吸引力指的是其他邻居对此个体的吸引力,它会尝试靠近其他在吸引区的邻居,使用公式(6)计算吸引向量。()()()anj i+=?ijaijrtdtrt.(6)以上 3 条规则是原始 Boid 模型所包含的,然而为了模拟与捕食者或障碍交互,添加以下规则,分别是围绕目标、躲避障碍和躲避捕食者。围绕目标规则是为鱼群设定目标点,以模拟鱼群盘旋在栖息地,也是为了便于捕食者选择目标,设目标点的位置为 ctarget,使用公式(7)计算目标点向量。()targeticc+=-?tgdt.(7)其次是躲避障碍,为了避免碰撞水中的天然障碍物或是地形边界,需要转变方向,这里产生躲避障碍分量的方法是以个体为原点,以一定密度向世界坐标(世界坐标是定义物理世界的客观坐标,而以物体中心为原点,物体朝向为轴的坐标称为本地坐标)的正前方射出射线,找到和当前行进方向夹角最小的那条作为躲避障碍向量()+?acdt。躲避捕食者规则需要鱼群个体在感知到鲨鱼时,立刻朝个体与捕食者连接方向的反方向行进,设捕食者的位置为 cp使用公式(8)计算躲避捕食者向量。()picc+=-?apdt.(8)2 捕食者目标选择策略的建模捕食者目标选择策略的建模 捕食者的基本属性包括位置 cp,单位方向向量pv?,最小和最大速度分别是 minSpeedP 和 maxSpeedP,速度要比鱼群个体快。捕食者与鱼群个体的行为方式基本一致,每一个时间步的行为方向都是上一时间步的不同分向量叠加所决定的,一个物理上的区别是捕食者的体型较大,转向较为缓慢。由于数量为 1,所以不存在与同类交互的规则,故捕食者的行为规则包括躲避障碍和追踪目标。捕食者下一时间步的方向向量()+?pdt将由公式(9)计算得出,()()()*pacptg+=+?ppacptgdtDtDt,(9)公式(9)中所有方向分量也是经由公式(2)分解后的差向量。基本属性更新方式和躲避障碍规则都与鱼群模型一致,不再赘述。此处在 NISHIMURA 的基础上改进并提出 3 种可能的目标选择策略:选择最近个体、选择鱼群中心个体和选择最外围个体。已有多篇论文提出采用第一种策略的捕食者会被鱼群所混淆,第二种策略模仿捕食者攻击鱼群中心以希望捕获猎物1,第 3 种策略已有许多论文提出了与之相关的观察结果17。每种策略会根据鱼群和捕食者的位置、方向和速度分别为鱼群个体分配优先数,优先数最大的个体会被选择为目标。所选目标在一段时间内是合理的,然而随着鱼群自然游动,个体与鱼群的相对位置会发生改变,故设置时间间隔 T 以及时更换目标。策略 N:以鱼群内个体与捕食者的距离为优先数(nearest),优先函数如公式(10)所示,iippcc=-,(10)式中,ip是分配给个体 i 的优先数。策略 C:以鱼群质心为原点,个体与质心的距离为优先数(most centrical),优先函数如公式(11)所示,groupiipcc=-,(11)group11niiccN=,(12)公式(11)中,cgroup表示鱼群质心点,然而因程序设定所有个体质量相等,故质心等于中心,cgroup也为鱼群中心点,使用公式(12)计算其值。策略 P:选择最外围的目标策略(Most periphe-ral),此策略思想较为复杂,此处给出示意图(图 2)加以说明,同时优先函数如公式(13)所示,()ij ipM=-?gpggijgpcccc,