虚拟环境中大规模群体行为建模研究进展

虚拟环境中的大规模群体行为建模是虚拟现实技术的重要研究方向之一,它是提高虚拟环境沉浸感的重要支撑技术,在军方和民用领域具有重要的潜在应用价值。首先从社会学研究领域讨论了群体和群体行为的基本概念和相关理论,然后重点介绍了虚拟现实领域大规模群体行为建模的基本方法和国内外最新研究进展以及影视娱乐业中典型群体行为模型生成系统,最后在对相关研究成果分析的基础上指出了大规模群体行为建模存在的问题和今后重点关注的研究内容。

大规模群体行为仿真模型设计与实现

大规模群体行为建模是面向战争和危机研究的社会仿真的关键技术。现有的群体行为模型对小规模群体的行为动力学特性表现较成功,但对其的社会学属性表现不足。而在战争危机出现时,群体行为通常呈现出地域范围广大、数量规模巨大、时间跨度较大的特点,群体社会学特征明显。采用基于Agent的Bottom-Up的建模方式,设计了一个包含日常与危机两种状态以及三层可变粒度的大规模群体行为模型,解决了行为描述粒度的问题、行为演化的确定性随机性问题以及行为的视觉化呈现问题。

虚拟战争空间中大规模群体行为模型设计

作为虚拟战争空间中社会仿真子系统的一个极其重要组成部分,大规模群体行为模型的合理设计是构建战争虚拟空间的关键。首先阐述了虚拟现实领域中大规模群体行为建模的重要意义,指出虚拟现实的真实性不应该仅仅包括三维可视而且应该包括行为逻辑;然后介绍了虚拟战争空间中大规模群体行为建模的基本概念,建模理论以及相关研究成果,指出了群体行为的复杂性特点是大规模群体行为建模的困难所在,依据短期行为可预测及长期行为的统计可见性,结合现有社会学心理学相关研究成果,设计了一个多层次、多粒度大规模群体行为模型框架。部分已实现的子模型说明多层次的模型体系的设计不仅给实现带来方便性而且是能满足战争实验研究的需要的。

基于CUDA的大规模群体行为实时仿真并行实现及优化

群体仿真中个体从环境中查找相关对象时会导致较高的时间复杂度。要使大规模群体能够实时仿真,必须降低模型运算的时间复杂度或者提高计算平台的能力。通过对Biods模型为典型案例进行研究,提出一种基于统一计算架构(CUDA)的大规模群体行为实时仿真并行实现及优化的方法。实现中将个体与GPU逻辑线程一一对应,通过将仿真环境离散化来提高相关个体查找的效率,通过并行化基数排序法将个体信息组织成具有空间局部性的数组,提高图形处理器(GPU)内存带宽的利用率。通过实验验证了该方法将仿真个体的数量提升到CPU方法的约7.3倍。

社会大规模群体行为仿真概念建模框架ARE

任何一个仿真系统中,概念建模是首要的也是最关键的环节。针对EATI(实体、行动、任务、交互)和EBI(实体、行为、交互)概念建模框架在社会域概念描述方面的不足,为体现大规模社会民众群体行为的涌现性特征,将实体和行为有机结合起来用主体Agent进行描述,并采用复杂网络的有关研究成果建立Agent之间的社会结构——社会关系网络,以及突出强调环境对行为的影响和制约作用,用智能环境的思想来简化行为描述的复杂度,提出了大规模社会群体行为建模的Agent、社会关系网络、智能环境(Agent Relation Environment:ARE)概念建模框架,给出了该框架所涉及的一系列概念的定义,并对框架的内容和特点进行了较为详细的阐释和探讨。

基于并行计算的大规模群体行为建模与仿真方法研究

为解决当前群体行为模型因规模扩大而导致计算量剧增的问题,采用并行离散事件方法构建了大规模群体行为模型,利用YH-SUPE仿真引擎实现了群体行为模型的并行计算。重点介绍了模型中仿真对象和仿真对象信息交互的设计方法,并对该模型在不同数量的节点和仿真实体的环境下进行了测试。实验结果表明,将并行计算引入群体行为建模之中,可以显著提高仿真个体的数量,更加有效地支持了群体模型的实时运行。