智能生命随意性行为模型

D0I:10.13374/j.issn1001-053x.2004.06.050 第26卷第6期 北京科技大学学报 Vol.26 No.6 2004年12月 Journal of University of Science and Technology Beijing Dec.2004 智能生命随意性行为模型 艾冬梅”班晓娟)尹怡欣) 曾广平) 1)北京科技大学应用学院，北京1000832)北京科技大学信息工程学院，北京100083 3)清华大学智能技术与系统国家重点实验室，北京100084 摘要将人工生命与人工智能相结合，并应用于计算机动画的研究.在用人工生命方法生 成的计算机动画中，智能生命在虚拟环境中的行为有程序员事先设定好的预定义行为，同时 也有随机出现的随意性行为.以人工鱼为例，建立了智能生命随意性行为的认知模型，并利 用子集搜索等技术提高搜索效率，仿真结果表明，利用认知模型，智能生命可以较好地处理 某些随机事件. 关键词智能生命：人工鱼：随意性行为：预定义行为：认知模型：情景树 分类号TP18 “晓媛的鱼”.是完全自主的动画，动画师 忍的鲨鱼：如果在背景中加一些礁石，那么小“人 只给出一定的初始条件，而人们往往希望在动画 工鱼”可以利用礁石来躲避鲨鱼，这其中涉及随 的执行过程中指导人工动物的行为.本文在“晓 意性行为.随意性的行为不容易控制.为了实现 媛的鱼”的基础上，通过认知建模方法，使计算机 人为控制，采取一种折中方法，即将领域知识和 图形学与人工智能、人工生命相结合，使人工鱼 人的指导赋予人工鱼，使人工鱼主动地向人们希 的行为符合动物逻辑 望它达到的目标发展，可由下式表示： 认知建模方法倒发展了人工智能方法，使它 知识+指导→行为 (1) 适用于创建聪明自主的智能体一具有认知能 其次，动画角色与其所在的虚拟世界是一个复杂 力的自激发的角色，使智能生命一人工鱼的行 的统一体.其中包括角色与环境的关系，角色与 为遵循鱼的自然生理规律 其他角色的关系等，但是，影响人工鱼当前行动 的因素并不是整个虚拟世界.例如，处于饥饿状 1人工鱼认知模型的特点 态而又没有其他外界干扰（如被大鱼追捕）的人 作为计算机动画中的角色，人工鱼的行为有 工鱼当前感兴趣的只是食物.所以，我们认为人 其独特性啊.首先，在计算机动画中，人工动物的 工鱼的认知模型是角色对其虚拟世界的一种内 行为可分为两种：一种是“确定性的”或“预定义 部简化模型. 的”行为.建立预定义行为的认知模型比较简单， 只要将事先定义好的人工鱼所在环境的领域知 2随意性行为模型的设计 识赋予人工鱼系统，人工鱼就可以根据要求采取 某种行动.但另一种行为是“随意性的”，带有随 除了预定义行为外，生活在虚拟海洋世界中 机性.例如，在虚拟海底世界中，饥饿的鲨鱼要吃 的人工鱼经常会遇到一些不确定的情况.对于这 掉小“人工鱼”，小“人工鱼”必须设法逃避，这是 些随意性行为，本文采取的办法是：在人工鱼感 预定义行为.如果没有足够大的障碍物或礁石可 知聚焦器的基础上，加入对动画角色的指导， 以躲避，小“人工鱼”只能尽可能快和远地逃离残 2.1对动画角色的指导 收稿日期2004-02-23艾冬梅女，36岁，高工，硕士 依据随意性行为的选择，无论人工鱼什么时 *国家自然科学基金资助项目(No.60374032,60375038:清华 候选择行动，它都要记得所有它能够作出的其他 大学智能技术与系统国家重点实验室开放课题No.0109) 选择.当人工鱼考虑了某个行动方案后，如果它

第 卷 第2 6 期 6 年2 0 04 月 12 北 京 科 技 大 学 学 报 J o u rn a l o U f n vi e rs tiy o f s e i e e e n a n ’ e d l c h n 0 I 0 g y B e 恤 ji g V b L o26 N . 6 e e D . 2 0 0 4 智能生命随意性行 为模型 艾冬梅 ` , 班 晓娟 ’ ,3) 尹 怡 欣 ” 曾广平 2 , 1)北 京科技 大 学应 用学 院 , 北京 10 00 83 2 )北 京科技大学 信息 工程 学院 , 北京 10 0 0 83 3) 清 华大 学智 能技术 与系 统 国家重 点实 验室 , 北 京 10 0 0 84 摘 要 将 人 工生 命与 人工 智 能相 结合 , 并应 用于 计算 机动 画 的研 究 . 在 用人 工生 命方 法 生 成 的计算 机动 画 中 , 智 能生 命在 虚拟 环境 中的行 为有 程序 员事 先设 定好 的预 定义 行 为 , 同时 也有 随机 出现 的 随意 性行 为 . 以人工鱼 为例 , 建 立 了智 能生 命 随意性 行 为的认 知模 型 , 并 利 用 子集搜 索 等技 术提 高搜 索 效率 . 仿真 结 果表 明 , 利用 认知 模 型 , 智 能生 命可 以较 好地 处 理 某些 随机 事 件 . 关键 词 智能生 命 ; 人 工 鱼 ; 随意性 行 为 : 预 定义 行 为 ; 认知 模 型 ; 情 景树 分 类号 即 18 “ 晓媛 的鱼 ” 「, · ” 是 完 全 自主 的 动画 , 动 画 师 只给 出一定 的初 始 条件 , 而 人们 往 往希 望在 动 画 的执 行 过 程 中指 导 人 工动物 的行 为 . 本文 在 “ 晓 媛 的鱼 ” 的基 础 上 , 通过 认 知建 模方 法 , 使计 算机 图 形学 与 人 工智 能 、 人 工生命 相 结 合 , 使 人 工鱼 的行 为符合动 物 逻 辑 . 认知 建 模方 法 `3 ,发 展 了人 工 智 能方 法 , 使 它 适用 于 创 建聪 明 自主 的智 能体— 具 有 认 知 能 力 的 自激发 的角 色 , 使 智 能生 命 — 人 工鱼 的行 为遵 循 鱼 的 自然 生 理规 律 “ , , 1 人工 鱼 认 知模型 的特 点 作 为计 算 机 动 画 中的角 色 , 人 工 鱼 的行 为有 其独 特性 ` 5,61 . 首 先 , 在计 算机 动 画 中 , 人工 动 物 的 行 为可 分 为两种 : 一种 是 “ 确 定性 的 ” 或 “ 预 定义 的 ” 行为 . 建 立预 定义 行 为 的认知 模型 比较 简单 , 只要 将 事 先 定 义 好 的人 工 鱼 所 在 环 境 的领 域 知 识赋 予人 工鱼 系 统 , 人工 鱼 就可 以根 据要 求 采取 某 种 行 动 . 但 另 一 种行 为 是 “ 随 意性 的 ” , 带有 随 机性 . 例 如 , 在虚 拟海 底世 界 中 , 饥饿 的鳖鱼 要吃 掉小 “ 人工 鱼 ” , 小 “ 人 工鱼 ” 必 须 设法 逃 避 , 这 是 预定 义行 为 . 如 果没 有足 够 大 的障碍 物或 礁 石可 以躲避 , 小“ 人工 鱼 ” 只 能尽 可 能快和 远地 逃 离残 收稿 日 期 2 0 4 一 0 2一3 艾 冬梅 女 , 36 岁 , 高 工 , 硕士 * 国家 自然科 学基金 资助 项 目(N 0 . 6 0 3 7 4 0 3 2 , 6 0 3 7 5 0 3 8 ) ; 清 华 大学 智能技术与 系统 国家重 点实 验室 开放 课题 (N 认01 0 9) 忍 的 鳌鱼 ; 如 果在背 景 中加 一些 礁 石 , 那 么 小 “ 人 工 鱼 ” 可 以利用 礁 石 来躲 避 鳖鱼 , 这 其 中涉及 随 意 性行 为 . 随 意性 的行 为不 容 易控制 . 为 了实 现 人 为 控制 , 采 取一 种 折 中方 法 , 即将 领域 知 识 和 人 的指 导赋 予 人工 鱼 , 使 人工鱼 主 动地 向人们 希 望 它 达 到 的 目标 发 展 , 可 由下式 表 示 : 知识 十指 导 冷 行 为 ( l) 其 次 , 动 画角色 与其 所 在 的虚拟 世 界是 一个 复 杂 的 统 一体 . 其 中包 括角 色 与 环境 的关系 , 角 色 与 其他 角色 的 关系 等 . 但 是 , 影 响人 工 鱼 当前 行 动 的 因素 并 不是 整 个虚 拟 世 界 . 例 如 , 处于 饥 饿状 态 而又 没 有其 他 外 界干 扰 ( 如被 大 鱼追 捕) 的 人 工鱼 当前 感兴 趣 的只 是 食物 . 所 以 , 我 们 认 为人 工 鱼 的 认知 模 型 是 角 色对 其 虚 拟 世 界 的 一种 内 部简 化 模 型 . 2 随意 性 行 为模型 的设 计 除 了预定 义 行 为外 , 生活在 虚 拟海 洋 世 界 中 的人 工鱼 经 常会 遇 到一些 不确 定 的情 况 . 对 于这 些 随 意 性行 为 , 本文 采 取 的办 法 是 : 在 人 工鱼 感 知聚 焦 器 的基 础 上 , 加 入对 动 画 角色 的指 导 . .2 1 对 动 画 角色 的指 导 依 据 随意 性 行 为的选 择 , 无 论 人 工鱼什 么时 候 选 择行 动 , 它 都要 记得 所有 它 能够 作 出的其 他 选 择 . 当 人工 鱼 考虑 了某个 行 动方 案 后 , 如 果 它 DOI: 10. 13374 /j . issn1001 -053x. 2004. 06. 050

Vol.26N0.6 艾冬梅等：智能生命随意性行为模型 671· 意识到此方案不能达到期望的输出时，则可以返 前一次行动结果决定.目标状态是一种情景，此 回重新考虑其他可用方案，使得从其他选择中得 时目标流(g0al)的值为真.如果目标匹配，那么状 到想要的结果，人工鱼的这种选择完全是自由 态是一个目标状态，通常，并不保证每一个目标 的，直到找到一个合适的行动序列. 状态完全存在.如果目标状态存在，那么任何完 对可以按随意性方式行动的人工鱼，比较容 成目标的行动序列就称为一个计划 易接受指导，但响应时间比较慢，将目标提供给 (2)对情景树的子集进行搜索. 人工鱼，告诉它满意结果的组成内容，人工鱼因 对预定义行为，无须进行任何搜索就可以达 此能够利用自己的领域知识，勾画出自己所选择 到目标，仅简单地依据指令完成任务.因此，对于 的行动序列是否能够达到目标要求， 一个给出的输入集，通过情景树的路径就事先被 本研究考虑的第三个可能性是在预定义的 确定了.对于随意性行为，我们可以采用广度优 行动和面向目标的行动之间的某些折中方案.引 先搜索和深度优先搜索或限定深度优先搜索等 入复杂行动的概念，用于解释它们如何能够用于 搜索情景树，但由于情景树的复杂性，系统开销 提供目标以及规划完成目标的计划， 将是巨大的则 2.2面向目标的行为 我们提出一个问题：要求角色在程序运行时 描述面向目标行为的第一步是引出定义认 完全自己处理工作，和要求程序员在设计程序时 知角色目标的方法，例如，人工鱼的目标是产卵： 做所有的工作之间是否存在中间地带.特别地， goal(s')→Layeggs(s) 考虑这样的情况：一方面有预先确定的行为对应 显然，人工鱼在任何情况s下，都将完成产卵的 一条穿过情景树的单一路径，另一方面又有面向 任务，因为产卵的目标gol(s)为真.任何状态可 目标的行为对应于搜索整个树，显然，中间地带 能是初始状态s或是其他状态s=do(a,,do 就是搜索树的某个子集，将那些证明是没有满足 (a,so),).如果目标不为真，那么人工鱼必须搜 行动条件的分支整枝的剪去，例如，给人工鱼一 索一个行动序列a,…,a1来完成目标： 个启发，使得人工鱼注意预定义的行动群， goal(do(a,…,do(a,sa)…》 注意，这个中间地带在技术上仍然是面向目 (1)情景树. 标的行为.但在随意性行为的容许范围内也进行 为了说明人工鱼如何能够自动得到完成目 确定性的控制.仅在这种限制下，当我们把所有 标的行动序列，引入情景树一可以将行动和影 随意性行为全部排除后，剩下的行为就是预定义 响看成是描述未来可能状态的树，树根是初始状 行为 态5.树的每个分支是一个行动，每一个节点是 (3)人工鱼的随意性行动框架. 一个状态.图1显示一个有n个行动ao,a,,a1 希望提供给人工鱼一个行动框架计划，然后 的树. 由人工鱼自己来填充余下的部分，这样，人工鱼 每个节点流（随时间变化的领域特征）的值由 可以利用计划方法完成复杂行动， 以交配和产卵为例，说明经过裁减的情景树 -Good (s) 的行动序列.在没有意外的情况下，人工鱼执行 -Redcame(s) -Mating (s) 预定义行为，一且有意外发生，如出现了鲨鱼等 5=56 捕食者，将导致人工鱼去处理更紧急的事情，为 redcome becomegood 了表现这种随意性行为，引入以下两种方法. 方法一：在推理策略中，为流设置优先级，假 -Good (s) Good (s) Redcame(s) Redcame (s) 定逃跑的优先级最高，内部状态次之，最后是外 -Mating (s) -Mating (s) s-do(redcome,so) s=do(becomegood,so) 部状态，在不完全匹配的状态下，首先执行优先 级高的行动 方法二：赋予人工鱼脑一个堆栈，记住当前 状态和必要的认知流，一旦危机解除后，从堆栈 图1一个例子的情景树 中弹出状态信息，进行评估.根据评估的结果采 Fig.1 Situation tree of a example 取行动，继续进行没有完成的目标或进行其他活

Vbl . 2 6 N 0 . 6 艾冬 梅等 : 智能生 命随 意性 行为模 型 意识 到此 方案不 能达 到期 望 的输 出时 , 则可 以返 回重 新考 虑其他 可用 方案 , 使得从 其他 选择 中得 到想 要 的 结果 , 人 工鱼 的 这种 选 择完 全 是 自由 的 , 直 到找 到一 个合 适 的行 动序 列 . 对 可 以按 随意 性方 式行 动 的人 工鱼 , 比 较容 易接 受指 导 , 但 响 应 时间 比 较 慢 , 将 目标 提 供给 人工 鱼 , 告 诉它 满 意结 果 的组 成 内容 , 人 工 鱼 因 此能够 利用 自己 的领 域知 识 , 勾画 出 自己所 选择 的行 动序 列 是否 能够 达 到 目标 要求 . 本 研 究 考 虑 的第 三个 可 能 性 是 在 预 定 义 的 行动和 面 向 目标 的行 动之 间 的某些 折 中方案 . 引 入复 杂行 动 的概 念 , 用 于解释 它们 如何 能够 用于 提供 目标 以及规 划 完成 目标 的计划 . .2 2 面 向 目标 的行 为 描 述 面 向 目标 行 为 的第 一 步 是 引 出 定 义认 知 角色 目标 的方法 . 例 如 , 人 工鱼 的 目标是产 卵 : g o a l (s , )劳 L ay e g s ( s , ) 显然 , 人 工鱼 在 任何 情况了下 , 都将 完 成产 卵 的 任 务 , 因 为产 卵 的 目标 g ao l ’(s ) 为真 . 任 何状 态 可 能是初 始 状态 s 。 或 是其 他状 态: , 二 do a( 、 , , … , do a( 。 , s0) , … ) . 如果 目标 不 为真 , 那 么 人 工 鱼 必须 搜 索 一个 行 动序 列 a 。 , … , a 、 1 来完 成 目标 : g o a l( d o ( a , , , … , d o ( a 。 , s 。 ) … ) ) ( l) 情 景树 . 为 了说 明人 工鱼 如 何 能够 自动 得 到完 成 目 标 的行动 序列 , 引入情 景树— 可 以将 行动 和 影 响看 成是 描述 未来 可 能状态 的树 , 树 根是初 始 状 态 50 . 树 的每 个分 支 是一 个行 动 , 每一 个节 点 是 一 个状 态 . 图 1 显示 一 个有 n 个 行 动 a0 , a l , … , a “ 的树 . 每个 节 点流 (随 时间变 化 的领 域特 征 ) 的值 由 图 1 一个例 子 的情景 树 F哈1 s itU a “ o n t er e o f a 翻m p l e 前 一 次行 动结 果 决定 . 目标 状态 是 一种 情 景 , 此 时 目标流 g( ao l) 的值 为真 , 如果 目标 匹 配 , 那 么 状 态 是 一个 目标 状态 . 通 常 , 并 不保 证每 一 个 目标 状 态 完全存 在 . 如果 目标 状 态存 在 , 那 么 任何 完 成 目标 的行动 序列 就 称 为一 个计 划〔乃 . (2 ) 对 情 景树 的子集 进行 搜 索 . 对预 定义 行 为 , 无须 进行 任 何搜 索就 可 以达 到 目标 , 仅 简单地 依据 指令 完成任 务 . 因此 , 对 于 一 个给 出的输入 集 , 通过 情景树 的路径 就事 先被 确 定 了 . 对 于 随意性 行 为 , 我 们可 以采 用 广度 优 先 搜 索 和深 度 优 先搜 索 或 限 定深 度 优 先 搜索 等 搜 索 情景 树 , 但 由于情 景树 的复杂 性 , 系统 开销 将 是 巨 大 的`8, ” . 我 们提 出一 个 问题 : 要 求角 色在 程 序运 行 时 完 全 自己 处理工 作 , 和要 求程序 员在设 计程 序 时 做所 有 的工 作之 间 是否 存在 中间地 带 . 特 别 地 , 考虑 这样 的情况 : 一方 面有预 先确 定 的行 为对应 一条 穿过情 景树 的单一路 径 , 另 一方 面又有 面 向 目标 的行 为对 应于搜 索 整个 树 . 显然 , 中 间地 带 就 是搜 索树 的某个 子集 , 将 那些 证 明是没 有满 足 行 动条 件 的分 支整 枝 的剪 去 . 例 如 , 给 人工 鱼 一 个 启发 , 使得 人工 鱼 注意 预 定义 的行 动 群 . 注 意 , 这个 中 间地 带在技 术 上仍 然是 面 向 目 标 的行 为 . 但在 随意 性行 为 的容 许 范 围 内也进 行 确 定性 的控制 . 仅在 这种 限制 下 , 当我们 把所 有 随意性 行 为全部排 除 后 , 剩下 的行 为就 是预 定义 行 为 . (3 ) 人 工鱼 的随意 性行 动框 架 . 希 望提 供给 人 工鱼 一个 行 动框 架计 划 , 然后 由人工 鱼 自己 来填 充 余下 的部 分 . 这 样 , 人 工 鱼 可 以利 用计 划 方法 完 成复 杂行 动 . 以交配和 产 卵为 例 , 说 明经 过裁 减 的情 景 树 的行动 序 列 . 在 没有 意 外 的情况 下 , 人工 鱼执 行 预定 义行 为 . 一旦 有意 外发 生 , 如 出现 了鳖 鱼等 捕食 者 , 将 导 致人 工鱼 去 处理 更 紧急 的事 情 . 为 了表 现 这种 随意 性 行为 , 引入 以下两种 方 法 . 方 法 一 : 在推 理 策略 中 , 为流 设 置优 先级 . 假 定逃 跑 的优先 级最 高 , 内部状 态 次 之 , 最 后是 外 部状态 . 在不 完全 匹配 的状 态 下 , 首 先执 行优 先 级 高 的行 动 . 方 法 二 : 赋予 人工 鱼脑 一 个 堆栈 , 记 住 当前 状态 和 必 要 的认 知流 , 一 旦危 机解 除 后 , 从堆 栈 中弹 出状 态信 息 , 进行 评估 . 根据 评 估 的结 果采 取行 动 , 继续进 行没 有 完成 的 目标 或进 行其他活

672 北京科技大学学报 2004年第6期 动. 降低情景树的搜索压力，首先考察行动的前提条 例如，出现鲨鱼前的状态s的情况是：Fl- 件，除去一些不必要的搜索，另外，将复杂行动分 grown (s)AGood (s)AFittercame (s)A-Mating (s), 解为多个连续的原始行动，完成复杂行动的过程 种状态表明人工鱼可以交配产卵. 就是面向目标的原始行动序列，从而，搜索的只 逃脱鲨鱼的追捕之后，当前的领域知识和内 是一个经过裁减的情景树，提高了搜索效率， 部状态s'是：Fullgrown(s)A-Good(s)AFittercame (s)A-Mating(s),即，当前人工鱼的精神状态不佳 参考文献 (-Good (s)). 】涂晓媛。人工鱼—计算机动画的人工生命方法 与从栈中弹出的状态信息相匹配，发现与状 M.北京：清华大学出版社，2001 态5的情况已不同，所以需要重新考虑下一步计 2 Tu X.Artificial Animals for Computer Animation:Biome- chanics,Locomotion,Perception,and Behavior [M). 划.这里，加入的简单推理策略是利用给流设置 Springer-Verlag,1999 的优先级，即内部状态的优先级高于外部状态. 3 Neisser U.Cognitive Psychology [M].New York:Apple- 此时的内部流是Fullgrown(s)和Good(s),即生 ton-Century-Crofts,1967 理成熟和精神状态不适合交配.则若想继续完成 4 Funge J.Al for Games and Animation:A Cognitive Mod- 指定的交配产卵的目标，新的行动计划应该是调 eling Approach [M].Massachusettts:A K Peters,Ltd. 整精神状态后，继续执行原来的框架.当然，在某 1999 些状态信息下，行动目标可能需要进行调整. 5班晓娟，艾冬梅，曾广平，等，计算机动画角色的高 级行为控制).北京科技大学学报，2004,26(5)：556 3结论 6班晓娟.人工鱼的高级行为规划和自进化方法研究 D.北京：北京科技大学，2003 在“晓媛的鱼”的基础上，建立了人工鱼随意 7 Enderton H B.A Mathematical Introduction to Logic [M] 性行为模型，通过认知建模方法，使计算机图形 New York:Academic Press,1972 学与人工智能、人工生命相结合，使人工鱼的行 8 Lin F Z,Reiter R.State constraints revisited [J].J Logic Comput,,1994,45):655 为符合动物逻辑. 9 Hebb D O.The Organization of Behavior [M].New York: 通过加入指导来完成对情景树的搜索.为了 John Wiley Sons,1999 Nondeterministic Behavior Model of Intelligent Life AI Dongmei,BAN Xiaojuan,YIN Yixin,ZENG Guangping 1)Applied Sciences School,University of Science and Technology Beijing,Beijing 100083,China 2)Information Engineering School,University of Science and Technology Beijing.Beijing 100083,China 3)State Key Laboratory for Intelligent Technology and System,Tsinghua University,Beijing 100084,China ABSTRACT Artificial life and artificial intelligence are combined and applied to computer animation.In the com- puter animation created by artificial life,some behaviors of artificial life in virtual environment are pre-defined by programmers,and some are nondeterministic arise at random.Artificial fish is researched as an example,and a cognitive model of the nondeterministic behaviors of intelligent life is presented.The subset searching mechanism is used to improve the searching efficiency.It is shown by the simulation example that with help of the cognitive model,intelligent life is capable of handling some nondeterministic events. KEY WORDS intelligence life;artificial fish;nondeterministic behavior;deterministic behavior;cognitive model; situation tree

一 6 7 2 0 0 6 . 北 京 科 技 大 学 学 报 年2第 期 4 动 . 例如 , 出现 鳖鱼 前 的状 态: 的情 况 是 : F ul l - g r o wn s( ) A oG o d s( ) A F it e er am e ( s ) A , M iat n g (s ) , 这 种状 态表 明人 工鱼 可 以交配 产 卵 . 逃脱 鳖鱼 的追捕 之 后 , 当前 的领 域 知识 和 内 部状 态’s 是 : F ul l gor wn s( ) 八 , G o d (s ) 人 F it e cr am e (s) A , M at ign (s) , 即 , 当前 人工 鱼 的 精神 状 态 不 佳 ( 一心o o d s( )) . 与从 栈 中弹 出的状 态信 息 相 匹配 , 发现 与 状 态 s 的情 况 己 不 同 , 所 以需要 重 新 考 虑下 一 步 计 划 . 这 里 , 加入 的 简单推理 策略 是 利 用给 流 设 置 的优 先 级 , 即 内部 状态 的优 先级 高 于 外部 状 态 . 此 时 的 内部流 是 F u ll gr o wn ( s ) 和 , G o o d (s ) , 即 生 理成 熟和 精 神状 态不 适 合交 配 . 则 若想 继续 完 成 指 定的交 配 产卵 的 目标 , 新 的行 动 计划 应 该是 调 整精 神状 态后 , 继续 执行 原来 的框 架 . 当然 , 在 某 些状 态信 息下 , 行动 目标 可 能需 要进行 调 整 . 降低 情景 树 的搜 索压 力 , 首 先考 察行 动 的前提条 件 , 除 去一 些不 必要 的搜 索 , 另外 , 将 复杂行 动 分 解 为多 个连 续 的原 始行 动 , 完 成复 杂行 动 的过程 就 是面 向 目标 的原 始行 动 序 列 , 从 而 , 搜 索 的 只 是 一 个经 过 裁减 的情 景树 , 提 高 了搜 索效 率 , 3 结 论 在 “ 晓媛 的鱼 ” 的基础 上 , 建 立 了人 工 鱼 随意 性 行 为模 型 . 通 过 认知 建 模 方法 , 使 计算 机 图形 学 与人 工 智 能 、 人 工生 命 相 结合 , 使 人 工鱼 的行 为 符合 动 物逻 辑 . 通 过加 入指 导 来完 成对 情 景 树 的搜 索 . 为 了 参 考 文 献 l 涂 晓媛 . 人 工鱼— 计 算机 动 画的人 工 生命方 法 【M」 · 北 京 : 清 华大 学 出版 社 , 2 0 01 2 uT X . A rt i if e i a l A n ha a l s fo r C om uP et r A n im iat o n : B i o m e - e han i e s , L o c o m ot i o n , P e r e e Pt i o n , an d B e hva i o r IM] . S P inr g -er Ve r l a g , 19 9 9 3 N e i s s e r U . C o 助i ti v e P s y c h o l o gy [M ] . N e w OY r k : A P Pl e - t o n 一 C e n t u卿 一 C or ft s , 1 9 6 7 4 Fun g e J . A l fo r G am e s an d A n im at i o n : A C o gn i ti v e M o d - e l i n g A P P r o a e h [M ] . M as s a e h u s e t s : A K P e t e sr , L t d . 19 9 9 5 班 晓娟 , 艾冬 梅 , 曾广 平 , 等 . 计算 机动 画 角色 的高 级行 为控 制 [J ] . 北 京科 技大 学学 报 , 2 0 0 4 , 2 6 ( 5 ) : 5 5 6 6 班 晓娟 . 人 工鱼 的高 级行 为规 划 和 自进 化 方法 研究 [D I , 北 京: 北 京科 技 大学 , 2 0 0 3 7 nE d e rt o n H B . A M a t h e m at i c a 11 n t r o d u e ti o n t o L o g i e IM ] . N e w Y b kr : A e a d e m i e P er s s , 1 9 7 2 8 L i n F Z , eR i t e r R . S at e e o n s t r a i n t s r ve i s iet d [J ] . J L o g i e C o m P ut , 1 9 9 4 , 4 ( 5 ) : 6 5 5 9 H e bb D O . hT e o r g a n i azt i o n o f B e h va i o r 【M ] . N e w yo kr : J o h n 诚 ley & S o n s , 1 9 9 9 N o n d e t e mr i n i s t i e B e h va i o r M o d e l o f I n t e llig e n t L ife Al D o n g 阴 e i , ), B月 N iX a ’Oj u a n , , ,气I亿y 掀in , ), Z EN G G u a n g Pi心 , l ) A P P li e d S c i en c e s S e h o l , U n i v e rs ity o f s e i e n e e an d eT e ho o l o gy B e ij ign , B e ij ign l 0() 0 83 , C h i n a 2 ) nI of n n a tion 助g in e e r m g S e h o l , U n i V ers ity o f s c ien e e an d eT c hn o l o gy B e ij in g , B e ij 吨 1 0 0 0 83 , C h i n a 3 ) S at e K 即 L ab o r a t o ry of r nI t e llig e nt eT c hn o l o g y an d S y s t e m , ST i n gh u a nU i v e rs ity , B e ij ing 10 0 0 84 , Ch in a A B S T R A C T A n i if e i a l li fe an d art iif e i a l in t e llige cn e are e o m b in e d an d a PP li e d t o e o m P u t e r an im at i o n . nI hte e o m - p u t e r an 加iat on c re ate d by art i if e i al life , s o m e b he va i or s o f art i if e ial life i n v in u a l e vn i or nm e n t ar e P er 一 d e if n e d b y p r o 歹am m e sr , an d s o m e aer n o n de t emr i n i s t i e iar s e at arn d o m . A rt iif e i a l if s h 1 5 er s e acr h e d a s an e x am Pl e , an d a e o加t iV e m o de l o f het n o n d e et mr in s it e b e h va i o sr o f iin e llig ent life 1 5 P r e s ent e d . hT e s ub s e t s e ar e h i n g m e e h an i s m 15 us e d ot lm P r 0 Ve het se aer h i n g e if c ie n c y . tI 15 s h o wn by het s im u l at ion ex 田的 p l e ht at w iht he lP of het co gn i t i v e m o d e l , 访t e lli g e in life 1 5 e aP ab l e o f h an d li n g s om e n o dn et mr iin s it e ve ent s . K E Y WO R D S i n t e lli g e cn e life : art iif e i al if s h: n o n d e t e mr i n i st i e b e h a v l or ; d et e n n in s it e bhe va i o r : e o gn iit v e m o d e l: is tL 谙 it o n tr e e