战斗行为情绪机制

doi:10.3778/j.issn.1002-8331.2009.18.008

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (18): 28-31.DOI: 10.3778/j.issn.1002-8331.2009.18.008

战斗行为情绪机制

张国锋¹,李祖枢^1,2

1.重庆大学智能自动化研究所，重庆 400030
2.重庆工学院人工智能系统研究所，重庆 400050

收稿日期:2009-01-13 修回日期:2009-03-26 出版日期:2009-06-21 发布日期:2009-06-21
通讯作者: 张国锋

Emotion mechanism of fight behavior

ZHANG Guo-feng¹,LI Zu-shu^1,2

1.Institute of Intelligent Automation，Chongqing University，Chongqing 400030，China
2.Institute of Artificial Intelligence，Institute of Chongqing Technology，Chongqing 400050，China

Received:2009-01-13 Revised:2009-03-26 Online:2009-06-21 Published:2009-06-21
Contact: ZHANG Guo-feng

摘要/Abstract

摘要： 应用情绪行为选择机制，以Dom World机制为基础，建立基于情绪的竞争行为机制，揭示前期竞争结果以情绪方式影响后续行为。借用Dom World实验设计方法和数据，运用人工生命Swarm软件平台进行仿真实验。仿真结果以人工社会典型特征－自组织（涌现）过程的实现为核心，证明了所建立机制的正确性。应用ADI、Netto方法评估分析两种机制的仿真结果，证明情绪机制优于Dom World机制。进一步，将反馈和无反馈情绪机制的仿真结果进行比较分析，揭示反馈机制增加了战斗强度，使得达尔文关于情绪机制加速自然选择过程的论断得到证明。

关键词: 情绪, 战斗行为, 机制

Abstract: Applying emotion behavior selection mechanism to Dom World fight mode，a fight behavior mechanism based on emotion is built to discover that the results of a former fight influence，in emotion pattern，the decision and achievement of a letter fight.On Swarm soft platform of artificial life，consulting to the design and data of Dom Word simulation，a simulation of present mechanism has been conducted.The results of the simulation confirm the present mechanism，centering on the exhibition of self-organization（emergence），classical character of artificial society.Adopting ADI and Netto to evaluate the stimulation results of these two mechanisms，it proves that the present excels Dom World mode.And more，by comparing and analyzing the results of simulations including and excluding feedback emotion，it’s found that feedback mechanism increases the intensity of fight，which supports Darwin’s remark that emotion speed up the natural selection.

Key words: emotion, fight behavior, mechanism

张国锋¹,李祖枢^1,2. 战斗行为情绪机制[J]. 计算机工程与应用, 2009, 45(18): 28-31.

ZHANG Guo-feng¹,LI Zu-shu^1,2. Emotion mechanism of fight behavior[J]. Computer Engineering and Applications, 2009, 45(18): 28-31.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	杨春霞，李欣栩，吴佳君，刘天宇. 基于注意力交互机制的层次网络情感分类[J]. 计算机工程与应用, 2021, 57(9): 134-139.
[3]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[4]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[5]	赵圆丽，梁志剑. 基于异核卷积双注意机制的立场检测研究[J]. 计算机工程与应用, 2021, 57(8): 119-125.
[6]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[7]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[8]	陈伟，徐云. 基于文献挖掘的生物实体关系提取研究[J]. 计算机工程与应用, 2021, 57(7): 115-120.
[9]	杨倩，顾磊. 基于去噪字词联合模型的中文命名实体识别[J]. 计算机工程与应用, 2021, 57(7): 151-157.
[10]	杨波，陶青川，董沛君. 改进Deeplab v3+网络的手术器械分割方法[J]. 计算机工程与应用, 2021, 57(7): 222-227.
[11]	黄金杰，蔺江全，何勇军，何瑾洁，王雅君. 局部语义与上下文关系的中文短文本分类算法[J]. 计算机工程与应用, 2021, 57(6): 94-100.
[12]	张睿，吴伯雄，张丽园，张博. 复杂场景下行人轨迹预测方法[J]. 计算机工程与应用, 2021, 57(6): 138-143.
[13]	魏玮，杨茹，朱叶. 改进CenterNet的遥感图像目标检测[J]. 计算机工程与应用, 2021, 57(6): 191-199.
[14]	徐建国，刘泳慧，刘梦凡. 基于BILSTM-CRF的高校政策语义角色标注研究[J]. 计算机工程与应用, 2021, 57(6): 207-211.
[15]	张倩玉，严冬梅，韩佳彤. 结合深度学习和分解算法的股票价格预测研究[J]. 计算机工程与应用, 2021, 57(5): 56-64.

战斗行为情绪机制

Emotion mechanism of fight behavior

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics