CN108595812B - 一种基于agent植被分布快速生成建模仿真方法 - Google Patents

一种基于agent植被分布快速生成建模仿真方法 Download PDF

Info

Publication number
CN108595812B
CN108595812B CN201810343998.3A CN201810343998A CN108595812B CN 108595812 B CN108595812 B CN 108595812B CN 201810343998 A CN201810343998 A CN 201810343998A CN 108595812 B CN108595812 B CN 108595812B
Authority
CN
China
Prior art keywords
plants
plant
calculating
repulsive force
vegetation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810343998.3A
Other languages
English (en)
Other versions
CN108595812A (zh
Inventor
屈洪春
宋卫贞
姚献慧
唐晓铭
王平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201810343998.3A priority Critical patent/CN108595812B/zh
Publication of CN108595812A publication Critical patent/CN108595812A/zh
Application granted granted Critical
Publication of CN108595812B publication Critical patent/CN108595812B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Cultivation Of Plants (AREA)
  • Breeding Of Plants And Reproduction By Means Of Culturing (AREA)

Abstract

本发明涉及一种基于agent植被分布快速生成建模仿真方法，属于计算机仿真领域。该方法包括步骤为：S1：计算植物的驱动力，驱动力是由元胞位置决定的，不随着时间而变化；S2：计算植物所受到动力，分别为8个方向能够吸收到营养的最大范围内其它植物对其的排斥力以及群落边界对其的排斥力；S3：根据动力计算植物的转移概率；S4：冲突消除；S5：位置更新。本发明可以快速生成各种典型植被空间分布，相比于基于植物生长机理的生长方式，要快很多。

Description

一种基于agent植被分布快速生成建模仿真方法
技术领域
本发明属于计算机仿真领域，涉及一种基于agent植被分布快速生成建模仿真方法。
背景技术
我国对植被生态学建模仿真的研究相比于国外起步较晚，现在还处于初级阶段，这主要是由于该类模型的实现需要多个学科知识，比如需要开发者应同时精通计算机软件编程和植被生态学基础知识两部分内容才能实现植被空间分布建模仿真。
目前，主要是以基于植被真实的生长机理模拟植被生长功能，但是这种方式模拟的植物生长速度比较慢。
发明内容
有鉴于此，本发明的目的在于提供一种基于agent植被分布快速生成建模仿真方法，快速生成各种典型植被空间分布模式。
为达到上述目的，本发明提供如下技术方案：
一种基于agent植被分布快速生成建模仿真方法，该方法包括以下步骤：
S1：计算植物的驱动力，驱动力是由元胞位置决定的，不随着时间而变化；
S2：计算植物所受到动力，分别为8个方向能够吸收到营养的最大范围内其它植物对其的排斥力以及群落边界对其的排斥力；
S3：根据动力计算植物的转移概率；
S4：冲突消除规则；若有两个或两个以上的植物在下一个时间步选择同一个目标元胞，则以概率u随机选择其中一个植物生长到该目标元胞，其它植物则保持在原位置不动，以概率1-u，所有植物保持在原位置不动；
S5：位置更新；采用并行更新规则，根据转移概率和冲突消解规则在每一时间步同时对所有植物进行位置更新。
进一步，所述植物的驱动力是表示肥沃土壤对植物的吸引力，表现植物以期望的速度生长到肥沃土壤；距离目标元胞越近和土壤越肥沃对植物的吸引力越大。
进一步，所述其它植物对其的排斥力随着植物与边界障碍物的距离增大而减小。
进一步，所述群落边界对其的排斥力取决于植物之间的距离，随着距离增大而减小。
进一步，所述冲突消解规则为：当两个植物同时竞争一个适合生长的位置时，就需要冲突消解，采用的规则是一旦其中一个植物在这个位置生长出来植物，其它植物就不能够在这个地方进行生长。
本发明的有益效果在于：本发明可以快速生成各种典型植被空间分布，相比于基于植物生长机理的生长方式，要快很多。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为本发明流程图。
具体实施方式
下面将结合附图，对本发明的优选实施例进行详细的描述。
图1为本发明流程图，包括以下步骤：
S1：计算植物的驱动力，驱动力是由元胞位置决定的，不随着时间而变化；
S2：计算植物所受到动力，分别为8个方向能够吸收到营养的最大范围内其它植物对其的排斥力以及群落边界对其的排斥力；
S3：根据动力计算植物的转移概率；
S4：冲突消除规则；若有两个或两个以上的植物在下一个时间步选择同一个目标元胞，则以概率u随机选择其中一个植物生长到该目标元胞，其它植物则保持在原位置不动，以概率1-u，所有植物保持在原位置不动；
S5：位置更新；采用并行更新规则，根据转移概率和冲突消解规则在每一时间步同时对所有植物进行位置更新。
(1)空间直观各类植被分布建模思路
大尺度空间直观植被分布模型是将热带雨林，草原等典型植被模式进行建模仿真。在这个模型中，通过设定群落边界的扩展规则来表现群落的宏观运动规律及群落边界的相关特征。比如植被群落扩展，当植被群落遇到障碍物(石头、另一个群落的边界)时停止扩展，并向没有障碍物的其它方向进行生长扩展一直到完成整个植物群落的模拟。空间直观植被分布模型由群落扩展边界、植物和局部作用规则组成，同时还需要定义虚拟系统中整个区域边界条件。各类典型植被空间分布模型的核心在于构建合理的边界生长规则描述群落与群落之间的关系以及群落与植物、区域边界的关系等，从而模拟出各类典型的空间直观植被分布。
本申请的植被空间分布模型具有规则简单、并行化处理各个群落生长速度，且计算机运算效率高等优点。在群落边界生长过程中以复杂系统理论为基础，并抽象概括出自然界中植被空间分布的形成因素，进而实现大尺度下各种典型植被空间分布的算法
(2)大尺度空间直观各类植被分布模型构建
首先，计算各种复杂的生态动力：
(a)植物驱动力
植物驱动力是表示肥沃土壤对植物的吸引力，表现植物以期望的速度生长到肥沃土壤。距离目标元胞越近和土壤越肥沃对植物的吸引力越大。
(b)群落边界排斥力
植物群落在生长过程中一般希望与区域边界或石头等障碍物保持一定的距离，从而假定植物在生长过程中会受到边界或石头等障碍物对它的排斥力，并认为排斥力随着两者间距离的增大而减小。
(c)植物间的排斥力
植物群落在生长过程中试图与其它群落的植物保持一定的距离。在系统动力学模型中，通常用排斥力来表现这种情况。植物间的排斥力类似于植物与边界之间的作用，它取决于植物之间的距离，随着距离增大而减小。
然后，基于各种生态力实施规则如下：
(a)将温度、水、PH值、光照强度数据归一化，分别给予不同的权重，用欧几里得距离计算，并将它们的值汇总，制作成热力模式图，生成植物生长灵敏度分析时需要的数据。
(b)生长方向：因为克隆性植被生长方向是任意的，所以在模型中，植被的生长方向为该母体周围的8个方向，也就是任意方向
(c)生长规则：依据汇总的数据作为生长时所依据的重要参考，当数据较小时，规定这个位置可能不适合生长，即以一定的概率在这个位置进行生长。
(d)冲突消解：当植物与周围的植物同时进行生长时，可能会遇到，两个植物同时竞争一个适合生长的位置，这时就需要冲突消解，采用的规则是一旦其中一个植物在这个位置生长出来植物，其它植物就不能够在这个地方进行生长。
(e)植被边界空间竞争：一旦以该植物为母体生长出来的植物斑块(也就是通过克隆产生的生长片区)遇到另一植物生长出来的斑块，边界相遇时，就停止这两个植物继续生长。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (1)

1.一种基于agent植被分布快速生成建模仿真方法，其特征在于：该方法包括以下步骤：
S1：计算植物的驱动力，驱动力是由元胞位置决定的，不随着时间而变化；
S2：计算植物所受到动力，分别为8个方向能够吸收到营养的最大范围内其它植物对其的排斥力以及群落边界对其的排斥力；
S3：根据动力计算植物的转移概率；
S4：冲突消除规则；若有两个或两个以上的植物在下一个时间步选择同一个目标元胞，则以概率u随机选择其中一个植物生长到该目标元胞，其它植物则保持在原位置不动，以概率1-u，所有植物保持在原位置不动；
S5：位置更新；采用并行更新规则，根据转移概率和冲突消解规则在每一时间步同时对所有植物进行位置更新；
所述植物的驱动力是表示肥沃土壤对植物的吸引力，表现植物以期望的速度生长到肥沃土壤；距离目标元胞越近和土壤越肥沃对植物的吸引力越大；
所述其它植物对其的排斥力随着植物与边界障碍物的距离增大而减小；
所述群落边界对其的排斥力取决于植物之间的距离，随着距离增大而减小；
所述冲突消解规则为：当两个植物同时竞争一个适合生长的位置时，就需要冲突消解，采用的规则是一旦其中一个植物在这个位置生长出来植物，其它植物就不能够在这个地方进行生长。
CN201810343998.3A 2018-04-17 2018-04-17 一种基于agent植被分布快速生成建模仿真方法 Active CN108595812B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810343998.3A CN108595812B (zh) 2018-04-17 2018-04-17 一种基于agent植被分布快速生成建模仿真方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810343998.3A CN108595812B (zh) 2018-04-17 2018-04-17 一种基于agent植被分布快速生成建模仿真方法

Publications (2)

Publication Number Publication Date
CN108595812A CN108595812A (zh) 2018-09-28
CN108595812B true CN108595812B (zh) 2022-02-15

Family

ID=63622902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810343998.3A Active CN108595812B (zh) 2018-04-17 2018-04-17 一种基于agent植被分布快速生成建模仿真方法

Country Status (1)

Country Link
CN (1) CN108595812B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104361178A (zh) * 2014-11-20 2015-02-18 湖北工业大学 一种基于势能驱动元胞蚁群算法的室内疏散仿真优化方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496077B (zh) * 2011-12-06 2015-08-19 北京林业大学 林业有害生物灾害预测系统和方法
CN103914591B (zh) * 2014-03-19 2017-01-18 北京农业信息技术研究中心 一种甘蔗种植3d交互虚拟教学实训系统及其建模方法
CN105808852A (zh) * 2016-03-09 2016-07-27 清华大学 一种基于元胞自动机的室内行人微观仿真方法
CN107317705B (zh) * 2017-06-22 2020-11-24 重庆邮电大学 一种基于Agent感知区域的有限乐观并行仿真同步方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104361178A (zh) * 2014-11-20 2015-02-18 湖北工业大学 一种基于势能驱动元胞蚁群算法的室内疏散仿真优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Orange tree simulation under heterogeneous environment using agent-based model ORASIM;HongchunQu等;《Simulation Modelling Practice and Theory》;20120430;第23卷;19-35 *

Also Published As

Publication number Publication date
CN108595812A (zh) 2018-09-28

Similar Documents

Publication Publication Date Title
CN107037853B (zh) 一种用于光伏电池的mppt控制方法
CN106485314A (zh) 一种基于自适应高斯变异的花朵授粉算法的优化方法
Gao An improved hybrid group intelligent algorithm based on artificial bee colony and particle swarm optimization
CN110110380B (zh) 一种压电执行器迟滞非线性建模方法及应用
CN112670984A (zh) 一种基于改进鲸鱼算法的电力系统经济负荷分配方法
CN104616072B (zh) 一种基于区间优化的提高谷氨酸发酵产物浓度的方法
CN115866621B (zh) 一种基于鲸鱼算法的无线传感器网络覆盖方法
Alsweis et al. Modeling and visualization of symmetric and asymmetric plant competition
CN114995390A (zh) 一种基于动态自适应参数调整的蜉蝣算法的移动机器人路径规划方法
CN114859734A (zh) 一种基于改进sac算法的温室环境参数优化决策方法
CN108595812B (zh) 一种基于agent植被分布快速生成建模仿真方法
CN106786499A (zh) 基于改进afsa优化elm的短期风电功率预测方法
CN115542912B (zh) 一种基于改进Q-learning算法的移动机器人路径规划方法
CN107315902A (zh) 基于维度区分的团队进步算法改进方案
CN116542385A (zh) 一种针对风、光功率预测的集成学习方法及系统
Zhan Research on path planning method of humanoid robot based on improved genetic algorithm
CN109359671A (zh) 一种水电站水库调度规则的分类智能提取方法
CN105069192B (zh) 一种基于遗传算法求解风机功率曲线参数模型的改进方法
CN104566797A (zh) 中央空调冷却塔风机频率控制方法
CN114819473A (zh) 一种受寒潮影响的区域风电等效风资源计算方法及装置
Li Deep reinforcement learning on wind power optimization
Lei et al. Complex optimization problems using highly efficient particle swarm optimizer
CN110932334A (zh) 一种带约束多目标优化风电场功率控制方法
CN111931427A (zh) 一种配电网负荷建模中感应电机模型参数确定方法
Alsweis et al. Efficient simulation of vegetation using light and nutrition competition.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant