基于协同遗传程序设计算法的人群行为建模与仿真技术的研究

This project aims to develop a cooperative coevolutionary genetic programming framework for automatic crowd modeling and simulation. Specially, this project will 1) develop a genetic programming (GP) based method to automatically learn behavior rules of agents; 2) design a cooperative coevolutionary GP (CCGP) framework to optimize both behavior rules of agents and the model parameter setting; and 3) propose multi-objective CCGP to build crowd models that have different trade-offs among accuracy and generality. Finally, this project will provide novel methodologies to automate crowd modeling process and to facilitate the applications of crowd simulation. It will also open new application directions of genetic programming. We plan to publish 6-10 papers at top international journals and conferences.

本项目将研究基于协同遗传程序设计算法的自动化人群行为建模与仿真技术。具体地，本项目将：1）设计基于遗传程序设计算法的智能体行为规则自动挖掘技术；2）设计协同遗传程序设计算法同时对智能体的行为规则和模型的参数设置进行优化，从而实现产生高质量的人群行为仿真结果的目标；3）设计多目标协同遗传程序设计算法，进一步提高人群行为模型的可读性和通用性。最终，本项目的研究将为自动化人群行为建模与仿真提供有效的设计技术，促进人群行为建模与仿真在现实中的应用，同时拓展遗传程序设计算法的应用领域。本项目预期在国际权威学术期刊和会议发表学术论文6至10篇。

本项目针对现有人群行为建模方法存在建模效率低的局限性开展创新性研究，提出了一套高效的人群行为自动化设计技术方案。首先，本项目提出了基于遗传程序设计算法的行为规则自动挖掘技术，有效提高了人群行为模型的规则设计效率。其次，本项目提出了可同时优化人群行为模型参数和结构的协同进化算法框架，进一步提高了建模效率。其三，本项目提出了新型的多目标遗传编程算法，能够同时优化解的精度和解的复杂度，从而提高人群行为模型的可读性和通用性。本项目所提出的算法框架提高了人群行为建模的效率，促进人群行为建模技术的实际应用，并拓展了遗传程序设计算法的应用领域。基于上述研究，项目组共发表/录用标注了本项目基金号的国际期刊和会议论文19篇，其中IEEE Transactions系列国际期刊6篇。相关成果已申请国家发明专利2项。圆满完成了预期任务。