无需登录 数据私有 本地保存

鸟群动飞模拟 - Boyd算法可视化

16
0
0
0
FPS: -- 🐦 100
🧲 吸引模式

常见问题与知识点

Boids算法（又称Boyd算法、鸟群算法）是由Craig Reynolds于1986年提出的人工生命模拟程序，用于模拟鸟群、鱼群等群体行为。该算法通过简单的局部规则产生复杂的涌现行为（Emergent Behavior）——每只"Boid"（鸟个体）仅根据邻近同伴的状态做出反应，却能自发形成逼真的群体运动模式，如 flocking、swarming 和 herding。它是群体智能（Swarm Intelligence）和计算机动画领域的经典算法。

① 分离（Separation）：避免与邻近同伴发生碰撞，每只鸟会远离过于靠近的同伴。这保证了群体不会挤成一团。
② 对齐（Alignment）：与邻近同伴的平均飞行方向保持一致。这使群体成员朝向大致相同的方向移动。
③ 凝聚（Cohesion）：向邻近同伴的平均位置靠拢。这使群体保持聚集，不会四散飞离。
三条规则通过加权叠加，共同决定了每只鸟的加速度，从而产生自然流畅的群体运动。

电影与游戏：用于生成逼真的鸟群、鱼群、人群动画（如《蝙蝠侠归来》中的蝙蝠群）。
无人机集群：用于多无人机协同飞行的路径规划与避障。
机器人集群：用于多机器人系统的分布式控制。
交通模拟：模拟车辆流和行人流的群体行为。
优化算法：粒子群优化（PSO）等群体智能算法借鉴了Boids的思想。

增大凝聚力：鸟群更加紧密，形成紧凑的团状群体。
增大分离力：鸟群更加松散，个体间保持较大距离。
增大对齐力：群体方向更加一致，形成整齐的队列飞行。
减小感知半径：鸟只关注最近的邻居，群体可能分裂成多个小群。
增大速度：群体运动更快，动态变化更剧烈。
尝试将分离力设为0，观察鸟群如何挤成一团；或将凝聚力设为0，观察群体如何四散。

涌现行为是指系统整体表现出其组成部分不具备的复杂行为模式。在Boids算法中，每只鸟仅遵循三条简单规则，但整个群体却能表现出分裂与合并、避障绕行、领头鸟更替等复杂现象——这些行为并未被显式编程，而是从局部交互中自发涌现的。这是复杂系统理论的经典案例。

鸟群模拟（Boids）和鱼群模拟（Fish Schooling）本质上是同一类群体行为模型。两者都基于分离、对齐、凝聚三条核心规则。主要区别在于：鱼群通常还需要考虑三维空间、水流影响以及捕食者-猎物关系等额外因素。Boids算法的通用框架可以扩展到几乎所有集群动物行为的模拟。
🔧 相关工具