2018年认证杯SPSSPRO杯数学建模A题(第一阶段)海豚与沙丁鱼全过程文档及程序

2018年认证杯SPSSPRO杯数学建模

探究海豚猎捕时沙丁鱼群的躲避运动模型

A题 海豚与沙丁鱼

原题再现：

  沙丁鱼以聚成大群的方式来对抗海豚的捕食。由于水下光线很暗，所以在距离较远时，海豚只能使用回声定位方法来判断鱼群的整体位置，难以分辨每个个体。鱼群的行动是有协调性的，在没有外部威胁或障碍物时，鱼群常常会聚成接近球形的形态。而当海豚接触甚至冲进鱼群，鱼群则会进行协同的躲避，所以不易在大鱼群中追踪一个目标。沙丁鱼的这种群体行为降低了其被海豚捕食的概率。
  第一阶段问题： 请你建立合理的数学模型来描述沙丁鱼群在遇到一条海豚捕食时的运动规律。

整体求解过程概述(摘要)

  沙丁鱼为细长的银色小型鱼，游泳迅速，没有外部威胁时鱼群常聚成接近球形的形态，而当捕食者进攻时会进行协同的躲避，从而降低其被捕食的概率。本文基于沙丁鱼群遭遇一条海豚捕食时的情景，研究沙丁鱼群对应的运动规律。考虑到海豚和沙丁鱼群的同向、相向运动，以及二者之间的距离，分析海豚进击模型。当距离较远时，海豚通过回声定位来判断鱼群的整体位置，此时沙丁鱼群并未意识到威胁的存在，以接近球形的形态稳定行进。考虑个体视野范围以及速率差异，改进 Boid 模型，建立无序聚集运动模型；并划分感知区域，降维构建有序环绕运动模型。
  当海豚进攻沙丁鱼群时，鱼群进行协同躲避。考虑二者的相向、同向运动，分析四种外部空间结构（中空包围状、沙漏状、密集球状、驱赶聚集状）的动态变化。构造个体沙丁鱼安全场，划分为紧急逃离区域和适度逃离区域，分析各区域内影响个体沙丁鱼运动速度矢量的多种因素，采用主层次分析法提取出不同空间结构下不同区域内的主因子，建立四种空间结构下鱼群的躲避模型。考虑沙丁鱼空间密度等因素，引入随机森林算法对海豚捕食模型进行训练，动态优化四种躲避模型下沙丁鱼被捕食的概率结果，分析沙丁鱼群最优逃逸方式及运动规律。
  采集大自然中海豚捕食沙丁鱼群的场景，提取图片中的数据信息进行模型的验证，结果表明：沙丁鱼群遭遇一条海豚捕食时会优选呈中空包围状和密集球状进行逃逸。

问题分析：

  出于生存、避险、觅食等原因，鱼类的行为方式往往表现为群体行为，沙丁鱼往往以聚成大群的方式来对抗海豚的捕食。鱼群的行动是有协调性的，在没有外部威胁或障碍物时，鱼群常常会聚成接近球形的形态。而当海豚接触甚至冲进鱼群，一方面当近处的鱼快速逃避时，会给猎手海豚一个严重的心理错觉，以为远处的鱼还没发觉，于是扑向另外的对象。然而，鱼本身的侧线反馈机制会使远处的鱼逃避得更快，从而导致海豚找不到具体的目标，一无所获。
  此外，鱼类集群运动机理的研究涉及团体动力学、集群行为学等领域，围绕该方向的研究主要分为两大流派：一类是利用理论推导和应用已有的结论，试图去理解鱼类集群行为的内在原因，另一类是从鱼类的实际集群运动和个体鱼的特征出发，通过搭建模型去探索鱼类实际集群运动中存在的规律。由上述分析可以将海豚的捕食过程分为发现目标后的匀速前进阶段、变加速阶段、猛击捕食阶段。基于海豚的捕食过程，可以沙丁鱼群的存在状态分为稳定状态和躲避状态。由于鱼群的形成是由个体逐渐汇集而成，所以可以将沙丁鱼的稳定状态分为无序聚集状态和有序环绕状态。沙丁鱼在逃避过程中，沙丁鱼群群体的形状、空间分布、结构等是处于不断变化的过程中，鱼群在遇到外部攻击时，鱼群的外部空间结构会出现动态变化，会呈现驱赶聚集状、中空包围状、沙漏状和密集球状。
  建立数学模型来描述沙丁鱼群在遇到一条海豚捕食时的运动规律的实质就在于深入分析沙丁鱼群稳定集群模型、海豚的进击捕食模型以及沙丁鱼群多种的逃避模型，进而实现动态分析、动态寻优的过程。本文基于分析已有资料，采用从个体到局部、从局部到整体的思想，以 Boid 模型为基础，通过部分改良提出沙丁鱼群的无序聚集运动模型；采用降维的方法将三维模型降为二维模型，提出沙丁鱼稳定环绕状态模型以分析沙丁鱼的有序环绕运动。结合海豚的进击捕食模型，基于主成分分析方法简化沙丁鱼的运动方程，建立模型模拟驱赶聚集状、中空包围状、沙漏状和密集球状四种逃避轨迹，分析沙丁鱼在四种逃避状态下的被捕食概率，探索有利于沙丁鱼群体进化的最优逃避方式。

模型假设：

  1. 假设本文中的个体沙丁鱼的一般游动是随机性的；
  2. 假设每个沙丁鱼个体能够感知其在群体中的位置；
  3. 该沙丁鱼群不受环境变化影响（地震、海啸等自然灾害）；
  4. 假设沙丁鱼群中的个体是存在部分差异的，主要表现为尺寸上的大、小两种；
  5. 本文中模型所涉及的鱼群数量在短期内是不发生变化的（被海豚捕食情况除外），即不考虑个体沙丁鱼的突发死亡等非一般状况。

论文缩略图：

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

部分程序代码：(代码和文档not free)

clear;
clc;
n=400;
x(1,:)=10*rand(1,n);
y(1,:)=10*rand(1,n);
drc(1,:)=(rand(1,n)-0.5)*2*pi;
d=[];
for k=1:80for i=1:nfor j=1:nd(i,j)=sqrt((x(i)-x(j))^2+(y(i)-y(j))^2);endendfor i=1:nd(i,i)=inf;endfor i=1:na=0;b=1;c=0;e=0;h=0;l=0;for j=1:nif d(i,j)<5a=a+1;c=c+x(j);e=e+y(j);m=atan(y(j)/x(j));l=l+m;endif d(i,j)<1b=b+1;g=atan((y(j)-y(i))/(x(j)-x(i)));h=h+g;endendD2=atan(e/a-y(i))/(c/a-x(i));D3=1/a;D4=h/b;drc(k+1,i)=0.4*drc(k,i)+0.3*D2+0.2*D3+0.1*D4;v=0.5;endfor i=1:nx(k+1,i)=x(k,i)+v*cos(drc(k+1,i))*1;
y(k+1,i)=y(k,i)+v*sin(drc(k+1,i))*1;if x(k+1,i)>30x(k+1,i)=x(k+1,i)-30;elseif x(k+1,i)<0x(k+1,i)=x(k+1,i)+30;endif y(k+1,i)>30y(k+1,i)=y(k+1,i)-30;elseif y(k+1,i)<0y(k+1,i)=y(k+1,i)+30;endend
end
for i=1:k%pause(0,1)plot(x(i,:),y(i,:),'.')axis([0 30 0 30])getframe
end

clear;
clc;
t=1;n=500;
x=[];y=[];xs=[];
x(1,:)=30*rand(1,n);y(1,:)=30*rand(1,n);
draction(1,:)=(rand(1,n)-0.5)*2*pi;
d=[];a=0;
xs(1,:)=30*rand(1,1);ys(1,:)=30*rand(1,1);
dractions(1,1)=(rand(1,1)-0.5)*2*pi;
for k=1:200dractions(k+1,1)=dractions(k,1);vs(k+1,1)=0.4;xs(k+1,1)=xs(k,1)+vs(k+1,1)*cos(dractions(k+1,1))*1;ys(k+1,1)=ys(k,1)+vs(k+1,1)*sin(dractions(k+1,1))*1;if xs(k+1,1)>30xs(k+1,1)=xs(k+1,1)-30;elseif xs(k+1,1)<0xs(k+1,1)=xs(k+1,1)+30;endif ys(k+1,1)>30ys(k+1,1)=ys(k+1,1)-30;elseif ys(k+1,1)<0ys(k+1,1)=ys(k+1,1)+30;end
for i=1:nds(i)=sqrt((x(k,i)-xs(k,1))^2+(y(k,i)-ys(k,1))^2);for j=1:nd(i,j)=sqrt((x(k,i)-x(k,j))^2+(y(k,i)-y(k,j))^2);endendfor i=1:nd(i,i)=inf;endfor i=1:nA=0;B=0.1;for j=1:nif d(i,j)<0.3A=A-draction(k,j)/d(i,j);B=B-1/d(i,j);if A~=0draction(k+1,i)=(1-t)*draction(k,i)-t*j/B;else draction(k+1,i)=draction(k,i);endelseif d(i,j)<5&&d(i,j)>=0.2A=A-draction(k,j)/d(i,j);B=B-1/d(i,j);if A~=0draction(k+1,i)=(1-t)*draction(k,i)+t*j/B;else draction(k+1,i)=draction(k,i);endendendif ds(i)<5a=a+1;%prevx=x;%prevy=y;if x(k,i)>xs(k,1)draction(k+1,i)=atan((y(k,i)-ys(k,1))./(x(k,i)-
xs(k,1)));endif x(k,i)<xs(k,1)draction(k+1,i)=atan((y(k,i)-ys(k,1))./(x(k,i)-
xs(k,1)))+pi;endendif ds(i)>=5&&ds(i)<10draction(k+1,i)=pi/2;endif ds(i)>=10&&ds(i)<20if x(k,i)>xs(k,1)
draction(k+1,i)=-atan((y(k,i)-ys(k,1))./(x(k,i)-
xs(k,1)));endif x(k,i)<xs(k,1)draction(k+1,i)=-atan((y(k,i)-ys(k,1))./(x(k,i)-
xs(k,1)))+pi;endendv(k+1,i)=0.2;end%×ø±ê¸üÐÂfor i=1:nif ds(i)<10x(k+1,i)=x(k,i)+v(k+1,i)*cos(draction(k+1,i))*1.5;y(k+1,i)=y(k,i)+v(k+1,i)*sin(draction(k+1,i))*1.5;elseif ds(i)>=10x(k+1,i)=x(k,i)+v(k+1,i)*cos(draction(k+1,i))*1;y(k+1,i)=y(k,i)+v(k+1,i)*sin(draction(k+1,i))*1;endif x(k+1,i)>30x(k+1,i)=x(k+1,i)-30;elseif x(k+1,i)<0x(k+1,i)=x(k+1,i)+30;endif y(k+1,i)>30y(k+1,i)=y(k+1,i)-30;elseif y(k+1,i)<0y(k+1,i)=y(k+1,i)+30;endend
end
for i=1:kpause(0.2)plot(x(i,:),y(i,:),'.',xs(i,:),ys(i,:),'ro','markersize',12)title('沙丁鱼群躲避海豚捕食的二维图')xlabel('x');ylabel('y');%legend('沙丁鱼','海豚')axis([0 30 0 30])getframe;
end

clear all
clc
warning off
load data.mat %储存数据信息
a = randperm(30);
Train = data(a(1:25),:);
Test = data(a(26:end),:);
P_train = Train(:,3:end);
T_train = Train(:,2);
P_test = Test(:,3:end);
T_test = Test(:,2);
model = classRF_train(P_train,T_train);
全部论文及程序请见下方“ 只会建模 QQ名片” 点击QQ名片即可

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/240469.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

配网故障定位装置：未来发展趋势与挑战

配网故障定位装置：未来发展趋势与挑战

在电力系统中&#xff0c;恒峰智慧科技设计的配网故障定位装置是一个至关重要的设备&#xff0c;它可以帮助我们快速准确地找到故障发生的位置&#xff0c;从而进行有效的维修。随着科技的发展&#xff0c;这种设备也在不断地进步和改进。本文将探讨配网故障定位装置的未来发展…
阅读更多...
回归预测 | Matlab实现MSADBO-CNN-LSTM基于改进蜣螂算法优化卷积神经网络-长短期记忆神经网络多特征回归预测

回归预测 | Matlab实现MSADBO-CNN-LSTM基于改进蜣螂算法优化卷积神经网络-长短期记忆神经网络多特征回归预测

回归预测 | Matlab实现MSADBO-CNN-LSTM基于改进蜣螂算法优化卷积神经网络-长短期记忆神经网络多特征回归预测 目录 回归预测 | Matlab实现MSADBO-CNN-LSTM基于改进蜣螂算法优化卷积神经网络-长短期记忆神经网络多特征回归预测预测效果基本描述程序设计参考资料 预测效果 基本描…
阅读更多...
行为型设计模式——中介者模式

行为型设计模式——中介者模式

中介者模式 中介者模式主要是将关联关系由一个中介者类统一管理维护&#xff0c;一般来说&#xff0c;同事类之间的关系是比较复杂的&#xff0c;多个同事类之间互相关联时&#xff0c;他们之间的关系会呈现为复杂的网状结构&#xff0c;这是一种过度耦合的架构&#xff0c;即…
阅读更多...
【软件测试学习笔记6】Linux常用命令

【软件测试学习笔记6】Linux常用命令

格式 command [-options] [parameter] command 表示的是命令的名称 []表示是可选的&#xff0c;可有可无 [-options]&#xff1a;表示的是命令的选项&#xff0c;可有一个或多个&#xff0c;也可以没有 [parameter]&#xff1a;表示命令的参数&#xff0c;可以有一个或多…
阅读更多...
包含广告或宣传性质的内容或参考资料不对应，百度百科词条怎么改

包含广告或宣传性质的内容或参考资料不对应，百度百科词条怎么改

想要修改百度百科词条&#xff0c;却发现在编辑百度百科词条时经常提示“包含广告或宣传性质的内容”&#xff0c;又或者经常遇到“参考资料不对应”的情况&#xff0c;我们该如何正确修改百度百科词条才能推广&#xff0c;洛希爱做百科网为大家分享。 修改百科百度百科词条提示…
阅读更多...
无法打开浏览器开发者工具的可能解决方法

无法打开浏览器开发者工具的可能解决方法

网页地址: https://jx.xyflv.cc/?url视频地址url 我在抖音里面抓了一个视频地址, 获取到响应的json数据, 找到里面的视频地址信息 这个网站很好用: https://www.jsont.run/ 可以使用js语法对json对象操作, 找到所有视频的url地址 打开网页: https://jx.xyflv.cc/?urlhttps:…
阅读更多...
橘子学Mybatis07之Mybatis关于缓存的设计

橘子学Mybatis07之Mybatis关于缓存的设计

很逆天的一件事是&#xff0c;我上一次发mybatis是在2022年10月15号&#xff0c;然后直到今天才开始总结下一篇Mybatis的东西。一年里面忙成那啥了&#xff0c;而且重心都投入在了Elasticsearch的学习上面&#xff0c;基本一年下来都在搞ES&#xff0c;并且考下了ECE认证&#…
阅读更多...
Java 方法中参数类型后写了三个点？什么意思？

Java 方法中参数类型后写了三个点？什么意思？

1、...代表什么意思&#xff1f; 2、如何使用 3、注意事项 4、两个list&#xff0c;一个新的&#xff0c;一个旧的&#xff0c;旧列表中可能有新列表中存在的数据&#xff0c;也可能存在新列表中不存在的数据&#xff08;注&#xff1a;新旧列表中都不存在重复元素&#xff09;…
阅读更多...
运动蓝牙耳机选购指南，2024年蓝牙运动耳机品牌推荐

运动蓝牙耳机选购指南，2024年蓝牙运动耳机品牌推荐

​运动耳机不仅要具备防水防汗能力&#xff0c;还要有稳定的连接性能和出色的音质。面对市场上琳琅满目的运动耳机&#xff0c;如何选择成为了一个问题。今天&#xff0c;我将为你推荐几款在运动中表现不错的耳机&#xff0c;它们能在各种环境中提供稳定可靠的音乐体验。 1.南…
阅读更多...
Spring之AOP源码（二）

Spring之AOP源码（二）

书接上文 文章目录 一、简介1. 前文回顾2. 知识点补充 二、ProxyFactory源码分析1. ProxyFactory2. JdkDynamicAopProxy3. ObjenesisCglibAopProxy 三、 Spring AOP源码分析 一、简介 1. 前文回顾 前面我们已经介绍了AOP的基本使用方法以及基本原理&#xff0c;但是还没有涉…
阅读更多...
工业平板定制方案_基于联发科、紫光展锐平台的工业平板电脑方案

工业平板定制方案_基于联发科、紫光展锐平台的工业平板电脑方案

工业平板主板采用联发科MT6762平台方案&#xff0c;搭载Android 11.0操作系统&#xff0c; 主频最高2.0GHz&#xff0c;效能有大幅提升;采用12nm先进工艺&#xff0c;具有低功耗高性能的特点。 该工业平板主板搭载了IMG GE8320图形处理器&#xff0c;最高主频为680MHz, 支持108…
阅读更多...
通过wireshark抓取的流量还原文件（以zip为例）

通过wireshark抓取的流量还原文件（以zip为例）

wireshark打开流量包&#xff0c;通过zip关键字查找 追踪流可查看详细信息 选中media Type右键&#xff0c; 点击导出分组字节流选项 将生成的文件进行命名&#xff0c;需要时什么格式就以什么格式后缀
阅读更多...
DQN、Double DQN、Dueling DQN、Per DQN、NoisyDQN 学习笔记

DQN、Double DQN、Dueling DQN、Per DQN、NoisyDQN 学习笔记

文章目录 DQN (Deep Q-Network)说明伪代码应用范围 Double DQN说明伪代码应用范围 Dueling DQN实现原理应用范围伪代码 Per DQN (Prioritized Experience Replay DQN)应用范围伪代码 NoisyDQN伪代码应用范围 部分内容与图片摘自&#xff1a;JoyRL 、 EasyRL DQN (Deep Q-Networ…
阅读更多...
Kafka-消费者-KafkaConsumer分析-ConsumerCoordinator

Kafka-消费者-KafkaConsumer分析-ConsumerCoordinator

在前面介绍了Kafka中Rebalance操作的相关方案和原理。 在KafkaConsumer中通过ConsumerCoordinator组件实现与服务端的GroupCoordinator的交互&#xff0c;ConsumerCoordinator继承了AbstractCoordinator抽象类。 下面我们先来介绍AbstractCoordinator的核心字段&#xff0c;如…
阅读更多...
UML-活动图

UML-活动图

提示&#xff1a;大家可以参考我的状态图博客 UML-活动图 一、活动图的基本概念1.开始状态和结束状态2.动作状态和活动状态&#xff08;活动&#xff09;3.分支与合并4.分叉与合并5.活动转换&#xff08;1&#xff09;转移&#xff08;2&#xff09;判定 6.泳道 二、活动图的例…
阅读更多...
数据结构：顺序栈

数据结构：顺序栈

栈是一种先进后出的数据结构&#xff0c;只允许在一端&#xff08;栈顶&#xff09;操作&#xff0c;代码中top表示栈顶。 stack.h /* * 文件名称&#xff1a;stack.h * 创 建 者&#xff1a;cxy * 创建日期&#xff1a;2024年01月17日 * 描 述&#xff1a; …
阅读更多...
数据分片概述、环境准备、部署MyCAT服务、全局表、分片表、ER表

数据分片概述、环境准备、部署MyCAT服务、全局表、分片表、ER表

1 案例1&#xff1a;部署mycat服务 1.1 问题 把主机mysql60 配置为 MySQL59 的从服务器把主机mysql62 配置为 MySQL61 的从服务器把主机mycat63 配置为mycat服务器客户端192.168.88.50访问mycat服务 1.2 方案 准备6台虚拟机&#xff0c;具体配置如表-1 1.3 步骤 实现此案例…
阅读更多...
Docker中创建并配置MySQL、nginx、redis等容器

Docker中创建并配置MySQL、nginx、redis等容器

Docker中安装并配置MySQL、nginx、redis等 文章目录 Docker中安装并配置MySQL、nginx、redis等一、创建nginx容器①&#xff1a;拉取镜像②&#xff1a;运行nginx镜像③&#xff1a;从nginx容器中映射nginx配置文件到本地④&#xff1a;重启nginx并重新配置nginx的挂载 二、创建…
阅读更多...
React全局状态管理

React全局状态管理

redux是一个状态管理框架&#xff0c;它可以帮助我们清晰定义state和处理函数&#xff0c;提高可读性&#xff0c;并且redux中的状态是全局共享&#xff0c;规避组件间通过props传递状态等操作。 快速使用 在React应用的根节点&#xff0c;需要借助React的Context机制存放整个…
阅读更多...
新定义51单片机（RD8G37）实现测距测速仪

新定义51单片机（RD8G37）实现测距测速仪

本文描述用新定义51单片机&#xff08;RD8G37&#xff09;超声波一体测距传感器实现简单的测距测速仪。 测距仪演示效果 新定义RD8G37Q48RJ开发板 超声波测距模块&#xff1a; 8位并口屏 1、main.c unsigned short timeConsuming0; unsigned int oldDistance;void rectClearS…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023