【正文】 同種族的判定規(guī)則 1( ) 2N i li liiA B T????? …………… …………… () liA 為智能體 A的生命特征 i的值， liB 為智能體 B的生命特征 i的值， N 為生命體特征的個(gè)數(shù)， i? 為特征值在判斷同種族的過程中所占的比重， 2T 。 其中 T為一閾值用來判斷智能體的生存適應(yīng)能力，該閾值不等同于閾值分割的閾值。 生存與擴(kuò)張 智能體的生存規(guī)則定義 ① 其鄰域內(nèi)為同一種群的生命智能體。智能體的生命特征具有可遺傳性，可以從父代傳給子代。我們認(rèn)為每個(gè)像素格 都 有特征集合 K（ x , y） 。整個(gè)系統(tǒng)的過程如圖31。但是這種方法與細(xì)胞自動(dòng)機(jī)有兩點(diǎn)不同：第一就是智能體的生存環(huán)境不是像細(xì)胞自動(dòng)機(jī)那樣無生存環(huán)境，而是具有灰度等特征的真實(shí)的圖像；第二智能體的行為與生存不僅與其他智能體進(jìn)行交互還要 與環(huán)境進(jìn)行交互。每個(gè)像素格可以容納一個(gè)智能體。智能體能夠根據(jù)行為規(guī)則集來自主選擇它們的行為。這種方法的最大特點(diǎn)就是它是自底向上的，非全局控制，和并行進(jìn)行的。 細(xì)胞 狀態(tài) ： 0－ 死亡， 1－ 活著 領(lǐng)域半徑 ： 1 領(lǐng)域類型 ： Moore 型 演化規(guī)則： 1） 1 1 , 2 ,30 , 2 ,3S 1 {t t SSS ?? ???若則 2） 1 1 , 30 , 3S 0 {t t SSS ?? ???若則 其中 St 表示 t 時(shí)刻細(xì)胞的狀態(tài)， S 為相鄰的 8個(gè)細(xì)胞中活著的細(xì)胞數(shù) 。正由于它能夠模擬生命活動(dòng)中的生存、滅絕、競爭等等復(fù)雜現(xiàn)象，因而得名 “生命游戲” 。生命游戲模型已在多方面得到應(yīng)用。 盡管它的規(guī)則看上去很簡單。則該 細(xì)胞 在下一時(shí)刻 “復(fù)活” 。如果一個(gè) 細(xì)胞 狀態(tài)為 “死” 。 ? 在當(dāng)前時(shí)刻，如果一個(gè) 細(xì)胞 狀態(tài)為 “生” ，且八個(gè)相鄰 細(xì)胞 中有兩個(gè)或三個(gè)的狀態(tài)為 “生” ，則在下 時(shí)刻該 細(xì)胞 繼續(xù)保持為，否則 “死” 去 。下面介紹生命游戲的構(gòu)成及規(guī)則 [41， 42]： （ 1）細(xì)胞 分布在規(guī)則劃分的網(wǎng)格上 （ 2）細(xì)胞 具有 0， 1兩種狀態(tài)， 0 代表 “死” ， l 代表 “生” （ 3）細(xì)胞 以相鄰的 8個(gè) 細(xì)胞 為鄰居。 1970年，劍橋大學(xué)的康韋編制了一個(gè)名為“生命”的游戲程序，更形象的也更具體的說明了細(xì)胞自動(dòng)機(jī)的原理。 馮因此， 細(xì) 胞自動(dòng)機(jī)是一類模型的總稱，或者說是一個(gè)方法框架。不同于一般的動(dòng)力學(xué)模型， 細(xì) 胞自動(dòng)機(jī)不是由嚴(yán)格定義的物理方程或函數(shù)確定，而是用一系列模型構(gòu)造的規(guī)則構(gòu)成。散布在規(guī)則格網(wǎng) (Lattice Grid)中的每一細(xì) 胞 (Cell)取有限的離散狀態(tài)，遵循同樣的作用規(guī)則，依據(jù)確定的局部規(guī)則作同步更新。 第 26 頁 共 78 頁 第三章 基于細(xì)胞自動(dòng)機(jī)的人工生命的模型 細(xì)胞自動(dòng)機(jī)簡介 細(xì) 胞自動(dòng)機(jī) [37， 38](Cellular Automata，簡稱 CA，也有人譯為 元 胞自動(dòng)機(jī)、點(diǎn)格自動(dòng)機(jī)、分子自動(dòng)機(jī)或單元自動(dòng)機(jī) )是由人工科學(xué)的先驅(qū) 馮近幾年來，研究人員開始探索把人工生命應(yīng)用于圖像處理的途徑，提供了多方面的機(jī)遇和挑戰(zhàn)。 人工生命是剛剛興起的綜合性的新興學(xué)科，其發(fā)展很快，研究范圍也越來越廣，是很有前景的研究方向。但是這些經(jīng)典方法也都有其局限性，不能滿足所有的實(shí)際的應(yīng)用需求。 本章小結(jié) 圖像分割一直以來都是一個(gè)難題。人工生命技術(shù)提供了一套非常自然合適的機(jī)制的集合來處理認(rèn)知學(xué)的一些方面，它們還沒有被其他方法成功地處理。從行為科學(xué)的觀點(diǎn) ,這些低層的過程，如目標(biāo)檢測和分割 ,被很多研究者看作下意識(shí)的過程。這種集中的方法學(xué)極大地幫助了人們對圖像的理解 ,但常常未能獲得滿意的效果。實(shí)現(xiàn)類似于 MacGills的 Agents，它們朝一幅圖像里感興趣的點(diǎn)聚集，如邊緣 ,頂點(diǎn)甚至更復(fù)雜的如一張車牌里的字母或者一張臉里面的眼睛等更高級(jí)的特征。如 Boids算法，表明一個(gè)顯然簡單，低層次和分散的系統(tǒng)可以產(chǎn)生復(fù)雜，合作的高層次行為。這里給予特別關(guān)注的一類人工生命方法是采用自底向上的方法 。傳統(tǒng)方法普遍對噪聲敏感，主要針對某類應(yīng)用 ,不靈活且通用性不強(qiáng)。 大量的圖像處理是采用傳統(tǒng)的人工智能或者信號(hào)處理的方法，使用表示和推理系統(tǒng)，明確的統(tǒng)計(jì)建模和前面提到的針對每個(gè)像素的強(qiáng)力方法。復(fù)旦大學(xué)的 He和 Chen等將人工生命應(yīng)用到圖像分割領(lǐng)域取得較好的效果，雖然目前使用人工生命進(jìn)行圖像分割的研究還比較少，但是上面這些相關(guān)研究成果表明將人工生命引入到圖像分割中能夠獲得有意義的成功。 20xx年， Ramos和 Almeida[35]將 Chialvo和 Millonas提出的蟻群模型運(yùn)用到了數(shù)字圖像處理領(lǐng)域，預(yù)示了人工生命在計(jì)算機(jī)動(dòng)畫領(lǐng)域的應(yīng)用前景。 1992年Thearling通過構(gòu)建一種依據(jù)遺傳算法演化的人工生命群體，實(shí)現(xiàn)了二值圖像的還原。例如， 1987年 Reynolds提出了一種名為 boids的、具有生命行 第 24 頁 共 78 頁 為特征的人工生命群體。 （ 7）圖像處理 [29,30, 31,32,33]。由于人工生命的自組織、自適應(yīng)和進(jìn)化突現(xiàn)等特點(diǎn)，人工生命技術(shù)為互聯(lián)網(wǎng)上的信息搜索提供了一個(gè)良好的檢索技術(shù)。 （ 6） 信息提取。Lybrand 公司和 Soletron 公司也開始使用人工生命優(yōu)化技術(shù)來優(yōu)化它們的商務(wù)活動(dòng) 。人工生命優(yōu)化技術(shù)通過一些簡單的規(guī)則可以產(chǎn)生復(fù)雜的行為模式，這一特點(diǎn)可以廣泛地應(yīng)用于各種復(fù)雜系統(tǒng)的仿真，如電力輸送網(wǎng)、偏微分方程的 CA 實(shí)現(xiàn)、高速公路的 CA模型等等。 （ 5）人工生命算法及優(yōu)化應(yīng)用。TRANSIMS 交通模型工程就是這種系統(tǒng)的例子，它分析和模擬了像美國Albuquerque 市這樣的大規(guī)模交通系統(tǒng)， 1993 年在 Los Alamos 市已開始使用?；谥悄荏w的人工生命模型應(yīng)用于交通流管理，它應(yīng)用多智能體方式，每個(gè)智能體代表 一個(gè)交通系統(tǒng)的用戶。這方面的比較著名的工作是美國卡內(nèi)基 — 梅隆大學(xué)的每年度計(jì)算經(jīng)濟(jì)模型研討會(huì)以及圣達(dá)菲研究所的每年度經(jīng)濟(jì)學(xué)研討會(huì)。人們從生物物種消亡與繁榮的進(jìn)化機(jī)制得到了洞察股票市場的崩潰與增長的方法。 （ 3）經(jīng)濟(jì)模型。在開發(fā)太空的計(jì)劃中，美國國家航空和宇宙航行局應(yīng)用具有生命特征的思想于工程設(shè)計(jì)上甚至走得更遠(yuǎn)：研究制造具有自復(fù)制能力的星際采礦機(jī)器人?；谶@一點(diǎn)， MIT 的研究人員成功地研制了健壯而結(jié)構(gòu)簡約的機(jī)器人。人們往往把生物機(jī)器人比作昆蟲，它們裝備良好，不僅可以在危險(xiǎn)地形中穿行，而且能夠在低能量值的狀態(tài)下保持存活。 MIT 的著名學(xué)者 Maes 就是這個(gè)領(lǐng)域的代表人物。還有許多游戲包括“ SimCity”也使用人工生命作為它們的仿真開發(fā)技術(shù)。下面闡述人工生命技術(shù)在各個(gè)領(lǐng)域中的應(yīng)用與發(fā)展前景情況： （ 1）娛樂 [28]。 人工生命的應(yīng)用與發(fā)展前景 人工生命自誕生以來就吸引了不同學(xué)科的眾多專家學(xué)者進(jìn)行研究，已經(jīng)在一些研究領(lǐng)域取得了廣泛的應(yīng)用，比如娛樂、機(jī)器人、經(jīng)濟(jì)模型、交通流管理、人工生命算法與優(yōu)化技術(shù)、信息提取和計(jì)算機(jī)科學(xué)等。進(jìn)化機(jī)器人具有比傳統(tǒng)機(jī)器人更快的速度和更好的靈活性、魯棒性，進(jìn)化算法可以比較容易地植入到這樣的系統(tǒng)中，其硬件、軟件的設(shè)計(jì)以及測試費(fèi)用都比以前要少。傳統(tǒng)的自律機(jī)器人采用的是把問題分割成幾個(gè)功能單元的層次化設(shè)計(jì)方法，從而使機(jī)器人缺乏魯棒性，對環(huán)境的變化反應(yīng)遲緩，實(shí)際上沒有真正的智能，只能完成簡單的任務(wù)。 （ 7）進(jìn)化機(jī)器人 [24]。由于進(jìn)化算法的整體搜索策略和優(yōu)化計(jì)算時(shí)不依賴于梯度信息 ，所以它的應(yīng)用非常廣泛，尤其適合于處理傳統(tǒng)搜索方法難以解決的高度復(fù)雜的非線性問題。進(jìn)化算法研究主要是提供具有進(jìn)化特征的算法。每條魚都是一個(gè)模擬的物理世界中的自主智能體，其算法不僅仿效了單個(gè)動(dòng)物的外貌、運(yùn)動(dòng)和行為，而且還模仿了許多水下生物系統(tǒng)復(fù)雜的群體行為。虛擬生物實(shí)際上是生命現(xiàn)象 的仿生系統(tǒng)，這種系統(tǒng)多以軟件形式出現(xiàn)，模擬生物形態(tài)變化過程的工具有細(xì)胞自動(dòng)機(jī)、 L系統(tǒng)等。在系統(tǒng)的設(shè)計(jì)中引入了人工生命中的“進(jìn)化與突現(xiàn)”機(jī)制，使系統(tǒng)具備自治和創(chuàng)造性，從而實(shí)現(xiàn)在功能和結(jié)構(gòu)上的自發(fā)變化。日本電器通訊進(jìn)程技術(shù)研究所的進(jìn)化系統(tǒng)部開發(fā)了一種稱為“人工腦”的信息處理系統(tǒng)，該系統(tǒng)具有自治能力和創(chuàng)造性。 Epstein J M 和 Axtell R 在計(jì)算機(jī)上創(chuàng)立了一個(gè)數(shù)字社會(huì) —— Sugarscap。每個(gè)行為者具有遺傳、社會(huì)文化等特性，以及管理與環(huán)境之間和其 它行為者之間關(guān)系規(guī)則的能力。人工社會(huì)是由各個(gè)行為者自我組織形成的，由各個(gè)行為者在簡單規(guī)則的支配下，與人工環(huán)境交互作用突現(xiàn)形成的。 第 21 頁 共 78 頁 （ 3）數(shù)字社會(huì)。利用計(jì)算機(jī)進(jìn)程來研究生命過程中的各種現(xiàn)象、規(guī)律以及復(fù)雜系統(tǒng)的突現(xiàn)行為，就形成了數(shù)字生命，其代表是 Ray T 的數(shù)字生命世界 Tierra。 （ 2）數(shù)字生命。諾依曼最終證明了的確存在能夠進(jìn)行自我復(fù)制的細(xì)胞自動(dòng)機(jī)。諾伊曼提出的，細(xì)胞自動(dòng)機(jī)是一個(gè)細(xì)胞陣列，每個(gè)細(xì)胞都是離散結(jié)構(gòu)，按照預(yù)先規(guī)定的規(guī)則， 它們的狀態(tài)可隨時(shí)間而變化，傳遞規(guī)則是通過陣列計(jì)算每個(gè)細(xì)胞的當(dāng)前狀態(tài)以及它的近鄰的狀態(tài)，所有的細(xì)胞均自發(fā)地更新。自從人工生命作為一門科學(xué)創(chuàng)立以來，其研究領(lǐng)域不斷拓展，不斷地豐富和發(fā)展，其主要研究領(lǐng)域包括以下方面： （ 1）細(xì)胞自動(dòng)機(jī) [26]。 人工生命研究的領(lǐng)域 人工生命是一門新興的交叉科學(xué)，其研究領(lǐng)域涵蓋了計(jì)算機(jī)科學(xué)、生物學(xué)、自動(dòng)控制、系統(tǒng)科學(xué)、機(jī)器人科學(xué)、物理學(xué)、化學(xué)、經(jīng)濟(jì)學(xué)、哲學(xué)等多種學(xué)科。 （ 5）并行處理 。它力圖從簡單的局部控制出發(fā)，讓行為從底層突現(xiàn)出來。在底層定義許多小 第 20 頁 共 78 頁 的單元和幾條關(guān)系到它們內(nèi)部的、完全是局部的 相互作用的簡單規(guī)則，從這種相互作用中產(chǎn)生出連貫的“全體”行為，而這種行為不是根據(jù)特殊規(guī)則預(yù)先編好的。 （ 3）自下而上的建構(gòu)?！安豢深A(yù)測性”經(jīng)常被用作評估突現(xiàn)的標(biāo)準(zhǔn)。比如康韋的“生命游戲”產(chǎn)生滑翔、振蕩等現(xiàn)象。 Allen 和 Start 的 定義認(rèn)為突現(xiàn)屬性是無法從早期行為中推導(dǎo)出來的屬性。 （ 2）突現(xiàn)是人工生命的突出特征 。因此可以忽略物質(zhì)，從中抽象出控制生命的邏輯。有兩句著名的格言“如吾所識(shí)的生命” (Life as we know it)和“如其所能的生命” (Life as it could be)，前者是傳統(tǒng)生物學(xué)研究的主題，后者是人工生命研究的主題。 人工生命的研究思想 隨著人工生命科學(xué)的發(fā)展，人工生命研究的主要思想不斷得到了豐富和發(fā)展。我國于 1997 年 9月在北京舉行了“人工生命與進(jìn)化機(jī)器人研討班” (Seminar/Workshop on Artificial Life and Evolutionary Robotics)。網(wǎng)絡(luò)上的人工生命資源非常豐富，人工生命的網(wǎng)上園地 Zooland 曾在《科學(xué)》雜志 上得到專門的報(bào)道。此外， IEEE也召開了相關(guān)的國際會(huì)議 “進(jìn)化計(jì)算”以及“仿真和適應(yīng)行為”。 目前，國際上許多著名大學(xué)和科研院所都在進(jìn)行人工生命的研究，例如美國的圣塔非研究所、麻省理工大學(xué)、加州理工大學(xué)，意大利的認(rèn)知科學(xué)和技術(shù)研究所，以及日本的 ATR 等。 1987年 ,Langton C G 組織發(fā)起了首屆人工生命學(xué)術(shù)會(huì)議，吸引了眾多領(lǐng)域科學(xué)家廣泛參與，從此人工生命作為一門學(xué)科正式誕 生了。這一特點(diǎn)吸引了大批學(xué)者，其中包括 Langton C G。諾伊曼未完成的工作，在他去世多年后由康韋 (JohnC onway)、沃弗 拉姆 (Stephen Wolfram)和蘭頓 (Chris Langton)等人進(jìn)一步發(fā)展。諾伊曼的這項(xiàng)工作表明：一旦我們把自我繁衍看作是生命獨(dú)特的特征，機(jī)器也能做到這一點(diǎn) [23]。諾伊曼證明，確實(shí)有一種能夠自我繁殖的細(xì)胞自動(dòng)機(jī)存在，雖然它復(fù)雜到了當(dāng)時(shí)的計(jì)算機(jī)都不能模擬的程度。為了避免當(dāng)時(shí)電子管計(jì)算機(jī)技術(shù)的限制，他提出了細(xì)胞 自動(dòng)機(jī)（簡稱 CA）的設(shè)想：把一個(gè)長方形平面分成很多個(gè)網(wǎng)格，每一個(gè)格點(diǎn)表示一個(gè)細(xì)胞或系統(tǒng)的基元，每一個(gè)細(xì)胞都是一個(gè)很簡單、很抽象的自動(dòng)機(jī)，每個(gè)自動(dòng)機(jī)每次處于一種狀態(tài)，下次的狀態(tài)由它周圍細(xì)胞的狀態(tài)、它自身的狀態(tài)以及事先定義好的一組簡單規(guī)則決定。與圖靈一樣，他也試圖用計(jì)算的方法揭示出生命最本質(zhì)的方面。諾伊曼也是人工科學(xué)的先驅(qū)。就像圖靈自己所強(qiáng)調(diào)的那樣，進(jìn)一步發(fā)展他的思想需要更好的計(jì)算機(jī)，而他自己只有很原始的計(jì)算機(jī)幫助，所以他的論文盡管對分析生物學(xué)是一個(gè)重大的貢獻(xiàn)，但并沒有立刻產(chǎn)生作為一門計(jì)算學(xué)科的人工生命。在這篇論文中，他提出了人工生命的一些萌芽思想。圖靈是人工科學(xué)的第一個(gè)先驅(qū)。諾依曼。圖靈和約翰 而 Ray T 則認(rèn)為“人工生命用非生命的元素去建構(gòu)生命現(xiàn)象以了解生物學(xué)，而不是把自然的生物體分解成各個(gè)單元，它是一種綜合性方法而不是還原的方法”。 目前關(guān)于人工生命尚無統(tǒng)一的定義，不同學(xué)科背景的學(xué)者對它有著不同的理解 。 人工生命的產(chǎn)生，發(fā)展和現(xiàn)狀 人工生命 (Artificial life，簡稱 Alife)?是在 20 世紀(jì) 80 年代后期興起的一門新興學(xué)科 。近年來隨著其他領(lǐng)域的發(fā)展 ， 很多研究人員將其它領(lǐng)域的方法不斷引入到圖像分割的領(lǐng)域中來 ， 比如使用遺傳算法來確定最佳分割閾值 [17， 18]和融合了數(shù)學(xué)形態(tài)學(xué)方法的分水嶺算法 [19， 20， 21]等。1 1 1 1 0