《人工智能鱼》是为计算机、海洋、水产等相关学科的本科生开设的全校选修课，课程旨在使学生通过人工智能鱼课程学习，了解鱼类学、鱼类行为学以及计算机学科间的关系，掌握鱼类行为学的人工智能算法实现，提升学生的动手编程能力，促进学校多学科交融与发展。本课程将人工智能、计算机图形学和鱼类行为学相结合，讲解如何设计绘制逼真的鱼类形态和外观模型，并结合鱼类行为学、海洋学和计算机科学等知识，设计具有行为规划能力和逼真运动功能的人工鱼，并对鱼类的认知功能和感知系统进行探索和研究，从而设计具有自主行为和丰富生命特征的人工智能鱼。

更多科学出版社服务，请扫码获取。

袁红春，博士，教授，上海海洋大学信息学院教学副院长，毕业中国科技大学，2002年进入上海海洋大学工作至今。

目录
第1章 绪论 1
1.1 仿生学的概念与应用 1
1.1.1 仿生学的定义 1
1.1.2 仿生学的基本要素 2
1.1.3 仿生学与科技创新 3
1.2 鱼类行为学及其研究内容 4
1.2.1 行为学定义与研究内容 4
1.2.2 鱼类行为分析 5
1.2.3 鱼类行为与环境的关系 6
1.2.4 鱼类感觉系统与行为能力 7
1.3 人工智能鱼仿生功能与行为 12
1.3.1 仿生的主要功能 14
1.3.2 常见的仿生行为 16
1.4 人工智能鱼分类研究 18
1.4.1 虚拟鱼 18
1.4.2 机器鱼 18
1.5 本章小结 20
第2章 鱼体的建模和形变 21
2.1 数理知识基础 21
2.1.1 “弹簧-质点”模型 21
2.1.2 牛顿运动定律与生物力学分析 23
2.1.3 常微分方程的数值解法 24
2.2 鱼体的身体结构与几何网格模型 25
2.2.1 常见鱼体的身体结构 25
2.2.2 鱼体的几何网格模型 25
2.3 鱼体运动的动力学模型 28
2.3.1 鱼的运动模式分析 28
2.3.2 鱼类运动的常见模拟方法 30
2.3.3 基于“弹簧-质点”模型的鱼体运动形变 30
2.3.4 鱼体游动时的动力学模型 31
2.4 基于几何物理模型组合优化的鱼体运动设计 32
2.4.1 鱼体设计 32
2.4.2 建模仿真结果与分析 34
2.5 本章小结 35
第3章 鱼的感知和认知 37
3.1 鱼的感知和认知机理 37
3.1.1 鱼的感知 37
3.1.2 鱼的认知 38
3.2 人工智能鱼的感知和认知能力分析 39
3.3 虚拟鱼感知和认知的仿真与设计 41
3.3.1 基于YOLO 模型的虚拟鱼物体辨别能力仿真 41
3.3.2 融合情感的虚拟鱼认知行为设计 45
3.4 本章小结 50
第4章 鱼的游泳行为和能力 51
4.1 鱼的游泳动作和鱼鳍的功用 51
4.2 鱼的游泳方式和速度 53
4.2.1 游泳方式 53
4.2.2 游泳速度 56
4.3 鱼的节能原理和方式 57
4.3.1 耐久力的生理构造 57
4.3.2 特殊的节能方式 59
4.3.3 鱼类运动的减阻原理 60
4.3.4 特殊的游泳行为 60
4.4 人工智能鱼的游泳行为设计 61
4.4.1 虚拟鱼的局部波状模式设计 61
4.4.2 机器鱼部分结构设计和功能模型 66
4.5 本章小结 69
第5章 鱼的典型行为规划和路径规划 70
5.1 鱼的典型行为及其特征 70
5.2 人工智能鱼的行为规划分析 70
5.3 人工智能鱼的意图优先级规划 71
5.4 个体鱼智能行为规划 72
5.4.1 典型行为规划 73
5.4.2 人工智能鱼的运动模型 80
5.5 路径规划方法介绍 83
5.5.1 避障路径规划问题的定义 83
5.5.2 位置获取和环境表示 84
5.5.3 规划方法 85
5.5.4 搜索方法 87
5.6 虚拟鱼路径规划的仿真 89
5.6.1 改进的A*算法 89
5.6.2 鱼体三维建模 90
5.6.3 仿真实现 91
5.7 本章小结 95
第6章 鱼类群体行为学 96
6.1 鱼群的定义 96
6.2 研究鱼类集群行为的主要方法 96
6.2.1 实验室水槽观察法 97
6.2.2 潜水观测法 97
6.2.3 超声波影像分析法 98
6.2.4 数学模型模拟和仿真法 98
6.3 鱼群行为的优势 99
6.3.1 社交互动 99
6.3.2 觅食优势 99
6.3.3 生殖优势 100
6.3.4 水动力效率 100
6.3.5 捕食者回避 101
6.4 鱼群整体结构动态变化 102
6.4.1 描述鱼群动态结构的参数 102
6.4.2 鱼群群体形状与运动速度的关系 103
6.5 鱼群行为模型与功能设计 103
6.5.1 集群设计原则 103
6.5.2 Aggregation 鱼群汇聚抢食模型 105
6.5.3 School 鱼群汇聚逃逸模型 105
6.5.4 鱼群仿真功能方法的设计 106
6.6 机器鱼集群特征及其应用 107
6.6.1 机器鱼群的基本行为 107
6.6.2 机器鱼群的应用 107
6.7 本章小结 108
第7章 鱼群-捕食者模型的仿真设计 109
7.1 鱼群-捕食者模型概述 109
7.2 鱼群-捕食者模型的构建 109
7.2.1 紧凑行为 111
7.2.2 躲避行为 112
7.2.3 球形行为 113
7.2.4 被驱赶行为 114
7.2.5 液泡行为 115
7.2.6 喷泉行为 116
7.2.7 沙漏行为 118
7.2.8 闪光行为 119
7.2.9 分裂行为 121
7.2.10 汇合行为 122
7.3 鱼群-捕食者模型算法的设计 122
7.3.1 紧凑-躲避行为算法 122
7.3.2 球形行为算法 123
7.3.3 被驱赶、液泡和沙漏行为算法 124
7.3.4 喷泉行为算法 125
7.3.5 闪光行为算法 126
7.3.6 分裂行为算法 127
7.3.7 汇合行为算法 128
7.4 基于鱼群-捕食者模型的目标选择策略模型 129
7.4.1 鱼群行为模型的构建 129
7.4.2 捕食者行为模型的构建 130
7.4.3 鱼群特征参数的设定 132
7.4.4 无捕食者群体状态和有捕食者使用目标选择策略P 的群体状态对比 132
7.4.5 同一鱼群规模下3种不同目标选择策略的效果对比 135
7.4.6 不同鱼群规模下3种目标选择策略的效果对比 136
7.5 本章小结 137
第8章 人工智能鱼案例设计与分析 138
8.1 基于“弹簧-质点”模型的鱼类游泳动作行为仿真 138
8.1.1 案例介绍 138
8.1.2 主要开发平台和技术 138
8.1.3 案例的总结构图 138
8.1.4 海洋环境的设计与实现 138
8.1.5 虚拟鱼的具体设计与仿真 142
8.2 南非拟沙丁鱼群洄游仿真 146
8.2.1 案例介绍 146
8.2.2 主要开发平台和技术 146
8.2.3 沙丁鱼群洄游的仿真与实现 146
8.3 基于机器鱼的水质pH 值检测 152
8.3.1 案例介绍 152
8.3.2 主要开发平台和技术 153
8.3.3 机器鱼的构造和功能 153
8.3.4 水质pH 值检测 154
8.4 AIFish——面向动态识别的人工智能鱼设计 156
8.4.1 案例介绍 156
8.4.2 主要开发平台和技术 156
8.4.3 采用Vuforia 插件实现AR识别 156
8.4.4 基于AlexNet 网络对鱼类的识别 160
8.4.5 基于深度学习的动态识别
鱼类效果 164
8.5 本章小结 165
参考文献 166