---

 目录

一、引言

二、发展

三、鱼群

1.组件

2.生成鱼群

3.鱼群运动

四、聚合

五、速度匹配

六、捕食

七、分离

1.躲避🐟

2.躲避边界

3.躲避障碍

八、效果展示

九、总结

---

一、引言

正式开始之前，我们先来搞懂一下究竟什么叫Flocking算法？

Flocking algorithm 国内一般称为蜂拥算法，由许多离散的动物形成，但群体整体上是流动的，这是个体行为的综合结果。

典型的自然现象包括：蜂群、鸟群、鱼群、兽群等，这些动物聚集的现象（包括人类）可以帮助生物更好的躲避天敌、迁徙、获取食物......

下面放几张图片：

野兽迁徙

狼群捕食

蜂群制造蜂蜜

大雁南飞

鱼群移动

二、发展

1987 年 7 月，Craig Reynolds这位老先生率先提出了经典的Flocking模型，该模型要求群体行为满足三个规则：

• 聚合：独立的个体逐渐加入到群体

• 速度匹配：个体与群体的航向保持一致，不要脱离

• 分离：避免群体内的个体相互碰撞

三、鱼群

下面主要在Unity3D中，实现一个简易的鱼群模拟，实现了生成鱼群、聚合鱼群、速度匹配、捕食、分离等功能模块，下面来介绍一下。

1.组件

为了，更好的管理鱼群，我们在脚本中定义了一个组件。

    [Header("Fish Setting")]//控制面板
    [Range(0.0f,5.0f)]
    public float min;//速度最小值
    [Range(0.0f, 5.0f)]
    public float max;//速度最小值
    [Range(1.0f, 10.0f)]
    public float neighborDistance;//聚合的距离
    [Range(0.0f, 5.0f)]
    public float RotationSpeed;//转速

2.生成鱼群

在脚本Create里面要定义一个范围，让数组里面的鱼群在这个范围内生成、移动。

    public GameObject prefab1;//🐟种类1
    public GameObject prefab2;//🐟种类2
    public int fishnum=50;//初始化🐟数量
    public GameObject[] fish;//数组存储
    public Vector3 swimlimt = new Vector3(5, 5, 5);//边界10*10*10

生成的话，我们采取随机生成，范围还是固定在边界范围内部。

    public void Start()
    {
        fish = new GameObject[fishnum];
        for(int i=0;i<fishnum;i++)
        {
            Vector3 pos = this.transform.position + new Vector3(Random.Range(-swimlimt.x,swimlimt.x),
                                                                Random.Range(0, swimlimt.y),
                                                                Random.Range(-swimlimt.z, swimlimt.z));
            if(i%2==0)
                fish[i] = (GameObject)Instantiate(prefab1,pos,Quaternion.identity);//克隆🐟
            else
                fish[i] = (GameObject)Instantiate(prefab2, pos, Quaternion.identity);
            fish[i].GetComponent<FlockSpeed>().sp = this;//两个脚本间联系
        }
    }

3.鱼群运动

对于鱼群的移动，要在FlockSpeed脚本里面添加速度、方向。

    private void Update()
    {
        speed = Random.Range(sp.min, sp.max);//速度范围
        this.transform.Translate(0, 0, speed * Time.deltaTime);//开始移动  
    }

这时候，鱼群只会朝向Z轴移动，其他的什么也完成不了，下面的步骤才是Flocking算法应用的关键。

四、聚合

聚合是Flocking算法的关键，这个算法会把鱼聚集到一起。

还记得我们之前组件定义的变量neighborDistance，这个是聚合的距离。假如两只鱼之间的距离<=neighborDistance，那么它就属于这个集群，我们要想办法把这只鱼加到集群里面来。

那如何让加入的鱼满足整体，不至于脱离呢？这时候就需要鱼群的中心位置，也叫平均位置。

对于一个鱼群来说，每一个🐟都有一个特定的位置，不可能出现两只🐟重合的情况，所以：

平均位置=鱼群位置相加的总和/鱼群的数量

红色星星就是计算的中心位置，最下面的🐟neighborDistance，但满足如果还不修正位置，它就会跑出集群了。向量都学过吧，对于一个三维的坐标，上图红色箭头的向量等于坐标：

average-desired。

所以，这只鱼需要转向中心位置，转向的时候还需要注意不要碰到别的鱼，这部分留到分离的时候细讲。

void Community()
    {
        GameObject[] gos=sp.fish;
        float Distance;
        Vector3 center = Vector3.zero;
        Vector3 avoid = Vector3.zero;
        int size=0;
        float goSpeed=0.01f;
        foreach(GameObject go in gos)
        {
            if(go!=this.gameObject)//遍历数组内除掉本身所有的鱼
            {
                Distance = Vector3.Distance(this.transform.position, go.transform.position);//相邻两条鱼距离
                if (Distance<=sp.neighborDistance)//满足集群规则
                {
                    size++;
                    center+= go.transform.position;

                    if (Distance < limt)//避免碰撞
                    {
                        avoid += this.transform.position - go.transform.position;
                    }
                    FlockSpeed flockSpeed = go.GetComponent<FlockSpeed>();
                    goSpeed += flockSpeed.speed;
                }
            }
        }
        if(size>0)
        {
            center = center / size+(sp.goal- this.transform.position );//后面加上的是目标位置，朝着目标移动
            goSpeed = goSpeed / size;//平均速度
            Vector3 direction = (center + avoid) - transform.position;
            if(direction!=Vector3.zero)//需要转向
            {
                transform.rotation = Quaternion.Slerp(transform.rotation, Quaternion.LookRotation(direction), sp.RotationSpeed * Time.deltaTime);//from to 平滑旋转  Quaternion.LookRotation注视旋转
            }
        }
    }

五、速度匹配

如上图所示，每一条🐟都有一个前进的方向。我们要保障所有鱼的速度最终和虚拟领航者一致，那么，对于整个集群来说，虚拟领航者的速度是什么？

虚拟领航者的速度=总体速度和/鱼群数目

如上图所示，current heading和 average heading朝向有偏差，所以要调整方向。

调整之后，两个方向保持一致。

最后，集群内部的每条鱼要达到这样的效果。

速度匹配是goSpeed变量，代码部分也在上面的Community()函数里面了。

六、捕食

鱼群捕食的实现，首先定义一个目标，这个目标有10%的概率移动，鱼群会跟随目标移动。

private void Update()
    {
        //10%的几率更换目标
        if(Random.Range(0,100)<10)
            goal = this.transform.position + new Vector3(Random.Range(-swimlimt.x, swimlimt.x),
                                                         Random.Range(0, swimlimt.y),
                                                         Random.Range(-swimlimt.z, swimlimt.z));
    }

为了更加清晰的看见鱼群的移动，我关闭了随机移动，手动更换目标物体的位置。可以看到，鱼群跟随目标的移动而移动。

七、分离

1.躲避🐟

为了避免鱼群内部的鱼相互碰撞，要指定一个分离的原则。

如上图所示，鱼本来要向中心位置聚合的，但由于会碰撞到其他的鱼，所以需要转向。

🐟和🐟之间的躲避变量是avoid，代码部分也在上面的Community()函数里面了。

2.躲避边界

一开始，我们定义了一个10*10*10的边界还记得吗？

为了防止鱼游动超出边界，我们要定义一个转向，让鱼即将超出边界时，掉头向着中心方向移动。

        Bounds b = new Bounds(sp.transform.position,sp.swimlimt);//边界的盒子
        Vector3 direction = Vector3.zero;
        RaycastHit hit = new RaycastHit();
        if (!b.Contains(transform.position))//即将超出边界
        {
            turning = true;//开始转向
            direction = sp.transform.position - transform.position;//转向方向指向中心位置
        }  
        else
            turning = false;

3.躲避障碍

鱼群在移动的过程中，可以会遇到障碍物、捕食者，这时候需要鱼群做出快速避障的功能。

初中的物理知识，入射角=反射角，我们需要鱼的脑子上面向前发射一条长长的射线，碰到障碍物的时候。

原本的方向等于反射的光线。

判断转向

        if(Physics.Raycast(this.transform.position,transform.forward*5,out hit))//遇到障碍物
        {
            //Debug.DrawRay(this.transform.position,this.transform.forward*5,Color.red);红色射线
            direction = Vector3.Reflect(this.transform.forward, hit.normal);//反射角 = 入射角 转向
            turning = true;
        }

开始转向

        if(turning)
        {
            this.transform.rotation = Quaternion.Slerp(transform.rotation, 
            Quaternion.LookRotation(direction), sp.RotationSpeed * Time.deltaTime);  
        }
        else
        {  
            Community();//聚合函数
        }

八、效果展示

这里gif图片太大了，放不了！！的gif图片，我特意把鱼群的目标放到了柱子里面，看看鱼会不会直直的撞向柱子？

鱼一般可以看清12m以内的物体，这里我将鱼的视野范围特意扩大了5倍。事实上，当鱼脑袋上面发射的红线，碰到海底的这个大柱子时就会发生转向。

但由于目标没有移动，所以鱼群只好围绕着柱子旋转（团队合作捕猎），直到我将目标移出柱子，鱼群才开始远离。

九、总结

Flocking算法是群居动物的合作行为，通过个体间的相互作用实现整体的目标。本文实现的只是一个简单的🐟集群模拟，仅仅是模式识别领域数据聚类的一个算法分支，转向角度、视野、领队方面还没有实现。

总之，非常感谢大家耐着性子阅读这篇长文(￣︶￣)。

【参考资料】

• Flocking Algorithm in Unity

• 具有虚拟领导的Flocking聚类算法

• 一种基于混合智能体系统的Flocking算法

• 【游戏精粹】模拟群体行为：Flocking算法

• Flocks, Herds, and Schools: A Distributed Behavioral Model

• AI for Game Developers by Glenn Seemann, David M Bourg