D01:10.13374/i.issn1001t63x.2010.09.024 第32卷第9期 北京科技大学学报 Vol 32 No 9 2010年9月 Journal of Un iversity of Science and Technology Beijing Sep 2010 模糊数学和有限状态机矩阵形式描述的人工情绪模型 史雪飞王志良张琼 北京科技大学信息工程学院，北京100083 摘要根据大脑的情绪加工环路提出了三个层次的人工情绪框架结构·重点对智能体的底层情绪模型进行了研究，分别采 用模糊关系理论和有限状态机的矩阵形式建立了相应的情绪激活状态和行为输出方程·模型考虑了心境和需求对当时情绪 的影响，利用矩阵模型可以直接计算出不同情绪状态下的输出行为，解决了单纯用表的形式记录“事件一情绪一行为”序列对 的存储空间和查表问题·选择了婴儿的情感行为数据来验证模型的正确性·仿真结果表明：模型在考虑了敏感因子和心境对 情绪激活阀值影响的因素后，在机器系统中可以建立有效的情绪与行为输出模型。 关键词模糊关系；有限自动机：情绪模型；人工智能 分类号TP181 M odelling em otion based on fuzzy m athem atics and m atrix description of fin ite state m ach ines SHI Xue-fei WANG Zhi-liang ZHANG Q iong School of Infomation Engineering University of Science and Technokgy Beijng Beijng 100083 Chna ABSTRACT A three-layer emotion model structure based on brain science was proposed firstly Then a bottom-level emotion model of the intelligent system was presented in detail It was constructed by using fuzzy mathematics and matrix description of fin ite state ma- chines A fizzy relation between stimnuls and emotion was produced to detem ine the active emotion in consideration ofmood and de- sire at that tie The output behavior was calculated by a matrix style of fmite state machines while the active emotion was given The model constmucted in this way coull reduce memory spaces used only for storing the corresponding relations among stinuls emotion and behavior The sinulation result and conclusion are presented in the end KEY WORDS fuzzy relation finite automaton:emotion modelling artificial intelligence 人工智能的研究从20世纪50年代开始发展到 人工情绪模型的出现，它们至少从功能的角度上实 现在已经达到了较高的水平，它的研究内容也从模 现了对人类情绪有限的模仿，最早的经典情绪模型 拟人的感知觉、推理和学习等认知智能逐渐扩展到 是1988年0 rtony等提出的“OCC情绪认知模 人的情绪和情感，目前人工情感已成为人工智能领 型”它是基于情绪的认知理论和基于规则的建模， 域的研究热点，其中，如何赋予机器情感智力（即情 因为很容易用计算机实现而得到广泛使用，然而， 绪建模问题)是研究的核心，其基础和根本是对自 情绪不仅由单一的认知评价过程产生，还与一些低 然情绪实质的理解和表示.近年来，国内外已有许 层次的非认知性因素影响有密切联系，英国伯明翰 多人工情绪的模型1-). 大学的Skman提出的“CogA模型”同时考虑了 由于情绪的复杂性以及人类对自身情感产生和 低层的身体反应机制和高层的心理认知对情感的影 变化规律的研究尚不完善，情绪建模的研究工作进 响，建立了情感的三层体系结构，但是这些抽象的模 行得比较艰难甚至对这一问题本身的提出也存在着 型没有提供一个具体的可供计算机执行的情感建模 争议，尽管如此，目前在情感计算领域己经有很多 方法，人类情绪的激活具有一定程度的不确定性， 收稿日期：2009-11-16 基金项目：国家高技术研究发展计划资助项目(2007AA04Z218):北京市自然科学基金重点项目(KZ200810028016) 作者简介：史雪飞(1973)，女，讲师，博士研究生，Email sxf12450 ies ust山cd加m王志良(1956)男，教授，博士生导师
第 32卷 第 9期 2010年 9月 北 京 科 技 大 学 学 报 ＪｏｕｒｎａｌｏｆＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＢｅｉｊｉｎｇ Ｖｏｌ．32Ｎｏ．9 Ｓｅｐ．2010 模糊数学和有限状态机矩阵形式描述的人工情绪模型 史雪飞 王志良 张 琼 北京科技大学信息工程学院北京 100083 摘 要 根据大脑的情绪加工环路提出了三个层次的人工情绪框架结构．重点对智能体的底层情绪模型进行了研究分别采 用模糊关系理论和有限状态机的矩阵形式建立了相应的情绪激活状态和行为输出方程．模型考虑了心境和需求对当时情绪 的影响利用矩阵模型可以直接计算出不同情绪状态下的输出行为解决了单纯用表的形式记录 “事件—情绪—行为 ”序列对 的存储空间和查表问题．选择了婴儿的情感行为数据来验证模型的正确性．仿真结果表明：模型在考虑了敏感因子和心境对 情绪激活阀值影响的因素后在机器系统中可以建立有效的情绪与行为输出模型． 关键词 模糊关系；有限自动机；情绪模型；人工智能 分类号 ＴＰ181 Ｍｏｄｅｌｌｉｎｇｅｍｏｔｉｏｎｂａｓｅｄｏｎｆｕｚｚｙｍａｔｈｅｍａｔｉｃｓａｎｄｍａｔｒｉｘｄｅｓｃｒｉｐｔｉｏｎｏｆｆｉｎｉｔｅ ｓｔａｔｅｍａｃｈｉｎｅｓ ＳＨＩＸｕｅ-ｆｅｉＷＡＮＧＺｈｉ-ｌｉａｎｇＺＨＡＮＧＱｉｏｎｇ ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＢｅｉｊｉｎｇＢｅｉｊｉｎｇ100083Ｃｈｉｎａ ＡＢＳＴＲＡＣＴ Ａｔｈｒｅｅ-ｌａｙｅｒｅｍｏｔｉｏｎｍｏｄｅｌｓｔｒｕｃｔｕｒｅｂａｓｅｄｏｎｂｒａｉｎｓｃｉｅｎｃｅｗａｓｐｒｏｐｏｓｅｄｆｉｒｓｔｌｙ．Ｔｈｅｎａｂｏｔｔｏｍ-ｌｅｖｅｌｅｍｏｔｉｏｎｍｏｄｅｌ ｏｆｔｈｅｉｎｔｅｌｌｉｇｅｎｔｓｙｓｔｅｍｗａｓｐｒｅｓｅｎｔｅｄｉｎｄｅｔａｉｌ．Ｉｔｗａｓｃｏｎｓｔｒｕｃｔｅｄｂｙｕｓｉｎｇｆｕｚｚｙｍａｔｈｅｍａｔｉｃｓａｎｄｍａｔｒｉｘｄｅｓｃｒｉｐｔｉｏｎｏｆｆｉｎｉｔｅｓｔａｔｅｍａ- ｃｈｉｎｅｓ．Ａｆｕｚｚｙｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｓｔｉｍｕｌｕｓａｎｄｅｍｏｔｉｏｎｗａｓｐｒｏｄｕｃｅｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅａｃｔｉｖｅｅｍｏｔｉｏｎｉｎｃｏｎｓｉｄｅｒａｔｉｏｎｏｆｍｏｏｄａｎｄｄｅ- ｓｉｒｅａｔｔｈａｔｔｉｍｅ．Ｔｈｅｏｕｔｐｕｔｂｅｈａｖｉｏｒｗａｓｃａｌｃｕｌａｔｅｄｂｙａｍａｔｒｉｘｓｔｙｌｅｏｆｆｉｎｉｔｅｓｔａｔｅｍａｃｈｉｎｅｓｗｈｉｌｅｔｈｅａｃｔｉｖｅｅｍｏｔｉｏｎｗａｓｇｉｖｅｎ．Ｔｈｅ ｍｏｄｅｌｃｏｎｓｔｒｕｃｔｅｄｉｎｔｈｉｓｗａｙｃｏｕｌｄｒｅｄｕｃｅｍｅｍｏｒｙｓｐａｃｅｓｕｓｅｄｏｎｌｙｆｏｒｓｔｏｒｉｎｇｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｒｅｌａｔｉｏｎｓａｍｏｎｇｓｔｉｍｕｌｕｓｅｍｏｔｉｏｎ ａｎｄｂｅｈａｖｉｏｒ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔａｎｄｃｏｎｃｌｕｓｉｏｎａｒｅｐｒｅｓｅｎｔｅｄｉｎｔｈｅｅｎｄ． ＫＥＹＷＯＲＤＳ ｆｕｚｚｙｒｅｌａｔｉｏｎ；ｆｉｎｉｔｅａｕｔｏｍａｔｏｎ；ｅｍｏｔｉｏｎｍｏｄｅｌｌｉｎｇ；ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ 收稿日期：2009--11--16 基金项目：国家高技术研究发展计划资助项目 （2007ＡＡ04Ｚ218）；北京市自然科学基金重点项目 （ＫＺ200810028016） 作者简介：史雪飞 （1973— ）女讲师博士研究生Ｅ-ｍａｉｌ：ｓｘｆ1245＠ｉｅｓ．ｕｓｔｂ．ｅｄｕ．ｃｎ；王志良 （1956— ）男教授博士生导师 人工智能的研究从 20世纪 50年代开始发展到 现在已经达到了较高的水平它的研究内容也从模 拟人的感知觉、推理和学习等认知智能逐渐扩展到 人的情绪和情感．目前人工情感已成为人工智能领 域的研究热点．其中如何赋予机器情感智力 （即情 绪建模问题 ）是研究的核心其基础和根本是对自 然情绪实质的理解和表示．近年来国内外已有许 多人工情绪的模型 ［1--7］． 由于情绪的复杂性以及人类对自身情感产生和 变化规律的研究尚不完善情绪建模的研究工作进 行得比较艰难甚至对这一问题本身的提出也存在着 争议．尽管如此目前在情感计算领域己经有很多 人工情绪模型的出现它们至少从功能的角度上实 现了对人类情绪有限的模仿．最早的经典情绪模型 是 1988年 Ｏｒｔｏｎｙ等 ［1］ 提出的 “ＯＣＣ情绪认知模 型 ”．它是基于情绪的认知理论和基于规则的建模 因为很容易用计算机实现而得到广泛使用．然而 情绪不仅由单一的认知评价过程产生还与一些低 层次的非认知性因素影响有密切联系．英国伯明翰 大学的 Ｓｌｏｍａｎ ［2］提出的 “ＣｏｇＡｆｆ模型 ”同时考虑了 低层的身体反应机制和高层的心理认知对情感的影 响建立了情感的三层体系结构但是这些抽象的模 型没有提供一个具体的可供计算机执行的情感建模 方法．人类情绪的激活具有一定程度的不确定性 DOI :10．13374／j．issn1001－053x．2010．09．024
第9期 史雪飞等：模糊数学和有限状态机矩阵形式描述的人工情绪模型 .1239. 为了描述这种随机性，情感计算的创始人Pica 在1995年提出的隐马尔可夫模型是一种用参数表 1人工情绪模型的分层结构 示的、用于描述随机过程统计特性的概率模型，但 情绪心理学理论认为：人类情感的发生和发 是，人类情绪的发生和激活并不是随机的，而且激活 展绝不是偶然的，只要把它放置在物种进化这一更 的情绪状态和外显的表情也不是各自独立和毫无关 大的范畴中，就能较好地认识到：情绪是长期积淀在 联的，2001年，Akm等[为索尼公司的Canis系列 神经系统和脑结构中的一种最有用、最有效的独特 机器狗提出了一种内置的情感模型，并首先应用在 属性，这意味着应当把情绪的发生和发展放在人脑 AB0机器狗的控制系统中，其特色之处在于利用有 的进化和发展上去考察，从进化的观点看，情绪是 限状态机的技术实现了底层的本能情感模型：但是 在脑进化的低级阶段发生的，特别是与那些同调节 该体系结构中，缺少对认知推理功能的支持。韩国 和维持生命的神经部位相联系，情绪作为脑的功 的Pak等提出了基于神经认知科学的服务机器 能，首先发生在神经组织进化上古老的部位，丘脑 人情感系统，该系统借鉴神经科学和认知科学的研 系统、脑干结构、边缘系统和皮下神经核团等这些整 究成果，在OCC模型的基础上构建起来，可以使机 合有机体生命过程的部位，都是整合情绪的中枢， 器人同时拥有多种情绪，国内提出的人工情绪模型 随着人类的进化，大脑皮层、尤其是前额叶的发展对 主要有张冬蕾等开发的情绪知识模型支撑的智 情绪与认知的整合起着重要的作用.从情绪与脑的 能情感主体，其内部情绪产生模块采用了分层的结 进化可以说明人类现有的情绪是经历了不同阶段的 构：反射式情绪产生模块、主体认知式情绪产生模 进化发展而来的，大脑对情感刺激信息的处理是分 块.杨宏伟等口提出了一种应用于虚拟智能体的综 层次和等级的，人工情绪建模必须要考虑到这一客 合可计算的情感建模方法，此模型综合考虑了生理、 观的生理结构 认知对情感的影响，分别在Damasio的生理机制和 具体的人工情绪模型分为三层，即先天预置的 OCC及Rosem an等提出的基于事件评价的认知机 感觉驱动水平、后天习得的图式水平以及理性认知 制基础上建立的， 参与的概念性水平，如图1所示，其中先天预置的 本文的人工情绪模型结构是在文献[8-9]的基 感觉驱动级情绪状态由自主神经系统和中央神经系 础上提出的，并尝试研究机器容易实现的技术方法； 统引发，属于无意识自动加工水平，可以根据模糊有 模型还重点考虑了情绪作为后天习得的一种智能是 限状态机的相关理论进行描述和实现，本文重点建 生物体与外界交互过程中逐渐发展起来的，强调了 立了这部分的情绪模型；后天习得的图式水平级情 人工情绪发展的建模思路；对于模型中提出的底层 感状态是与外界环境交互过程中通过激活先天无条 情绪环节，本文在有限状态机理论的基础上引入了 件情绪而形成的条件式情绪，这部分情绪也是由无 矩阵形式并利用模糊数学描述情绪的不确定 意识评价产生的，是基于从前的情绪记忆或者情绪 性-山，建立了适用于智能体或者机器的可计算的 体验：最高级的概念性水平是有意识的理性加工，由 建模方法 比较、执行和期望等引起的情绪状态 群胝体扣带皮质 大脑皮质 大脑皮层 最高层：认知参与的 情绪信息处理 感觉丘脑 杏仁核 中间层：后天习得的图式 水平级情绪和应激情况 下的情绪处理 行为系统： 底层：先天预置在神经 下丘脑杏仁核丘脑 脑干 外界刺激 基本神经结构 系统中的原始情绪 海马状突起 (a (b) 图1对应于人脑结构的人工情绪模型，()人脑的结构；(b)人工情绪模型的三层结构 Fig 1 Three-layer emotionalmodel according to human bran stnuctm (a)human bran stnichins (b)three-layer struicture of the artificial emo- tional model
第 9期 史雪飞等： 模糊数学和有限状态机矩阵形式描述的人工情绪模型 为了描述这种随机性情感计算的创始人 Ｐｉｃａｒｄ ［3］ 在 1995年提出的隐马尔可夫模型是一种用参数表 示的、用于描述随机过程统计特性的概率模型．但 是人类情绪的发生和激活并不是随机的而且激活 的情绪状态和外显的表情也不是各自独立和毫无关 联的．2001年Ａｒｋｉｎ等 ［4］为索尼公司的 Ｃａｎｉｓ系列 机器狗提出了一种内置的情感模型并首先应用在 ＡＩＢＯ机器狗的控制系统中其特色之处在于利用有 限状态机的技术实现了底层的本能情感模型；但是 该体系结构中缺少对认知推理功能的支持．韩国 的 Ｐａｒｋ等 ［5］提出了基于神经认知科学的服务机器 人情感系统该系统借鉴神经科学和认知科学的研 究成果在 ＯＣＣ模型的基础上构建起来可以使机 器人同时拥有多种情绪．国内提出的人工情绪模型 主要有张冬蕾等 ［6］开发的情绪知识模型支撑的智 能情感主体其内部情绪产生模块采用了分层的结 构：反射式情绪产生模块、主体认知式情绪产生模 块．杨宏伟等 ［7］提出了一种应用于虚拟智能体的综 合可计算的情感建模方法此模型综合考虑了生理、 认知对情感的影响分别在 Ｄａｍａｓｉｏ的生理机制和 ＯＣＣ及 Ｒｏｓｅｍａｎ等提出的基于事件评价的认知机 制基础上建立的． 本文的人工情绪模型结构是在文献 ［8--9］的基 础上提出的并尝试研究机器容易实现的技术方法； 模型还重点考虑了情绪作为后天习得的一种智能是 生物体与外界交互过程中逐渐发展起来的强调了 人工情绪发展的建模思路；对于模型中提出的底层 情绪环节本文在有限状态机理论的基础上引入了 矩 阵 形 式 并 利 用 模 糊 数 学 描 述 情 绪 的 不 确 定 性 ［10--11］建立了适用于智能体或者机器的可计算的 建模方法． 1 人工情绪模型的分层结构 情绪心理学理论认为 ［12］：人类情感的发生和发 展绝不是偶然的只要把它放置在物种进化这一更 大的范畴中就能较好地认识到：情绪是长期积淀在 神经系统和脑结构中的一种最有用、最有效的独特 属性这意味着应当把情绪的发生和发展放在人脑 的进化和发展上去考察．从进化的观点看情绪是 在脑进化的低级阶段发生的特别是与那些同调节 和维持生命的神经部位相联系．情绪作为脑的功 能首先发生在神经组织进化上古老的部位．丘脑 系统、脑干结构、边缘系统和皮下神经核团等这些整 合有机体生命过程的部位都是整合情绪的中枢． 随着人类的进化大脑皮层、尤其是前额叶的发展对 情绪与认知的整合起着重要的作用．从情绪与脑的 进化可以说明人类现有的情绪是经历了不同阶段的 进化发展而来的大脑对情感刺激信息的处理是分 层次和等级的人工情绪建模必须要考虑到这一客 观的生理结构． 具体的人工情绪模型分为三层即先天预置的 感觉驱动水平、后天习得的图式水平以及理性认知 参与的概念性水平如图 1所示．其中先天预置的 感觉驱动级情绪状态由自主神经系统和中央神经系 统引发属于无意识自动加工水平可以根据模糊有 限状态机的相关理论进行描述和实现本文重点建 立了这部分的情绪模型；后天习得的图式水平级情 感状态是与外界环境交互过程中通过激活先天无条 件情绪而形成的条件式情绪这部分情绪也是由无 意识评价产生的是基于从前的情绪记忆或者情绪 体验；最高级的概念性水平是有意识的理性加工由 比较、执行和期望等引起的情绪状态． 图 1 对应于人脑结构的人工情绪模型．（ａ） 人脑的结构；（ｂ） 人工情绪模型的三层结构 Ｆｉｇ．1 Ｔｈｒｅｅ-ｌａｙｅｒｅｍｏｔｉｏｎａｌｍｏｄｅｌａｃｃｏｒｄｉｎｇｔｏｈｕｍａｎｂｒａｉｎｓｔｒｕｃｔｕｒｅ：（ａ） ｈｕｍａｎｂｒａｉｎｓｔｒｕｃｔｕｒｅ；（ｂ） ｔｈｒｅｅ-ｌａｙｅｒｓｔｒｕｃｔｕｒｅｏｆｔｈｅａｒｔｉｆｉｃｉａｌｅｍｏ- ｔｉｏｎａｌｍｏｄｅｌ ·1239·
,1240 北京科技大学学报 第32卷 2 基于模糊数学和有限状态机矩阵模型的 5+(a-0.5),0<5<1 人工情绪与行为建模 =1 0 号=0 2.1模型的结构 (i=12…,m=l,2,n) (1) 本文提出的情绪模型适用于一般的智能体系 2.3情绪激活状态的计算 统，实现的技术方法主要是基于底层情绪智能，此时 人处于不同的情绪状态下对同样的刺激反应是 情绪的产生是在无意识的状态下自动完成的，不经 不同的，这就是心境对于人的情绪乃至行为也有一 历认知过程，因此复杂的性格对情绪的影响并不是 定的影响，因此模型认为心境的好与坏直接左右着 主要因素，模型考虑了不同个体对于刺激的敏感程 情绪状态的激活阈值，对于模糊矩阵R,可以通过 度不同，提出了图2所示的智能体情绪与行为的模 其入截矩阵表示情绪激活的最终结果，模型中的入 型结构，模型认为外界刺激是客观的，通过引入敏感 是可变的，由心境的状态调整和更新它的大小， 因子α刻画了不同个体的感知能力，得到了模糊的 入()更新的原则表示如下 刺激矩阵：根据当时的心境和需求决定了情绪状态 正向情绪或者需求满足导致的积极心境条件下 的激活阈值，情绪激活模块计算出了此时智能体的 采用式(2)更新，负向情绪或者需求未满足导致的 主导情绪，模型的这些部分是模糊的，具有不确定 消极心境条件下采用式(3)更新. 性；而给定情绪状态下的行为具有相对的确定性，所 积极心境下的更新： 以模型的后半部分采用确定性有限状态机的矩阵模 入，-4入 Q为正向情绪 型加以建立，使得整体模型克服了单纯用表的形式 入()= 入十△入， (2) Q为负向情绪 记录刺激一情绪一行为”序列对占用存储空间并 随之带来的查表搜索问题，提高了模型的实时性， 消极心境下的更新： 入十△入 Q为正向情绪 心境和需求 入()千 (3) (决定微活阈值) 入一△入 Q为负向情绪 式中，入为平静心境下的激活阈值；△入描述心境对 外界刺激 模糊刺激感知 情绪激活模块 多种行为 于情绪激活阈值的影响，可以视情况不同定义为由 (客观的) (主观的) (计算主导情绪 输出 情绪状态确定的调整修正值， 智能体的情绪激活状态根据模糊矩阵R的入 不确定的 确定的 截矩阵计算得出： 图2智能体的情绪与行为模型结构 1 与>λ() Fig 2 Emotion and behavior model of the ntelligent system (入)千 0 (4) ≤入() 2.2模糊刺激感知矩阵的建立 (入)取值为1，表示刺激x在当时的心境条件下激 由于人类对于外界引起情绪的刺激事件的感知 活了④的情绪状态，那么输出行为的方程根据矩阵 是模糊的，很难精确量化，所以事件与每种情绪状态 模型可以计算得到 的激活关系应该是模糊的，定义论域X={,, 2.4有限状态机矩阵模型描述的输出行为方程 …,x为有限事件集，Q={Q,Q2,…,Q为基本 如图2所示的模型结构，智能体在情绪激活状 情绪集，则乘积空间X×Q上的一个模糊子集∈ 态下的行为输出是确定的，一种情绪状态下可以对 F(XXQ称为从X到Q的模糊关系，其隶属度 应多个输出，根据文献[13]所研究的有限自动机的 丛(。Q描述了事件与情绪之间的相关程度，记为 矩阵模型方法，可以将给定的情绪状态下的行为输 h（xQ)=∈[01]此时模糊关系可以用模糊 出用矩阵形式的映射方程加以描述 矩阵R=()m×表示，这个模糊矩阵描述了客观的 首先将n种情绪状态用0和1进行编码，确定 外界刺激和激活情绪之间的对应关系，对于不同的 由初始状态（采用编码值）转移到激活状态（不采用 个体，这个模糊矩阵需要根据敏感因子∈[0,1]加 编码值，只采用0和1的值)下不同的行为输出集合 以调整，α值越大表示个体对外界刺激的感知越敏 Z={0,e,,0{,Z={0,,整理出如表1所示的 感，这样就确定了针对自身的刺激感知与情绪激活 情绪与行为的对应转移关系，表中以四种基本情绪、 的模糊矩阵R,从而使模型有了一定程度上的“个 八个行为输出为例，基本情绪n和行为输出1可以 性”，调整计算的原则表示如下： 扩展为任意多个
北 京 科 技 大 学 学 报 第 32卷 2 基于模糊数学和有限状态机矩阵模型的 人工情绪与行为建模 2∙1 模型的结构 本文提出的情绪模型适用于一般的智能体系 统实现的技术方法主要是基于底层情绪智能此时 情绪的产生是在无意识的状态下自动完成的不经 历认知过程因此复杂的性格对情绪的影响并不是 主要因素．模型考虑了不同个体对于刺激的敏感程 度不同提出了图 2所示的智能体情绪与行为的模 型结构模型认为外界刺激是客观的通过引入敏感 因子 α刻画了不同个体的感知能力得到了模糊的 刺激矩阵；根据当时的心境和需求决定了情绪状态 的激活阈值情绪激活模块计算出了此时智能体的 主导情绪模型的这些部分是模糊的具有不确定 性；而给定情绪状态下的行为具有相对的确定性所 以模型的后半部分采用确定性有限状态机的矩阵模 型加以建立使得整体模型克服了单纯用表的形式 记录 “刺激－情绪－行为 ”序列对占用存储空间并 随之带来的查表搜索问题提高了模型的实时性． 图 2 智能体的情绪与行为模型结构 Ｆｉｇ．2 Ｅｍｏｔｉｏｎａｎｄｂｅｈａｖｉｏｒｍｏｄｅｌｏｆｔｈｅｉｎｔｅｌｌｉｇｅｎｔｓｙｓｔｅｍ 2∙2 模糊刺激感知矩阵的建立 由于人类对于外界引起情绪的刺激事件的感知 是模糊的很难精确量化所以事件与每种情绪状态 的激活关系应该是模糊的定义论域 Ｘ＝｛ｘ1ｘ2 …ｘｍ｝为有限事件集Ｑ＝｛Ｑ1Ｑ2…Ｑｎ｝为基本 情绪集则乘积空间 Ｘ×Ｑ上的一个模糊子集Ｒ∈ Ｆ（Ｘ×Ｑ）称为从 Ｘ到 Ｑ的模糊关系其隶属度 μＲ （ｘＱ）描述了事件与情绪之间的相关程度记为 μＲ （ｘｉＱｊ）＝ｒｉｊ∈ ［01］此时模糊关系可以用模糊 矩阵 Ｒ＝（ｒｉｊ）ｍ×ｎ表示这个模糊矩阵描述了客观的 外界刺激和激活情绪之间的对应关系．对于不同的 个体这个模糊矩阵需要根据敏感因子 α∈ ［01］加 以调整α值越大表示个体对外界刺激的感知越敏 感这样就确定了针对自身的刺激感知与情绪激活 的模糊矩阵 Ｒ′从而使模型有了一定程度上的 “个 性 ”调整计算的原则表示如下： ｒ′ｉｊ＝ ｒｉｊ＋（α—0∙5） 0＜ｒｉｊ＜1 1 ｒｉｊ＝1 0 ｒｉｊ＝0 （ｉ＝12…ｍ；ｊ＝12…ｎ） （1） 2∙3 情绪激活状态的计算 人处于不同的情绪状态下对同样的刺激反应是 不同的这就是心境对于人的情绪乃至行为也有一 定的影响因此模型认为心境的好与坏直接左右着 情绪状态的激活阈值．对于模糊矩阵 Ｒ′可以通过 其 λ截矩阵表示情绪激活的最终结果模型中的 λ 是可变的由心境的状态调整和更新它的大小 λ（ｔ）更新的原则表示如下． 正向情绪或者需求满足导致的积极心境条件下 采用式 （2）更新负向情绪或者需求未满足导致的 消极心境条件下采用式 （3）更新． 积极心境下的更新： λ（ｔ）＝ λｊ—Δλ Ｑｊ为正向情绪 λｊ＋Δλ Ｑｊ为负向情绪 （2） 消极心境下的更新： λ（ｔ）＝ λｊ＋Δλ Ｑｊ为正向情绪 λｊ—Δλ Ｑｊ为负向情绪 （3） 式中λｊ为平静心境下的激活阈值；Δλ描述心境对 于情绪激活阈值的影响可以视情况不同定义为由 情绪状态确定的调整修正值． 智能体的情绪激活状态根据模糊矩阵 Ｒ′的 λ 截矩阵计算得出： ｒｉｊ（λ）＝ 1 ｒｉｊ＞λ（ｔ） 0 ｒｉｊ≤λ（ｔ） （4） ｒｉｊ（λ）取值为 1表示刺激 ｘｉ在当时的心境条件下激 活了 ｑｊ的情绪状态那么输出行为的方程根据矩阵 模型可以计算得到． 2∙4 有限状态机矩阵模型描述的输出行为方程 如图 2所示的模型结构智能体在情绪激活状 态下的行为输出是确定的一种情绪状态下可以对 应多个输出根据文献 ［13］所研究的有限自动机的 矩阵模型方法可以将给定的情绪状态下的行为输 出用矩阵形式的映射方程加以描述． 首先将 ｎ种情绪状态用 0和 1进行编码确定 由初始状态 （采用编码值 ）转移到激活状态 （不采用 编码值只采用0和1的值 ）下不同的行为输出集合 Ｚ＝｛ｏ1ｏ2…ｏｌ｝Ｚｉ＝｛ｏｉ｝整理出如表 1所示的 情绪与行为的对应转移关系表中以四种基本情绪、 八个行为输出为例基本情绪 ｎ和行为输出 ｌ可以 扩展为任意多个． ·1240·
第9期 史雪飞等：模糊数学和有限状态机矩阵形式描述的人工情绪模型 .1241. 表1激活情绪与行为的对应关系 Q* Table 1 Corresponding welations beteen emotion and behavior Q 十1时刻的 1十1时刻的行为输出 (6) 激活情绪 Q=(00)Q2=(01)Q8=(10)Q:=(1,1) Q* Qp+ (m,8,W）(s,6）（2,8)(6:m） Q31 (6,6）(6,06,s）（e,0w,s）(2,6,w) 式(6)说明激活情绪状态下的多个行为输出可 Q*1 (s,）(2s)(5's)(4,s) 以通过矩阵方程直接计算得到，尤其对于情绪状态 O+1 (ss）(,3a)(2,5)(5,s) 和行为的序列对比较庞大时，这种计算方法可以有 将情绪状态激活条件下对应的行为输出方程表 效地提高模型的实时性 示为： 3仿真结果 Z=q4g01+g40g1十4g01 考虑到本文描述的模型侧重先天固化在神经系 Z2=qp01+(qg十qg)Q1+ 统中的那部分情绪智能，因此选择了婴儿的情感行 9φ0g1十4Q1 为数据来验证模型的正确性，表2所示的情绪诱因 Z☑=qgQ1+(4g十4g)Q1+ (5) 作为模型的刺激输入，定义了X={,,,0的 事件集合，Q=Qauiep Qca,QhaPPy'Qanger Qcurinus 9华0g1+44Q1 Qaig ad的情绪状态集合，行为输出集合Z= Z=g401+(44+4g)01+ 0,,,02:确定了刺激事件和情绪状态之间的 qgQ1+(4g十4g)Q1 模糊关系R定义了不同的敏感因子α={0.2,0.5 式中，qφ的最小项分别为时刻的情绪状态编码： 0.7{,不同的心境和需求满足程度（分心境好与心 Q”为十1时刻的情绪状态，若Q1=1表示该情 境坏两种情形)，建立了情绪与行为之间的对应方 绪激活，Q:1=0表示该情绪未被激活. 程，实现了外界刺激、激活的情绪及输出的行为三者 之间的数学描述，并整理得到了如图3和图4所示 根据有限状态机的矩阵模型将上述方程组(5) 的仿真结果，图3说明了两种不同的心境条件下， 整理化简可以得到： 情绪的激活阈值有所调整，在心境好的时候，正向 Z 情绪的激活阈值降低，负向情绪的激活阈值升高：在 心境差的时候，正向情绪的激活阈值升高，负向情绪 的激活阈值下降.图中的六个事件分别对应于表2 Z 中的相应内容，图4说明了不同的敏感因子对情绪 的激活产生影响.敏感因子为0.2的个体对外界的 9里 0 里 9里 刺激不敏感，情绪的激活阈值都比较高：敏感因子为 99 9平十9平 9甲 9里 0.7的个体对外界的刺激敏感，情绪的激活阈值都 比较低，仿真结果表明模型在考虑了敏感因子和心 go 9单+4单 9里 里里 境对情绪激活影响的因素后，能够通过文中所提的 平 9平十q平9单q里十4甲 建模方法在机器系统中实现 表2婴儿的情绪与行为输出 Tab2 Corresponding relations beteen baby's anotion and behavor 资料来源 情绪诱因 情绪状态 行为趋势 被柔和地轻拍和抚摸（事件1） 高兴 靠近、笑、摆手 华生 活动受到限制（事件2） 生气、害怕 攻击、哭、乱动 突然出现的声音和身体失去支撑(C事件3) 害怕 后退哭 味道刺激（事件4） 厌恶 后退、捂鼻子 新异性光、声或动的物体（事件5） 兴趣 靠近、睁大眼睛 与熟人分离（事件6） 悲伤 哭、抱头 孟昭兰 从高处降落 害怕 哭、抖动 独处 害怕 哭、蜷缩 失败 悲伤、生气 哭、乱动 陌生人出现，新异性较大物体出现 害怕 后退哭
第 9期 史雪飞等： 模糊数学和有限状态机矩阵形式描述的人工情绪模型 表 1 激活情绪与行为的对应关系 Ｔａｂｌｅ1 Ｃｏｒｒｅｓｐｏｎｄｉｎｇｒｅｌａｔｉｏｎｓｂｅｔｗｅｅｎｅｍｏｔｉｏｎａｎｄｂｅｈａｖｉｏｒ ｔ＋1时刻的 激活情绪 ｔ＋1时刻的行为输出 Ｑｎ 1＝（00） Ｑｎ 2＝（01） Ｑｎ 3＝（10） Ｑｎ 4＝（11） Ｑｎ＋1 1 （ｏ1ｏ3ｏ4） （ｏ3ｏ6） （ｏ2ｏ8） （ｏ5ｏ7） Ｑｎ＋1 2 （ｏ3ｏ5） （ｏ3ｏ6ｏ8） （ｏ2ｏ7ｏ8） （ｏ2ｏ5ｏ7） Ｑｎ＋1 3 （ｏ3ｏ7） （ｏ2ｏ3） （ｏ6ｏ8） （ｏ1ｏ4ｏ5） Ｑｎ＋1 4 （ｏ3ｏ8） （ｏ1ｏ3ｏ4） （ｏ2ｏ6） （ｏ5ｏ7ｏ8） 将情绪状态激活条件下对应的行为输出方程表 示为： Ｚ1＝ｑ1ｑ2Ｑ ｎ＋1 1 ＋ｑ1ｑ2Ｑ ｎ＋1 3 ＋ｑ1ｑ2Ｑ ｎ＋1 4 Ｚ2＝ｑ1ｑ2Ｑ ｎ＋1 1 ＋（ｑ1ｑ2＋ｑ1ｑ2）Ｑ ｎ＋1 2 ＋ ｑ1ｑ2Ｑ ｎ＋1 3 ＋ｑ1ｑ2Ｑ ｎ＋1 4 … Ｚ7＝ｑ1ｑ2Ｑ ｎ＋1 1 ＋（ｑ1ｑ2＋ｑ1ｑ2）Ｑ ｎ＋1 2 ＋ ｑ1ｑ2Ｑ ｎ＋1 3 ＋ｑ1ｑ2Ｑ ｎ＋1 4 Ｚ8＝ｑ1ｑ2Ｑ ｎ＋1 1 ＋（ｑ1ｑ2＋ｑ1ｑ2）Ｑ ｎ＋1 2 ＋ ｑ1ｑ2Ｑ ｎ＋1 3 ＋（ｑ1ｑ2＋ｑ1ｑ2）Ｑ ｎ＋1 4 （5） 式中ｑ1ｑ2的最小项分别为 ｔ时刻的情绪状态编码； Ｑ ｎ＋1 ｉ 为 ｔ＋1时刻的情绪状态若 Ｑ ｎ＋1 ｉ ＝1表示该情 绪激活Ｑ ｎ＋1 ｉ ＝0表示该情绪未被激活． 根据有限状态机的矩阵模型将上述方程组 （5） 整理化简可以得到： Ｚ1 Ｚ2 Ｚ7 Ｚ8 ＝ ｑ1ｑ2 0 ｑ1ｑ2 ｑ1ｑ2 ｑ1ｑ2 ｑ1ｑ2＋ｑ1ｑ2 ｑ1ｑ2 ｑ1ｑ2 ｑ1ｑ2 ｑ1ｑ2＋ｑ1ｑ2 ｑ1ｑ2 ｑ1ｑ2 ｑ1ｑ2 ｑ1ｑ2＋ｑ1ｑ2 ｑ1ｑ2 ｑ1ｑ2＋ｑ1ｑ2 × Ｑ ｎ＋1 1 Ｑ ｎ＋1 2 Ｑ ｎ＋1 3 Ｑ ｎ＋1 4 （6） 式 （6）说明激活情绪状态下的多个行为输出可 以通过矩阵方程直接计算得到尤其对于情绪状态 和行为的序列对比较庞大时这种计算方法可以有 效地提高模型的实时性． 3 仿真结果 考虑到本文描述的模型侧重先天固化在神经系 统中的那部分情绪智能因此选择了婴儿的情感行 为数据来验证模型的正确性．表 2所示的情绪诱因 作为模型的刺激输入定义了 Ｘ＝｛ｘ1ｘ2…ｘ10｝的 事件 集 合Ｑ＝｛ＱｑｕｉｅｔＱｓｃａｒｅＱｈａｐｐｙＱａｎｇｅｒＱｃｕｒｉｏｕｓ ＱｄｉｓｇｕｓｔＱｓａｄ｝的情绪状态集合行为输出集合 Ｚ＝ ｛ｏ1ｏ2…ｏ12｝；确定了刺激事件和情绪状态之间的 模糊关系 Ｒ定义了不同的敏感因子 α＝｛0∙20∙5 0∙7｝不同的心境和需求满足程度 （分心境好与心 境坏两种情形 ）建立了情绪与行为之间的对应方 程实现了外界刺激、激活的情绪及输出的行为三者 之间的数学描述并整理得到了如图 3和图 4所示 的仿真结果．图 3说明了两种不同的心境条件下 情绪的激活阈值有所调整．在心境好的时候正向 情绪的激活阈值降低负向情绪的激活阈值升高；在 心境差的时候正向情绪的激活阈值升高负向情绪 的激活阈值下降．图中的六个事件分别对应于表 2 中的相应内容．图 4说明了不同的敏感因子对情绪 的激活产生影响．敏感因子为 0∙2的个体对外界的 刺激不敏感情绪的激活阈值都比较高；敏感因子为 0∙7的个体对外界的刺激敏感情绪的激活阈值都 比较低．仿真结果表明模型在考虑了敏感因子和心 境对情绪激活影响的因素后能够通过文中所提的 建模方法在机器系统中实现． 表 2 婴儿的情绪与行为输出 Ｔａｂｌｅ2 Ｃｏｒｒｅｓｐｏｎｄｉｎｇｒｅｌａｔｉｏｎｓｂｅｔｗｅｅｎｂａｂｙʾｓｅｍｏｔｉｏｎａｎｄｂｅｈａｖｉｏｒ 资料来源 情绪诱因 情绪状态 行为趋势 被柔和地轻拍和抚摸 （事件 1） 高兴 靠近、笑、摆手 华生 活动受到限制 （事件 2） 生气、害怕 攻击、哭、乱动 突然出现的声音和身体失去支撑 （事件 3） 害怕 后退、哭 味道刺激 （事件 4） 厌恶 后退、捂鼻子 新异性光、声或动的物体 （事件 5） 兴趣 靠近、睁大眼睛 与熟人分离 （事件 6） 悲伤 哭、抱头 孟昭兰 从高处降落 害怕 哭、抖动 独处 害怕 哭、蜷缩 失败 悲伤、生气 哭、乱动 陌生人出现新异性较大物体出现 害怕 后退、哭 ·1241·
,1242. 北京科技大学学报 第32卷 1.0p [2]Skman A.Varieties of affect and the CogA ff architecture schema /Proceedings Symposim on Emotion Cognition and Affective 0.8 Camnputng Convention York 2001.39 0.6 心境好对应的激活阀值 [3]Picand R W.Affective Camputing Translated by LuoS L Beijing 0.4 Beijing Institte of Technobgy Press 2005 0.2 (Pican R W.情感计算.罗森林译.北京：北京理工大学出版 心境差对应的激活阈值 社，2005) 0 事件3事件1事件2事件5事件4李件6 [4]Akin R C Fujita M.TakagiT et al Ethobgical modeling and 输入刺激 architechre for an entertarment robo Proceedings of the 2001 图3不同心境条件下的入(t)更新和情绪的激活 EEE Intema tionalConfernce on Robotics and Automation Seoul Fig 3 A(t)refreshing and eotional generation based on different 2001:454 moods [5]Park G Y.Lee S I Kwon W Y.Neumcognitive affective system for an emotive mobor/Proccedings of the 2006 EEE /RSJ Intema- 1.0 tional Confernce on Intelligent Robots and Systems Beijing 0.8 2006.2595 敏感因子0.2 [6]Zhong D L Yong X,Cao C G.Research on cmotion and action 0.6 敏感因子0.5 about generation of ntelligent story Inf Technol Lett 2006.4 0.4 敏感因子0.7 (5):16 0.2 (张冬蕾，雍兮，曹存根，智能故事生成中的行为和情绪研 0- 究.信息技术快报，20064(5)：16) 害怕 高兴 生气兴趣厌恶悲伤 [7]Yang H W.Pan Z G.Liu G D.A camprehensive comnputational 情绪状态 model of emotions J CamputRes Dev 2008 45 (4):579 图4敏感因子对情绪激活的影响 (杨宏伟，潘志庚，刘更代。一种综合可计算情感建模方法，计 Fig4 Effect of sensitive coefficient on motional generation 算机研究与发展，200845(4)：579) [8]Marpaung A H.Lisetti C L Multilevel emotion modeling for au- 4结语 tonomous agents//Pmceed ings AAAI FSS04.Fall Symposim on the Intersection of Cognitive Scicnce and Robotics Fmm Interfaces 人工情感领域对于情绪建模的研究正如心理学 to Intelligence W ash ingion D C 2004:1542 对情绪本身的探讨一样，都分别从不同的角度、侧重 [9]Zhou W D.Coggins R.Canputationalmodels of the amygdala and 不同的功能展开相应的研究工作，本文从智能体的 the oitofrontal cortex A hieramhical reinfomcement kamng sys" tem for mobotic con tmAl 2002 Advances in Artificial Intelli 基本情绪出发，试图侧重考虑情绪激活与刺激事件 gence Heidebers 2002 419 的离散对应关系以及情绪本身的模糊差异性，采用 [10]W ang PL WuX H.Xu L mplmentation of an artificial emo 模糊集合和敏感因子建立了具有不同个性的情绪激 tion model and behavior strategies based on finite automata Mi 活计算方法，利用有限状态机的矩阵模型建立了情 emelectmon Canput 2009 26(2):36 绪激活条件下的行为输出方程，这种矩阵模型的方 (任培良，吴小红，许力，一种人工情感及行为策略模型的有 限自动机实现.微电子学与计算机，200926(2)：36) 法尤其适用于数据量较大的应用场合，仿真实验说 [11]Mandryk R L Atkins M S A fuzzy physiolgical appmach for 明采用模糊关系和有关截集的理论可以较准确地描 continuously modeling emotion during nteraction w ith play tech- 述人类情绪本身的特点，结合离散的有限自动机矩 nologies Int J Hun Caput Stud 2007.65,329 阵形式可以建立有效的机器系统的情绪与行为输出 [12]Meng Z L Emotional Psychobgy Beijing Peking University 模型 Press 2005 (孟昭兰.情绪心理学.北京：北京大学出版社，2005) 参考文献 [13]Zhu Z Y.Zhu Q Matrix modelmethod for researches on finite autrmata Camput Sci 2001.28(4):46 [1]Ortony A.Clore G L Collins A.The Cognitive Structure of Emo- (朱征宇，朱庆生·有限状态机的矩阵模型描述计算机科学， tons New York Cambrilge University Press 1988.68 2001.28(4):46)
北 京 科 技 大 学 学 报 第 32卷 图 3 不同心境条件下的 λ（ｔ）更新和情绪的激活 Ｆｉｇ．3 λ（ｔ） ｒｅｆｒｅｓｈｉｎｇａｎｄｅｍｏｔｉｏｎａｌｇｅｎｅｒａｔｉｏｎｂａｓｅｄｏｎｄｉｆｆｅｒｅｎｔ ｍｏｏｄｓ 图 4 敏感因子对情绪激活的影响 Ｆｉｇ．4 Ｅｆｆｅｃｔｏｆｓｅｎｓｉｔｉｖｅｃｏｅｆｆｉｃｉｅｎｔｏｎｅｍｏｔｉｏｎａｌｇｅｎｅｒａｔｉｏｎ 4 结语 人工情感领域对于情绪建模的研究正如心理学 对情绪本身的探讨一样都分别从不同的角度、侧重 不同的功能展开相应的研究工作．本文从智能体的 基本情绪出发试图侧重考虑情绪激活与刺激事件 的离散对应关系以及情绪本身的模糊差异性采用 模糊集合和敏感因子建立了具有不同个性的情绪激 活计算方法利用有限状态机的矩阵模型建立了情 绪激活条件下的行为输出方程这种矩阵模型的方 法尤其适用于数据量较大的应用场合．仿真实验说 明采用模糊关系和有关截集的理论可以较准确地描 述人类情绪本身的特点结合离散的有限自动机矩 阵形式可以建立有效的机器系统的情绪与行为输出 模型． 参 考 文 献 ［1］ ＯｒｔｏｎｙＡＣｌｏｒｅＧＬＣｏｌｌｉｎｓＡ．ＴｈｅＣｏｇｎｉｔｉｖｅＳｔｒｕｃｔｕｒｅｏｆＥｍｏ- ｔｉｏｎｓ．ＮｅｗＹｏｒｋ：ＣａｍｂｒｉｄｇｅＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓ1988：68 ［2］ ＳｌｏｍａｎＡ．ＶａｒｉｅｔｉｅｓｏｆａｆｆｅｃｔａｎｄｔｈｅＣｏｇＡｆｆａｒｃｈｉｔｅｃｔｕｒｅｓｃｈｅｍａ ∥ＰｒｏｃｅｅｄｉｎｇｓＳｙｍｐｏｓｉｕｍ ｏｎＥｍｏｔｉｏｎＣｏｇｎｉｔｉｏｎａｎｄＡｆｆｅｃｔｉｖｅ ＣｏｍｐｕｔｉｎｇＣｏｎｖｅｎｔｉｏｎ．Ｙｏｒｋ2001：39 ［3］ ＰｉｃａｒｄＲＷ．ＡｆｆｅｃｔｉｖｅＣｏｍｐｕｔｉｎｇ．ＴｒａｎｓｌａｔｅｄｂｙＬｕｏＳＬ．Ｂｅｉｊｉｎｇ： ＢｅｉｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙＰｒｅｓｓ2005 （ＰｉｃａｒｄＲＷ．情感计算．罗森林译．北京：北京理工大学出版 社2005） ［4］ ＡｒｋｉｎＲＣＦｕｊｉｔａＭＴａｋａｇｉＴｅｔａｌ．Ｅｔｈｏｌｏｇｉｃａｌｍｏｄｅｌｉｎｇａｎｄ ａｒｃｈｉｔｅｃｔｕｒｅｆｏｒａｎｅｎｔｅｒｔａｉｎｍｅｎｔｒｏｂｏｔ∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ2001 ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＲｏｂｏｔｉｃｓａｎｄＡｕｔｏｍａｔｉｏｎ．Ｓｅｏｕｌ 2001：454 ［5］ ＰａｒｋＧＹＬｅｅＳＩＫｗｏｎＷ Ｙ．Ｎｅｕｒｏｃｏｇｎｉｔｉｖｅａｆｆｅｃｔｉｖｅｓｙｓｔｅｍ ｆｏｒａｎｅｍｏｔｉｖｅｒｏｂｏｔ∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ2006ＩＥＥＥ／ＲＳＪＩｎｔｅｒｎａ- ｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎ ＩｎｔｅｌｌｉｇｅｎｔＲｏｂｏｔｓａｎｄ Ｓｙｓｔｅｍｓ． Ｂｅｉｊｉｎｇ 2006：2595 ［6］ ＺｈｏｎｇＤＬＹｏｎｇＸＣａｏＣＧ．Ｒｅｓｅａｒｃｈｏｎｅｍｏｔｉｏｎａｎｄａｃｔｉｏｎ ａｂｏｕｔｇｅｎｅｒａｔｉｏｎｏｆｉｎｔｅｌｌｉｇｅｎｔｓｔｏｒｙ．ＩｎｆＴｅｃｈｎｏｌＬｅｔｔ20064 （5）：16 （张冬蕾雍兮曹存根．智能故事生成中的行为和情绪研 究．信息技术快报20064（5）：16） ［7］ ＹａｎｇＨＷＰａｎＺＧＬｉｕＧＤ．Ａｃｏｍｐｒｅｈｅｎｓｉｖｅｃｏｍｐｕｔａｔｉｏｎａｌ ｍｏｄｅｌｏｆｅｍｏｔｉｏｎｓ．ＪＣｏｍｐｕｔＲｅｓＤｅｖ200845（4）：579 （杨宏伟潘志庚刘更代．一种综合可计算情感建模方法．计 算机研究与发展200845（4）：579） ［8］ ＭａｒｐａｕｎｇＡＨＬｉｓｅｔｔｉＣＬ．Ｍｕｌｔｉｌｅｖｅｌｅｍｏｔｉｏｎｍｏｄｅｌｉｎｇｆｏｒａｕ- ｔｏｎｏｍｏｕｓａｇｅｎｔｓ∥ＰｒｏｃｅｅｄｉｎｇｓＡＡＡＩＦＳＳʾ04ＦａｌｌＳｙｍｐｏｓｉｕｍ ｏｎ ｔｈｅＩｎｔｅｒｓｅｃｔｉｏｎｏｆＣｏｇｎｉｔｉｖｅＳｃｉｅｎｃｅａｎｄＲｏｂｏｔｉｃｓ：ＦｒｏｍＩｎｔｅｒｆａｃｅｓ ｔｏＩｎｔｅｌｌｉｇｅｎｃｅ．ＷａｓｈｉｎｇｔｏｎＤＣ2004：1542 ［9］ ＺｈｏｕＷ ＤＣｏｇｇｉｎｓＲ．Ｃｏｍｐｕｔａｔｉｏｎａｌｍｏｄｅｌｓｏｆｔｈｅａｍｙｇｄａｌａａｎｄ ｔｈｅｏｒｂｉｔｏｆｒｏｎｔａｌｃｏｒｔｅｘ：Ａｈｉｅｒａｒｃｈｉｃａｌｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇｓｙｓ- ｔｅｍｆｏｒｒｏｂｏｔｉｃｃｏｎｔｒｏｌ∥ ＡＩ2002：ＡｄｖａｎｃｅｓｉｎＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉ- ｇｅｎｃｅ．Ｈｅｉｄｅｌｂｅｒｇ2002：419 ［10］ ＷａｎｇＰＬＷｕＸＨＸｕＬ．Ｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆａｎａｒｔｉｆｉｃｉａｌｅｍｏ- ｔｉｏｎｍｏｄｅｌａｎｄｂｅｈａｖｉｏｒｓｔｒａｔｅｇｉｅｓｂａｓｅｄｏｎｆｉｎｉｔｅａｕｔｏｍａｔａ．Ｍｉ- ｃｒｏｅｌｅｃｔｒｏｎＣｏｍｐｕｔ200926（2）：36 （王培良吴小红许力．一种人工情感及行为策略模型的有 限自动机实现．微电子学与计算机200926（2）：36） ［11］ ＭａｎｄｒｙｋＲＬＡｔｋｉｎｓＭ Ｓ．Ａｆｕｚｚｙｐｈｙｓｉｏｌｏｇｉｃａｌａｐｐｒｏａｃｈｆｏｒ ｃｏｎｔｉｎｕｏｕｓｌｙｍｏｄｅｌｉｎｇｅｍｏｔｉｏｎｄｕｒｉｎｇｉｎｔｅｒａｃｔｉｏｎｗｉｔｈｐｌａｙｔｅｃｈ- ｎｏｌｏｇｉｅｓ．ＩｎｔＪＨｕｍＣｏｍｐｕｔＳｔｕｄ200765：329 ［12］ ＭｅｎｇＺＬ．ＥｍｏｔｉｏｎａｌＰｓｙｃｈｏｌｏｇｙ．Ｂｅｉｊｉｎｇ：ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ2005 （孟昭兰．情绪心理学．北京：北京大学出版社2005） ［13］ ＺｈｕＺＹＺｈｕＱＳ．Ｍａｔｒｉｘｍｏｄｅｌｍｅｔｈｏｄｆｏｒｒｅｓｅａｒｃｈｅｓｏｎｆｉｎｉｔｅ ａｕｔｏｍａｔａ．ＣｏｍｐｕｔＳｃｉ200128（4）：46 （朱征宇朱庆生．有限状态机的矩阵模型描述．计算机科学 200128（4）：46） ·1242·