研究动物的随机行走模型,不仅有助于提高对动物捕食效率的认识,而且对研究复杂网络的路径搜索问题,也起到至关重要的作用。针对目前关于随机行走模型误判、难以区分的问题,专家学者纷纷将研究方向聚焦到对随机行走过程中采样率的研究问题上。一般的采样方法是通过固定的采样周期对数据采样,这种采样方式简单、易理解,但是在采样过程中,采样周期的不同,可能会导致步长和转角的分布形式发生本质的变化。为了解决这个问题,本文基于随机行走路线轮廓的基本特征不变,提出一种混合采样频率方法。本文以动物迁徙数据中的混合采样频率为研究焦点,分别用一般的采样方法和和混合采样频率方法对不同的随机行走模型实现了采样仿真,然后将采样方法运用到路径整合问题中,进一步验证了混合采样频率方法的高效性。具体研究内容分为以下几点:(1)对动物迁移过程中的随机行走理论进行了全面的阐述。包括简单的随机行走、有偏的随机行走、相关联的随机行走和列维行走,以及囊括了大象行走、阿兹海默行走和猴子行走的非马尔科夫随机行走。(2)随机行走在生物生态中的应用。首先仿真分析了贝叶斯理论在生物生态中的运用。然后针对随机行走中的采样率问题,用一般的采样方法对列维随机行走模型进行仿真,分析出一般采样方法在实现过程中存在的由于采样周期的不同,可能会导致变量的分布形式发生质变的问题。(3)针对不同的随机行走模型,研究了采样方式的影响。首先根据不同的采样周期,实现了对不同随机行走模型一般的采样方法操作。然后基于轮廓的基本特征不变,提出一种新的混合采样频率的方法,并将其运用到随机行走模型中。(4)基于动物随机行走过程中的路径整合问题,首先给出了两种评估路径弯曲度的评估方法,然后将采样方式与路径整合问题联系,仿真对比了混合采样频率方法相比于一般的采样方法对路径整合问题的优势。