在求解群機(jī)器人多目標(biāo)搜索問題時(shí),個(gè)體機(jī)器人之間的相互協(xié)作可以形成整體優(yōu)化的效果。本文結(jié)合激發(fā)抑制原理,提出基于蜂群激發(fā)抑制的群機(jī)器人多目標(biāo)協(xié)同搜索算法（AICA）。在個(gè)體層面進(jìn)行細(xì)粒度協(xié)同,AICA通過激發(fā)抑制原理實(shí)現(xiàn)個(gè)體之間的緊密協(xié)作,快速形成子群體;在子群體層面進(jìn)行粗粒度協(xié)同,使子群體之間能夠進(jìn)行進(jìn)一步協(xié)同,充分發(fā)揮每個(gè)機(jī)器人的作用。仿真實(shí)驗(yàn)結(jié)果與分析討論表明,AICA能夠充分利用各個(gè)個(gè)體機(jī)器人和子群體在搜索過程中搜索到的信息,從而提升搜索效率,使群機(jī)器人能夠以較高的效率完成搜索任務(wù)。 

【文章來源】：河北工業(yè)大學(xué)學(xué)報(bào). 2020,49(05)

【文章頁數(shù)】：14 頁

【部分圖文】：

帶權(quán)重的多目標(biāo)搜索模型Fig.1Weightedmulti-objectivesearchmodelT4）

于搜索任務(wù)的開展；反之，如果距離和len_t較大，說明子群體內(nèi)機(jī)器人的搜索范圍比較廣闊，更有利于搜索到目標(biāo)。激發(fā)劑大小與搜索目標(biāo)的權(quán)重成正相關(guān)。激發(fā)劑按照式（5）計(jì)算：ai=Wi。（5）目標(biāo)對(duì)機(jī)器人的吸引力為激發(fā)抑制比值ki的大小，ki按照式（6）計(jì)算。激發(fā)抑制比越大，說明該目標(biāo)需要更多的機(jī)器人加入到搜索該目標(biāo)的任務(wù)中，反之說明機(jī)器人應(yīng)該到其他區(qū)域探索，尋找新的目標(biāo)。ki=ai/hi。（6）當(dāng)機(jī)器人從某個(gè)位置開始搜索時(shí)，可選方向有D＝8個(gè)，如圖6所示。機(jī)器人選擇8個(gè)方向中的一個(gè)作為下一個(gè)位置的過程可視為周圍D個(gè)方向?qū)C(jī)器人產(chǎn)生吸引力的過程。其中，在r個(gè)方向上存在待搜索目標(biāo)，r個(gè)方向上的目標(biāo)對(duì)機(jī)器人的吸引力為ki；剩下D－r個(gè)方向不存在搜索目標(biāo)，這些方向?qū)C(jī)器人產(chǎn)生的吸引力為θi，機(jī)器人在這些方向上按作用力大小選擇，并且機(jī)器人已經(jīng)遍歷過的方向上產(chǎn)生的作用力比沒有遍歷過的方向上產(chǎn)生的作用力校機(jī)器人下一步方向?qū)⒊畲笪Φ姆较蜻\(yùn)動(dòng)，如式（7）所示：F1j=max(max(ki)∑i=1rki+∑l=1D-rθl,max(θl)∑i=1rki+∑l=1D-rθl)，（7）圖6機(jī)器人可選行走方向Fig.6Robotoptionaldirection機(jī)器人位置可選方向機(jī)對(duì)器人的作用力F12365478

不佳。但是，當(dāng)群機(jī)器人數(shù)量增加到一定程度時(shí)，子群體之間的協(xié)同次數(shù)明顯增加，即子群體之間進(jìn)行信息共享，并且這種協(xié)同是有效的協(xié)同，因?yàn)樵趨f(xié)同次數(shù)增加之后群機(jī)器人的總運(yùn)行步長、運(yùn)行時(shí)間步長急速下降，而搜索率達(dá)到100%，搜索目標(biāo)能夠被快速搜尋到。4.4.3實(shí)驗(yàn)3：有障礙物粗細(xì)粒度協(xié)同實(shí)驗(yàn)3在實(shí)驗(yàn)2的基礎(chǔ)上增加了障礙物，以此增加群機(jī)器人的搜索難度，如圖13所示，圖13中黑色方塊為障礙物。在實(shí)驗(yàn)3中，群機(jī)器人同樣使用粗粒度協(xié)同與細(xì)粒度協(xié)同策略進(jìn)行個(gè)體與子群體層面的交互。圖10實(shí)驗(yàn)環(huán)境示意圖Fig.10Schematicdiagramofexperimentalenvironment50454035302520151052030405010a）搜索率1.00.80.60.480100搜索率/%X：30Y：0.0285720X：20Y：0.05714X：10Y：0.08517b）時(shí)間步長200015001000500080100時(shí)間步長2004060機(jī)器人數(shù)量c）運(yùn)行總步長108642080100運(yùn)行總步長×1042004060機(jī)器人數(shù)量圖11實(shí)驗(yàn)1仿真結(jié)果Fig.11SimulationresultsofExperiment1

【參考文獻(xiàn)】：
期刊論文
[1]一種面向時(shí)間分配問題的群智能勞動(dòng)分工新方法[J]. 肖人彬,王英聰.  智能系統(tǒng)學(xué)報(bào). 2019(03)
[2]柵格地圖中多機(jī)器人協(xié)作搜索目標(biāo)[J]. 曹翔,孫長銀.  控制理論與應(yīng)用. 2018(03)
[3]基于簡(jiǎn)化虛擬受力模型的群機(jī)器人多目標(biāo)搜索協(xié)調(diào)控制[J]. 周少武,張?chǎng)?張紅強(qiáng),周游,李超逸.  機(jī)器人. 2016(06)
[4]復(fù)雜環(huán)境移動(dòng)群機(jī)器人最優(yōu)路徑規(guī)劃方法[J]. 徐雪松,楊勝杰,陳榮元.  電子測(cè)量與儀器學(xué)報(bào). 2016(02)
[5]未知?jiǎng)討B(tài)復(fù)雜環(huán)境下群機(jī)器人協(xié)同多層圍捕[J]. 張紅強(qiáng),章兢,周少武,歐陽普仁,吳亮紅.  電工技術(shù)學(xué)報(bào). 2015(17)
[6]群機(jī)器人多目標(biāo)搜索中的合作協(xié)同和競(jìng)爭(zhēng)協(xié)同[J]. 張?jiān)普?薛頌東,曾建潮.  機(jī)器人. 2015(02)
[7]群機(jī)器人多目標(biāo)搜索中帶閉環(huán)調(diào)節(jié)的動(dòng)態(tài)任務(wù)分工[J]. 張?jiān)普?薛頌東,曾建潮.  機(jī)器人. 2014(01)
[8]基于松散偏好規(guī)則的群體機(jī)器人系統(tǒng)自組織協(xié)作圍捕[J]. 黃天云,陳雪波,徐望寶,周自維,任志勇.  自動(dòng)化學(xué)報(bào). 2013(01)
[9]面向多目標(biāo)搜索的群機(jī)器人任務(wù)分配研究[J]. 宋玉麗,張國有,曾建潮,薛頌東.  太原科技大學(xué)學(xué)報(bào). 2012(04)



本文編號(hào)：3039996