本文選題：多機器人系統(tǒng) + 任務(wù)分配��； 參考：《吉林大學(xué)》2017年碩士論文

【摘要】：群機器人系統(tǒng)是一種典型的由多個體積小,結(jié)構(gòu)簡單的機器人構(gòu)成的人工群體系統(tǒng),對于人類和大型設(shè)備無法進入的地震和礦難等產(chǎn)生的危險狹小區(qū)域,由群機器人系統(tǒng)來工作已經(jīng)是一種趨勢;群機器人系統(tǒng)能夠快速、高效地完成任務(wù)的前提就是合理的任務(wù)分配,針對不同的任務(wù)目標(biāo)如何恰當(dāng)分配機器人以及分配機器人的個數(shù)直接影響多機器人系統(tǒng)完成任務(wù)的效率,因而,受自然界中蜜蜂、鳥類等社會性群居生物通過合作能夠快速覓食現(xiàn)象的啟發(fā),本文提出基于動態(tài)粒子蜜蜂算法的多機器人任務(wù)分配方法以提高未知環(huán)境搜索過程中的任務(wù)分配效率。首先,本文分析了同構(gòu)群機器人的分層次組織結(jié)構(gòu),采用組合拍賣法建立了任務(wù)分配的數(shù)學(xué)模型,并引入訪問待探測目標(biāo)的順序數(shù),將該模型改進為一個混合整數(shù)線性規(guī)劃問題,避免了解過程中產(chǎn)生的大量子巡回。并且,考慮到機器人對任務(wù)目標(biāo)的性能值、花費時間、成本、目標(biāo)優(yōu)先權(quán)和機器人與目標(biāo)間的距離等因素,建立了用于優(yōu)化算法的適應(yīng)度函數(shù)。其次,采用動態(tài)粒子蜜蜂算法優(yōu)化任務(wù)分配問題,以機器人選擇任務(wù)的概率最大為優(yōu)化目標(biāo),結(jié)合了鳥類和蜂群的優(yōu)點,利用動態(tài)粒子群算法進行蜜蜂算法的局部搜索,更新蜜蜂算法中的最佳蜂、精英蜂和偵查蜂的速度和位置,改進了蜜蜂算法容易陷入局部最優(yōu)的缺陷,使優(yōu)化效果更好。然后,在動態(tài)粒子蜜蜂算法優(yōu)化階段,動態(tài)粒子群進行局部搜索時加入鄰域設(shè)置,保證精英蜂和最佳蜂在局部搜索過程中,更新的位置控制在位置的最大值和最小值范圍內(nèi),提高完成任務(wù)的效率。最后,設(shè)計了適用于多機器人任務(wù)分配問題的仿真實驗平臺,依據(jù)該仿真平臺進行相應(yīng)實驗,實驗表明本文所提方法的可實現(xiàn)性,并且任務(wù)分配的時間比單獨利用蜜蜂算法和動態(tài)粒子群算法進行分配所用的時間短;任務(wù)分配的誤差比單獨利用蜜蜂算法和動態(tài)粒子群算法進行分配所產(chǎn)生的誤差小;任務(wù)分配的收斂性也比單獨利用蜜蜂算法和動態(tài)粒子群算法進行分配的收斂性好,驗證了基于動態(tài)粒子蜜蜂算法的群機器人任務(wù)分配方法的優(yōu)越性。
[Abstract]:The swarm robot system is a typical artificial group system composed of many small and simple robots. It is a dangerous and narrow area caused by earthquakes and mine disasters that are inaccessible to human beings and large equipment. It is a trend to work by a swarm robot system. The premise that a swarm robot system can accomplish tasks quickly and efficiently is a reasonable task allocation. How to allocate robots properly and how to allocate the number of robots directly affect the efficiency of the multi-robot system to complete the task for different mission objectives, therefore, the bees in nature, In this paper, a multi-robot task allocation method based on dynamic particle bee algorithm is proposed to improve the efficiency of task allocation in the search process of unknown environment. Firstly, the hierarchical structure of isomorphism robot is analyzed, and the mathematical model of task assignment is established by combinatorial auction method, and the order number of accessing the target to be detected is introduced. The model is improved to a mixed integer linear programming problem to avoid a large number of subcircuits in the process of understanding. Furthermore, considering the performance, cost, priority and the distance between the robot and the target, the fitness function of the optimization algorithm is established, which is based on the performance of the robot, the cost, the cost, the priority of the target and the distance between the robot and the target. Secondly, the dynamic particle bee algorithm is used to optimize the task assignment problem. Taking the maximum probability of robot task selection as the optimization target, combining the advantages of birds and bees, the dynamic particle swarm optimization algorithm is used to perform local search of bee algorithm. By updating the speed and position of the best bee, elite bee and detective bee in the honeybee algorithm, the bee algorithm is easy to fall into the local optimum defect and the optimization effect is better. Then, in the optimization phase of dynamic particle bee algorithm, neighborhood setting is added to local search of dynamic particle swarm to ensure that the updated position of the elite bee and the best bee in the local search process is controlled in the range of maximum and minimum position. Improve the efficiency of accomplishing the task. Finally, a simulation experiment platform suitable for multi-robot task assignment is designed, and the corresponding experiments are carried out according to the simulation platform. The experiments show that the proposed method is feasible. The time of task allocation is shorter than that of honeybee algorithm and dynamic particle swarm optimization algorithm, and the error of task assignment is smaller than that of honeybee algorithm and dynamic particle swarm optimization algorithm alone. The convergence of task allocation is better than that of honeybee algorithm and dynamic particle swarm optimization algorithm alone, which verifies the superiority of the task allocation method based on dynamic particle bee algorithm.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18;TP242

【相似文獻】

相關(guān)期刊論文 前10條

1 段秀敏,李蓮芝;基于類復(fù)向量原理的機器人位置和姿態(tài)分析[J];吉林工程技術(shù)師范學(xué)院學(xué)報;2004年03期

2 張振喜;焦國太;鄧光明;梁聰聰;;室內(nèi)清潔機器人協(xié)作技術(shù)研究[J];機械;2010年12期

3 陳陽舟;王文星;代桂平;;基于角度優(yōu)先的多機器人圍捕策略[J];北京工業(yè)大學(xué)學(xué)報;2012年05期

4 蔣新松;國外機器人的發(fā)展及我們的對策研究[J];機器人;1987年01期

5 沈慧娟;袖珍機器人別動隊[J];國外科技動態(tài);2004年02期

6 孟慶鑫,魏洪興,王立權(quán),楊青梅,王嵐;基于蠕動原理拱泥機器人方案研究[J];中國造船;2001年01期

7 程遠;機器人軟件編程方法[J];無錫職業(yè)技術(shù)學(xué)院學(xué)報;2002年02期

8 孟慶鑫,王茁,王殿君,王立權(quán),屠治國;“穿地龍”機器人總體方案分析與研究[J];哈爾濱工程大學(xué)學(xué)報;2003年03期

9 丁瀅潁;何衍;蔣靜坪;;基于個性演化的多機器人自組織[J];模式識別與人工智能;2003年02期

10 張汝波,王兢,孫世良;具有環(huán)境自適應(yīng)能力的多機器人編隊系統(tǒng)研究[J];機器人;2004年01期

相關(guān)會議論文 前10條

1 石為人;周偉;王楷;蘇士娟;;家庭清潔機器人自主充電研究[A];2010中國儀器儀表與測控技術(shù)大會論文集[C];2010年

2 李長松;孫國林;韓勝利;;機器人料箱取件形式及控制方法[A];2013中國汽車工程學(xué)會年會論文集[C];2013年

3 孟正大;戴先中;;基于神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)方法的機器人柔順性控制[A];江蘇省自動化學(xué)會七屆四次理事會暨2004學(xué)術(shù)年會青年學(xué)者論壇論文集[C];2004年

4 陳天皓;錢成;談英姿;;類人足球仿真機器人快速起身方法的實現(xiàn)[A];2007年足球機器人大會論文集[C];2007年

5 薛慧婷;羅熊;胡海東;游美玲;邱新濤;;基于顏色特征的漂浮機器人三點定位系統(tǒng)[A];2009年中國智能自動化會議論文集（第五分冊）[東南大學(xué)學(xué)報（增刊）][C];2009年

6 胡海東;趙清杰;;機器人的慣性/視覺組合定位方法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

7 顧新興;孫燕樸;馮純伯;;一種新的雙機器人協(xié)調(diào)路徑規(guī)劃方法[A];1995中國控制與決策學(xué)術(shù)年會論文集[C];1995年

8 陶軍;高翔;周全;李曉亞;;利用自學(xué)習(xí)算法為機器人選擇最優(yōu)目標(biāo)點的決策設(shè)計[A];馬斯特杯2003年中國機器人大賽及研討會論文集[C];2003年

9 王大川;張輝;季秀才;鄭志強;;救援環(huán)境下基于激光傳感器的機器人環(huán)境建圖以及自定位[A];2007年足球機器人大會論文集[C];2007年

10 王淑慧;吳立成;袁海文;;一種水上行走機器人的模糊控制[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

相關(guān)重要報紙文章 前5條

1 克 軍;小小機器人軍團[N];大眾科技報;2003年

2 張勁　戚峰;變電站的“機器人骨干”[N];中國電力報;2009年

3 本報通訊員 張勁　戚峰;電力機器人的“神通”[N];工人日報;2009年

4 吳鴻;微型機器人引領(lǐng)反恐潮流[N];中國商報;2003年

5 盧家興;中科院研制出能應(yīng)付復(fù)雜地形的機器人[N];大眾科技報;2004年

相關(guān)博士學(xué)位論文 前10條

1 張玉麗;基于虛擬力的多機器人化學(xué)源定位研究[D];中國礦業(yè)大學(xué);2015年

2 張世隆;拋投機器人翻轉(zhuǎn)越障技術(shù)研究[D];北京理工大學(xué);2015年

3 仲朝亮;受生物啟發(fā)的移動機器人空間認知及其導(dǎo)航[D];華東理工大學(xué);2015年

4 王東科;空間繩系機器人目標(biāo)抓捕及抓捕后穩(wěn)定控制方法研究[D];西北工業(yè)大學(xué);2015年

5 魏明生;基于低頻電磁信號的管道清堵機器人定位方法研究[D];中國礦業(yè)大學(xué);2016年

6 王玲;未知環(huán)境中基于相對觀測量的多機器人合作定位研究[D];國防科學(xué)技術(shù)大學(xué);2006年

7 王宏;煤礦機器人激光雷達與慣性傳感器導(dǎo)航理論及實驗研究[D];中國礦業(yè)大學(xué)（北京）;2011年

8 李飛;湍動氣流主控環(huán)境下多機器人氣味源定位[D];天津大學(xué);2009年

9 仲宇;分布式強化學(xué)習(xí)理論及在多機器人中的應(yīng)用研究[D];哈爾濱工程大學(xué);2003年

10 李吉功;室外時變氣流環(huán)境下機器人氣味源定位[D];天津大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 張帥;服務(wù)型機器人設(shè)計與前瞻性研究[D];浙江大學(xué);2008年

2 戚樹騰;基于激光測距儀的果園移動機器人避障系統(tǒng)研究[D];西北農(nóng)林科技大學(xué);2015年

3 劉廣保;大型復(fù)雜曲面的機器人研拋技術(shù)研究[D];沈陽理工大學(xué);2015年

4 張賢;基于超聲波測距的多機器人室內(nèi)定位導(dǎo)航研究[D];哈爾濱工業(yè)大學(xué);2015年

5 戴騰清;基于PROFIBUS現(xiàn)場總線在機器人沖壓自動化線的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2015年

6 楊曉曉;室內(nèi)機器人單目視覺同時定位與地圖構(gòu)建技術(shù)研究與實現(xiàn)[D];成都信息工程學(xué)院;2014年

7 周子希;基于構(gòu)建地圖的手勢控制移動機器人[D];中國海洋大學(xué);2015年

8 田青;Mecanum輪式全向機器人位置精確控制的研究[D];東南大學(xué);2015年

9 李文玉;智能倉庫系統(tǒng)多機器人任務(wù)分配問題研究[D];北京物資學(xué)院;2016年

10 武涵;基于無線傳感網(wǎng)絡(luò)的群機器人精確定位與編隊控制[D];南京大學(xué);2016年

，

本文編號：1858486