發(fā)布時間：2020-12-21 09:10

　　近年來,隨著人工智能技術(shù)的發(fā)展,機(jī)器人技術(shù)受到國內(nèi)外學(xué)者的廣泛關(guān)注。目前,對單機(jī)器人的研究已取得很大進(jìn)展,單機(jī)器人可完成諸如語音識別、圖像識別、自然語言處理、自動控制等方面的工作。但在很多特殊場合,如外空探索、海底勘察、軍事反恐、工業(yè)采礦、震后搜索與救援等,僅憑單個機(jī)器人的能力難以高效完成任務(wù)。由于多機(jī)器人在計算能力、擁有的資源以及空間分布等方面比單機(jī)器人具有明顯的優(yōu)勢,可通過協(xié)調(diào)合作的方式完成單機(jī)器人無法完成的工作。因此,對多機(jī)器人協(xié)作的研究具有重要意義。本文主要從三個方面研究多機(jī)器人任務(wù)規(guī)劃方法,分別是多機(jī)器人任務(wù)分配、多目標(biāo)多機(jī)器人任務(wù)分配和多機(jī)器人路徑規(guī)劃。首先建立多機(jī)器人任務(wù)分配模型,并介紹一種新型群體智能優(yōu)化算法——煙花算法。將煙花算法應(yīng)用在解決多機(jī)器人任務(wù)分配問題上。通過優(yōu)化煙花生成爆炸火花數(shù)目和爆炸幅度的計算公式以及選擇策略提出一種改進(jìn)的煙花算法。將改進(jìn)煙花算法與原始煙花算法和幾種常用的啟發(fā)式算法進(jìn)行對比以驗證改進(jìn)算法的性能。其次建立多目標(biāo)多機(jī)器人任務(wù)分配模型,介紹幾種典型的多目標(biāo)優(yōu)化算法NSGA-II、SPEA2和PESA。由于它們都是基于遺傳算法的多目標(biāo)優(yōu)化算法,本... 

【文章來源】：天津大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

終止條件為運(yùn)行時間的多機(jī)器人任務(wù)分配結(jié)果

天津大學(xué)碩士學(xué)位論文28(a)R1(b)R2(c)R3(d)R4(e)R5(f)R6圖2-3終止條件為運(yùn)行時間的不同任務(wù)規(guī)模下算法收斂曲線圖2-3描繪了七種算法在六個實例上某一次運(yùn)行時的收斂曲線。實驗過程中首先記錄系統(tǒng)時間，當(dāng)一次迭代完成時再次查詢系統(tǒng)時間并記錄當(dāng)代最優(yōu)結(jié)果。如果當(dāng)前系統(tǒng)時間與算法開始執(zhí)行時的系統(tǒng)時間之差大于表2-8所列的運(yùn)行時間，則退出迭代并輸出最后尋優(yōu)結(jié)果。圖2-3所畫收斂曲線中，每一個數(shù)據(jù)代表一次迭代的最優(yōu)結(jié)果，由于不同的算法在一次迭代中運(yùn)行時間不同，所以不同算法運(yùn)行收斂曲線的終止運(yùn)行時間看似不同，其實是由于不同算法收斂曲線的時間

第2章基于煙花算法的多機(jī)器人任務(wù)分配31(b)優(yōu)化結(jié)果標(biāo)準(zhǔn)差圖2-4終止條件為評估次數(shù)的多機(jī)器人任務(wù)分配結(jié)果與2.5.3節(jié)的實驗結(jié)果類似，在求解精度方面，改進(jìn)煙花算法優(yōu)于其他所有算法。但在穩(wěn)定性方面，改進(jìn)煙花算法效果不如遺傳算法和禁忌搜索算法，并且在實例R3和實例R4上，改進(jìn)煙花算法的穩(wěn)定性不如人工蜂群算法。而人工魚群算法在優(yōu)化精度上僅次于改進(jìn)煙花算法，但在穩(wěn)定性方面處于中下水平。因此，人工魚群算法不適用于對穩(wěn)定性要求較高的場合。而對于遺傳算法和禁忌搜索算法來說，由于其在穩(wěn)定性方面的優(yōu)勢，比較適合應(yīng)用在對求解精度要求不高但對為穩(wěn)定性要求較高的場合。最后，人工蜂群算法和粒子群算法由于在優(yōu)化精度和穩(wěn)定性方面都不占優(yōu)勢，故實際應(yīng)用時最好先對該算法進(jìn)行改進(jìn)或者設(shè)計一種適合具體應(yīng)用的人工蜂群算法和粒子群算法。另外通過觀察表2-11中的數(shù)據(jù)可以得到，當(dāng)終止條件為評估次數(shù)并且任務(wù)規(guī)模和機(jī)器人數(shù)量較少時，即實例R1和實例R2，改進(jìn)煙花算法和人工魚群算法的優(yōu)化性能不如禁忌搜索算法和遺傳算法。這在一定程度上說明改進(jìn)煙花算法和人工魚群算法更適合解決大規(guī)模問題，而禁忌搜索算法和遺傳算法傾向于解決小規(guī)模問題。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)人工勢場法的飛行器軌跡規(guī)劃[J]. 范世鵬,吳廣,王亮,劉運(yùn)鵬,李伶,祁琪.  航天控制. 2018(01)
[2]基于改進(jìn)A*算法的最優(yōu)路徑搜索[J]. 朱云虹,袁一.  計算機(jī)技術(shù)與發(fā)展. 2018(04)
[3]人工蜂群算法綜述[J]. 陳阿慧,李艷娟,郭繼峰.  智能計算機(jī)與應(yīng)用. 2014(06)
[4]一種新的自組裝模塊化群體機(jī)器人——對接機(jī)構(gòu)設(shè)計與自組裝控制[J]. 魏洪興,劉淼,李德忠,王田苗.  機(jī)器人. 2010(05)
[5]多仿生機(jī)器魚控制與協(xié)調(diào)[J]. 喻俊志,王碩,譚民.  機(jī)器人技術(shù)與應(yīng)用. 2003(03)
[6]國際機(jī)器人足球(RoboCup)最新進(jìn)展[J]. 陳小平.  機(jī)器人技術(shù)與應(yīng)用. 2001(01)

博士論文
[1]面向智能制造的多機(jī)器人系統(tǒng)任務(wù)分配研究[D]. 王友發(fā).南京大學(xué) 2016
[2]異構(gòu)多機(jī)器人系統(tǒng)協(xié)同技術(shù)研究[D]. 劉亞波.浙江大學(xué) 2011

碩士論文
[1]Hypervolume指標(biāo)及其在多目標(biāo)進(jìn)化算法中的應(yīng)用研究[D]. 李珂.湘潭大學(xué) 2010



本文編號：2929576