偵查與搜索是一種重要的多智能體協(xié)作應(yīng)用,相比于單個(gè)智能體,多智能體系統(tǒng)能夠極大的提高搜索功效,搜索的范圍和效率要遠(yuǎn)好于單智能體,特別是在搜索區(qū)域廣闊、復(fù)雜且包含多個(gè)目標(biāo)的情況。然而,現(xiàn)有關(guān)于多智能體協(xié)作的研究中,能處理的智能體數(shù)量極其有限,當(dāng)智能體數(shù)量增加到幾十個(gè)甚至上百個(gè)時(shí),算法效率大幅降低。因此,如何合理地為每個(gè)智能體分配任務(wù)以高效的完成任務(wù),是多智能體協(xié)作領(lǐng)域一個(gè)具有前景的研究課題。對(duì)于多智能體任務(wù)分配問題,其研究主要存在兩個(gè)挑戰(zhàn)。1)對(duì)于智能體任務(wù)規(guī)劃問題,全局任務(wù)規(guī)劃要考慮單個(gè)智能體的任務(wù)完成效率;同時(shí)單個(gè)智能體的任務(wù)完成效率取決于任務(wù)的分配。兩者相互影響。2)如何解決智能體數(shù)量增多,問題解空間增大的問題。針對(duì)上述問題,本文提出了一種融入目標(biāo)出現(xiàn)概率先驗(yàn)知識(shí)的基于貝葉斯優(yōu)化和遺傳算法的雙層優(yōu)化算法。首先,針對(duì)大規(guī)模智能體的搜索任務(wù)區(qū)域分配問題,將搜索區(qū)域根據(jù)智能體的搜索半徑劃分為正六邊形。上層算法將所有的正六邊形作為任務(wù)分配給每個(gè)智能體。下層使用遺傳算法,對(duì)單智能體的搜索路徑進(jìn)行變異,從而得到最佳路徑。同時(shí),最佳路徑傳到上層,修正上層任務(wù)分配的評(píng)估函數(shù)。然后,為了加快模型的求... 

【文章頁(yè)數(shù)】：49 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

實(shí)驗(yàn)環(huán)境效果圖

定義待搜索區(qū)域

六邊形效果圖


本文編號(hào)：3688076