鱼群涌现机制下集群机器人运动强化的迁移控制

采用鱼群模型驱动多智能体可以涌现出优良的运动特性,但是,由于机器人与真实鱼类相比具有较大的差异性,使得鱼群模型难以应用于真实机器人系统.为此,提出一种结合深度学习与强化学习的迁移控制方法,首先,使用鱼群运动数据训练深度网络(deep neural network, DNN)模型,以此作为机器人成对交互的基础;然后,连接强化学习的深度确定性策略梯度方法(deep deterministic policy gradient, DDPG)来修正DNN模型的输出,设计集群最大视觉尺寸方法挑选关键邻居,从而将DNN+DDPG模型拓展到多智能体的运动控制.集群机器人运动实验表明:所提出方法能使机器人仅利用单个邻居信息就能形成可靠、稳定的集群运动,与单纯DNN直接迁移控制相比,所提出DNN+DDPG控制框架既可以保存原有鱼群运动的灵活性,又能增强机器人系统的安全性与可控性,使得该方法在集群机器人运动控制领域具有较大的应用潜力.     

揭示生物集群系统内部信息耦合机制的深度网络模型

生物集群在自然界中广泛存在,如鱼群、鸟群、兽群等,这些集群通过内部的信息耦合能涌现出有序的协同行为.但是,集群内部交互复杂、情况多变,导致微观层面的行为分析还缺乏行之有效的标准工具.对此,以鱼群运动数据为研究对象,借助图注意力网络对鱼群中的单体行为进行自动化建模,目的是提炼出适于复杂系统分析的通用网络工具.首先将单体的感知信息映射到高维状态空间,然后生成软注意力数值以表征单体之间的交互强度,再对所生成的软注意力数值规范化,所得规范结果既可作为多邻居信息耦合的关键指标,又可通过解码器将所抽取的注意力信息稀疏解耦为运动决策.实验结果表明:所生成的注意力数值不但能揭示群体内部的信息耦合关系,还能进一步对隐藏交互强度可视化,从而为鱼群的视觉交互理论提供新的科学证据.所提出分析工具拥有信息耦合可解释、交互强度可显现、系统规模可缩放、状态偏移可泛化等优良特性,有望发展成为复杂系统解耦分析的标准范式,在社会行为分析、机器人集群控制以及智能交通系统安全性评价等方面具有潜在的应用价值.     

人工智能集群控制演示验证系统

为了对人工智能集群的自组织控制方法进行验证,提出了一种在实验室环境下低成本建立人工智能集群控制演示验证系统的方法.系统由演示场、多个移动个体、合作标识及识别单元、控制及信息分配单元共同组成.合作标识及识别单元能准确获取多个个体的身份信息和高精度的位姿信息.控制及信息分配单元对智能集群中个体间的信息交换和个体控制策略进行模拟.最后,以机动自组织探测集群为验证对象,在人工智能集群控制演示验证系统中对基于人工势场法的自组织控制策略进行演示验证.验证结果表明,该智能集群控制演示验证系统能够在实验室环境下对智能集群的运行过程进行演示和验证,可以更真实地体现智能集群的实际表现.     

脉冲控制下基于合作机制的多智能体系统分组一致性研究

针对在脉冲控制下非线性多智能体系统的分组一致性协同控制问题,本文基于复杂系统中智能体间的合作机制,提出了一种新颖的具有领导-跟随网络的分组一致性控制协议.该协议控制智能体仅在脉冲时刻接收来自邻居节点的信息并更新自己的状态,减少智能体因持续接收邻居信息更新自己状态而造成的网络开销.针对不同组之间智能体的信息交互,该协议具有防止组间干扰的机制,降低了不同组之间的通信干扰,提高系统鲁棒性.此外,本文还介绍了一种适用于非线性系统的方案,增强协议的适应性.基于实现分组一致性条件,构建了多智能体系统的动力学模型,并进行了协议的详细设计和理论推导.最后,通过仿真验证了协议的正确性和有效性.     

复杂环境下群机器人自组织协同多目标围捕

针对动态多目标围捕,提出了一种复杂环境下协同自组织多目标围捕方法.首先设计了多目标在复杂环境下的运动模型,然后通过对生物群体围捕行为的研究,构建了多目标简化虚拟受力模型.基于此受力模型和提出的动态多目标自组织任务分配算法,提出了群机器人协同自组织动态多目标围捕算法,这两个算法只需多目标和个体两最近邻位置信息以及个体面向多目标中心方向的两最近邻任务信息,计算简单高效,易于实现.接着获得了系统稳定时参数的设置范围.由仿真可知,所提的方法具有较好的灵活性、可扩展性和鲁棒性.最后给出了所提方法相较于其它方法的优势.     

基于传感器多模式调度的智能目标跟踪算法

智能目标具有反跟踪的特性,其运动状态的改变与跟踪传感器的工作模式相关.为了实现对智能目标的有效跟踪,文中提出一种基于传感器多模式调度的交互多模型跟踪算法.首先,为智能目标构建混合多模型集,描述其与传感器模式相关的智能运动特性;其次,提出一种传感器多模式调度策略,综合考虑了一步预测的目标跟踪误差、二步预测的目标运动趋势误差以及传感器模式的辐射代价3方面因素,据此构建传感器多模式调度的目标函数;最后,将传感器多模式调度与交互多模型跟踪算法相结合,通过"模式调度→交互跟踪→模式调度"的闭环结构,提高了对智能目标跟踪的自适应性.仿真结果表明,与选择固定传感器模式的方法和基于近视策略的传感器模式调度方法相比,文中方法实现了对智能目标的持续精确跟踪.     

基于多智能体的多机器人网络控制体系

按照共享控制模式建立基于多智能体的多机器人遥操作系统网络控制体系。设计了具有感知、决策和交互等公共属性的智能体模块化层次结构，给出了各模块的功能描述，阐明了多个智能体之间的交互特性。在此基础上，实现了融合多层分布式黑板模型和智能体节点的多机器人网络遥操作控制体系结构。最后实验测试了状态推理智能体的激活状态，验证了多智能体结构框架下网络遥操作控制体系的有效性。     

仿欧椋鸟大规模超机动行为的无人机集群转弯控制

为了在动态不确定环境下实现大规模无人机集群转弯的快速性和一致性,提出了一种仿欧椋鸟大规模超机动行为的无人机集群转弯控制方法．通过分析欧椋鸟大规模超机动行为,分别建立邻居选择、局部交互和信息传递机制,并将其映射到无人机集群转弯控制中．在这些机制的基础上,利用改进社会力模型进行无人机转弯控制,使无人机集群在没有外界刺激的情况下实现快速聚集和速度极化;而在有外界刺激的情况下,无人机切换模式,整个集群快速完成超机动转弯动作以避开危险．仿真实验结果表明,在该模型作用下无人机集群既能满足转弯曲率的要求,又能保持群集运动的一致性．     

基于多智能体交通绿波效应分布式协同控制算法

基于"绿波"效应的交通控制通过实现干道上的车流不间断地经过多个交通灯路口而不停止,是目前公认的最有效率的交通控制策略之一.然而随着城市交通规模的不断扩大,传统的集中式交通控制方法可能遇到计算和通信上的瓶颈.而当路口交通灯只能获取城市交通网络全局有限的信息时,传统的分布式控制方法可能十分低效.提出了一种基于多智能体的交通灯分布式绿波自适应控制方法.在该设计中,每一个交通灯路口通过一个非集中式的协同智能体来控制.其核心是,智能体通过预测自身下一时刻的状态进行自主决策.由于只有来自邻居路口的车辆能够直接影响当前路口下一步的状态,这一决策过程仅需要智能体通过与邻居智能体间的局部交互来完成.描述了基于多智能体交通灯分布式"绿波"效应的控制算法,并通过仿真实验验证了该方法在大规模城市交通系统中的可行性.     

基于一致性理论的多源微波加热温度均匀性优化

在使用多微波源阵列进行空间功率合成的微波应用装置时,如何协同多微波源馈入功率的状态信息以利用温度分布的自组织特性优化温度均匀性是研究的重点.为此,一方面,提出微波源构成智能体的必要要素,并构建技术方案.在此基础上,引入基于代数图论的二阶非全连接通信拓扑一致性算法协同多微波源的功率馈入状态信息,保证在利用自组织特性优化温度分布的过程中不会有新的热点产生;另一方面,使用有限元方法,构建解决整型变量和连续型变量混合优化的数值计算模型,开展优化温度场分布均匀性的有效计算.最后通过仿真实验验证微波源智能体化方案的有效性,数值计算结果表明:所提模型较通用加热模型在各水平和铅垂截面能够分别提升24.3%～55.5%和20.4%～82.9%的均匀性;同时能提升10.0%～43.7%的热能转化效率.以上结果验证了所提基于一致性理论的多源微波加热温度均匀性优化方法是可行且高效的.     

基于多级深度网络架构的群体行为分析模型研究

群体行为的多层次深度分析是行为识别领域亟待解决的重要问题。在深度神经网络研究的基础上,提出了群体行为识别的层级性分析模型。基于调控网络的迁移学习,实现了行为群体中多人体的时序一致性检测;通过融合时空特征学习,完成了群体行为中时长无约束的个体行为识别;通过场景中个体行为类别、交互场景上下文信息的融合,实现了对群体行为稳定有效的识别。在公用数据集上进行的大量实验表明,与现有方法相比,该模型在群体行为分析识别方面具有良好的效果。     

结合流形密度的聚集行为模式分割算法

目的 在视频监控和人群模式行为理解的重要应用中,识别分割场景中的集体行为仍然是一个极具挑战性的问题。在这项研究中,提出一种基于流形密度的集体聚类算法,能够识别具有任意形状和不同密度条件下的集体行为的局部和全局模式。方法 受群体运动行为的流形拓扑结构启发,首先提出一种新的流形距离度量方式用于挖掘群体运动的深层行为模式。进一步定义了集体聚集密度的概念,并通过基于聚集密度的聚类算法识别具有局部一致性行为的群组,这种策略更适用于识别具有任意形状的聚类。同时考虑到子群组之间的复杂交互作用,引入层次聚集合并算法得到全局集体行为模式,可以有效地表征全局一致性关系。结果 针对不同情况下的复杂场景,本文算法在集体视频监控数据集下的实验结果表明了其有效性和鲁棒性,相比于传统的聚类方法和标准经典算法,以平均误差（AD）和方差（VAR）作为评价指标来评价算法性能,本文方法将识别分割聚集行为群组的误差率结果控制在了0.81和0.99以内,相比许多经典方法有较大提升。同时在具有复杂流形结构及任意密度条件下的人群场景中能够取得精确有效的识别结果,解决了经典方法在该特殊场景下存在的缺点。结论 本文针对已有方法在流形结构场景识别集体行为流向缺乏精确性和稳定性的描述和分析这一问题,提出了基于流形密度的群组聚集聚类识别算法,在多个复杂真实视频数据集中进行实验,证明了所提方法的有效性,并相比于已有方法具有更高的识别精度。     

鱼类群体运动的元胞自动机模型中的最小势能原理

群体运动是自然界中一种常见的生物行为. 在一定的环境条件下, 社会有机体会表现出不同的集体运动形态. 其中, 旋转是鱼群中常见的群体运动. 但是, 虽然研究人员对鱼群的运动进行过一系列的研究, 这种旋转行为的机理尚不清楚. 本研究假定鱼群的运动模式受势能的支配, 相应提出了鱼类个体运动的势函数并将之融合到元胞自动机中以模拟鱼群的运动. 数值模拟表明, 有限空间内鱼群运动时会形成多种形状, 但当此生物系统按照能量最小原则发展时, 其运动形态最终可能演化成为一个漩涡. 数值模拟与针对红斑马鱼的观察之间的比较验证了本模型的合理性. 能量最小原理是自然界的基本定律之一, 而势能函数的建立定义了鱼类个体与环境之间的关系. 因此, 本研究为深入理解群体运动规律提供了新视角, 表明从流体力学上进一步探究鱼群运动的物理机理是一个具有潜力的研究方向.     

Artificial fish swarm algorithm: a survey of the state-of-the-art,hybridization, combinatorial and indicative applications

AFSA (artificial fish-swarm algorithm) is one of the best methods of optimization among the swarm intelligence algorithms. This algorithm is inspired by the collective movement of the fish and their various social behaviors. Based on a series of instinctive behaviors, the fish always try to maintain their colonies and accordingly demonstrate intelligent behaviors. Searching for food, immigration and dealing with dangers all happen in a social form and interactions between all fish in a group will result in an intelligent social behavior.This algorithm has many advantages including high convergence speed, flexibility, fault tolerance and high accuracy. This paper is a review of AFSA algorithm and describes the evolution of this algorithm along with all improvements, its combination with various methods as well as its applications. There are many optimization methods which have a affinity with this method and the result of this combination will improve the performance of this method. Its disadvantages include high time complexity, lack of balance between global and local search, in addition to lack of benefiting from the experiences of group members for the next movements.     

Multi-agent systems with reinforcement hierarchical neuro-fuzzy models

This paper introduces a new multi-agent model for intelligent agents, called reinforcement learning hierarchical neuro-fuzzy multi-agent system. This class of model uses a hierarchical partitioning of the input space with a reinforcement learning algorithm to overcome limitations of previous RL methods. The main contribution of the new system is to provide a flexible and generic model for multi-agent environments. The proposed generic model can be used in several applications, including competitive and cooperative problems, with the autonomous capacity to create fuzzy rules and expand their own rule structures, extracting knowledge from the direct interaction between the agents and the environment, without any use of supervised algorithms. The proposed model was tested in three different case studies, with promising results. The tests demonstrated that the developed system attained good capacity of convergence and coordination among the autonomous intelligent agents.     

Methods of intelligent diagnosis for control of flexible moving craft

A new approach to the control of moving flexible mechanical systems based on the methods of intelligent diagnosis and forecast was proposed. While observing the requirements on stability and performance of control of the main (“rigid”) craft motion, this approach also stabilizes its elastic oscillations. A notion of the “model” function of the effect of basic control on the elastic oscillations in the presence of the dominating mode was introduced. The loop for adaptive adjustment of the basic algorithm of power-optimal control of the flexible craft motion was designed. For the proposed method of control of the elastic multifrequency moving craft such as the large space structure, some results of modeling were presented.     

基于柔性人机接口的人机协调运动控制方法

为改善基于力信息的人机协调运动中人机交互力,采用了在人机接口中设置弹性元件的方法,建立了具有柔性人机接口的人机交互力学模型。在已有鲁棒自适应阻抗控制方法的基础上进行改进,提出了一种基于柔性人机接口的自适应阻抗控制方法。此控制方法是对阻抗外环位置速度进行比例补偿,对力控制内环采用模糊PID (proportion integral differential)控制,实现改进自适应阻抗算法,从而提高了位置跟随精度,并有效减小了人机交互力。分析了人机接口中弹性元件对控制效果的影响,获得了不同刚度系数时,交互力控制效果和位置跟随精度。在此基础上,建立了试验系统,完成了试验。人机协调运动试验结果显示：应用柔性人机接口和改进后的控制方法具有更好的人机交互力控制效果。标准运动输入试验结果显示：改进后的控制方法具有更好的人机交互力控制效果和更高的位置跟随精度;人机交互力大小、位置跟踪准确性与人机接口刚度系数大小均成正比。     

A collective motion model based on two-layer relationship mechanism for bi-direction pedestrian flow simulation

In crowd dynamic, relations are existed among some pedestrians, which cause frequent interactions during evacuation, creating collective motion phenomena, such as the most common pattern of team-groups. Besides, collective behavior can make a beneficial effect on the evacuation process. Therefore, this paper proposes a collective motion model to simulate bi-direction pedestrian flow. First, a method of group vision sharing is proposed to help pedestrians learn the crowd around. Based on two-layer relationship mechanism proposed, aggregate force and collective collision avoidance force are added into the original social force formula. The aggregate force is the resultant of two forces, one is the attraction among the leader and team members, and the other one is that among members of groups due to the social relations. Simulation results show that the modified model can reproduce the team-groups collective pattern in real world bi-direction pedestrian flow, and can reduce the collision risk with regarding the group as collision avoidance unit. Furthermore, the evacuation efficiency is improved.