基于一种蚁群算法的多机器人动态感知任务分配

多机器人系统在具有任务聚集特征的动态感知任务环境下执行搜集任务时,存在着由于任务分配不当而引起的冲突加剧问题.针对这一问题,提出了一种基于排斥信息素型蚁群算法的多机器人任务自主分配方法.进行了未知非结构化环境下的多机器人协作搜集仿真实验.仿真结果表明,采用本文所提方法可以实现多机器人搜集任务的自主分配,有效减少机器人的空间冲突,尤其在机器人数量较多的情况下,更能显示出该方法的优势.     

基于效用函数的多机器人系统任务分配

目前所采用的多机器人系统任务分配方法大多都忽略了任务分配的解质量问题。从定量的角度出发,提出了一种基于效用函数的多机器人系统任务分配策略,在机器人能力向量和子任务要求的能力向量基础上,建立了效用函数的数学模型,根据效用函数大小进行任务分配。仿真实验在足球机器人仿真比赛平台上进行,结果表明该任务分配算法对异构多机器人系统合作具有很好的通用性,且算法快速简单,能够实现任务到机器人的最优映射。     

基于博弈论的多机器人系统任务分配算法

对多机器人系统任务分配策略进行了形式化描述,为任务分配方案的求解提供了一种数学描述工具;针对多机器人系统中机器人决策之间的相互依存性,引入博弈论的思想分析了多机器人系统的任务分配问题,提出了一种基于博弈论的多机器人系统任务分配算法(GT-MRTA).实验结果表明,算法复杂度较低,计算量较小,鲁棒性较好,获得的任务分配方案质量较高.     

多自治水下机器人多任务分配的自组织算法

针对自治水下机器人（AUV）研究中的多机器人多任务分配问题,提出一种基于自组织映射（SOM）神经网络的多AUV多目标分配策略.将目标点的位置坐标作为SOM神经网络的输入向量进行自组织竞争计算,输出为对应的AUV机器人,从而控制一组AUV在不同的地点完成不同的任务,使机器人按照优化的路径规则到达指定的目标位置.为了表明所提出算法的有效性,给出了二维、三维作业环境中的仿真实验结果.     

面向智能工厂原料供应环节的多机器人任务分配方法

智能工厂下的动态定制生产带来了原料供应的动态变化,需要更加灵活的供应解决方案,在此,我们考虑任务需求和运行距离等因素,建立一个以最大化供应问题收益为目标的智能工厂供应任务优化模型,将原料供应转化为一个多机器人任务分配问题的变体,提出一种多机器人协作的原料供应解决方案,基于贪婪选择策略,产生满足当前各任务要求的供应机器人划分;运用博弈论的纳什平衡概念为任务划分寻求平衡解,进一步提升分配质量.实验表明,所提出算法能够面对不同规模的供应任务,在保证分配质量的同时在极短的时间内给出供应分配方案.     

基于机器人效用函数的多机器人系统任务分配

针对现有的多机器人系统任务分配方法只是采用算法进行寻优,而没有将任务分配结果加以量化的缺陷,提出了一种基于机器人效用函数的多机器人系统任务分配新方法。该方法首先定义机器人效用函数,并说明其可解;接着给出了最佳任务分配方案的定义,并证明其存在性和惟一性;最后通过实例对本方法的有效性进行了验证。     

多机器人系统任务分配概率模型研究

建立系统的概率模型是描述和分析自组织多机器人系统的一条新思路。运用包括随机过程、矩阵论和线性代数等数学方法建立自组织多机器人系统的任务分配模型,克服了现存模型对任务类型数目无可扩展性的缺点。为了验证模型的一般性和有效性,以时间离散状态连续的马尔科夫链的极限分布作为任务分配的理论结果,优点是可以预测多机器人系统任务分配的长期稳定行为。任务分配的目的是保持执行任意一种任务的机器人数量占机器人总数的比例与该种任务所占总任务量的比例相等。仿真实验的结论也说明了任务分配模型可以达到理想的分配效果。     

多机器人系统任务分配的研究进展

多机器人系统任务分配是机器人研究领域一个关键的研究课题。从多机器人任务分配分类及问题描述、多机器人任务分配的研究动态等方面对多机器人任务分配进行了综述,并根据近期文献探讨了多机器人系统任务分配需要解决的若干重要问题。     

一种基于近场子集划分的多机器人任务分配算法

针对医护人员重复、机械地配送医疗物资工作效率低的问题,使用了多机器人进行替代,并提出了一种基于任务地点近场子集划分的多机器人群体智能任务分配算法.首先采用蚁群算法对任务集进行有序排列,形成一条近场相关的任务链.然后根据任务完成的时间和机器人的路径成本设计目标优化函数,利用遗传算法对该任务链进行子集划分,再将任务子集分配给机器人个体.最后模拟了医院病房的应用场景,设计并搭建了一套多机器人医疗物资运输分配系统.用户在该系统的操作平台上,通过可视化界面能够实时发布新任务,查看已发布任务的分配情况,以及查看机器人的路径.基于该模拟实验平台,对3种不同的任务分配算法进行对比分析,结果是本文算法的分配结果最为合理,所有任务都在规定的时间内完成,机器人的行驶距离大幅缩短.所提出的多机器人任务分配算法可有效解决医疗环境中医疗物资的配送问题,提高了系统的工作效率.     

基于个性演化的多机器人自组织

多机器人系统协调是一个影响系统效率的重要问题.传统的基于规划和学习的方法,因为都需要自上而下的设计或督导信息,在复杂环境下的适应能力有限.自组织是一种非常有效的自下而上的设计思路,但具体实现的系统很少.本文引入了单个机器人"个性"的概念,设计了代表个性的价值函数和个性演变的方式,通过机器人个性不同来影响机器人的决策,从而实现了多机器人系统的自组织协调.仿真说明了这一思想的有效性.     

Multi-Robot Task Allocation in Uncertain Environments

Multiple cooperating robots hold the promise of improved performance and increased fault tolerance for large-scale problems such as planetary survey and habitat construction. Multi-robot coordination, however, is a complex problem. We cast this problem in the framework of multi-robot dynamic task allocation under uncertainty. We then describe an empirical study that sought general guidelines for task allocation strategies in multi-robot systems. We identify four distinct task allocation strategies, and demonstrate them in two versions of the multi-robot emergency handling task. We describe an experimental setup to compare results obtained from a simulated grid world to those obtained from physical mobile robot experiments. Data resulting from eight hours of experiments with multiple mobile robots are compared to the trend identified in simulation. The data from the simulations show that there is no single strategy that produces best performance in all cases, and that the best task allocation strategy changes as a function of the noise in the system. This result is significant, and shows the need for further investigation of task allocation strategies and their application to planetary exploration.     

Coalition Formation for Multi-Robot Task Allocation via Correlation Clustering

Abstract

The complexity of a vast number of real world tasks provides a great challenge for the currently available robots due to their limited capabilities. Thus, multiple robots would need to form coalitions for the completion of such tasks. In this paper, we examine the multi-robot coalition formation problem for task allocation where a group of robots needs to be allocated to a set of tasks. Our approach for this problem is to use a correlation clustering technique enabling similar robots to form coalitions. The algorithm presented in this paper is fast and scales better in comparison to two existing algorithms.     

基于协作相容性的工作流任务分配优化方法

工作流系统中任务分配策略将对其系统运行性能有很大的影响,在分配任务时不仅需要考虑执行者对相应任务的熟悉度,还需分析执行者之间配合协作的默契程度.传统研究工作在进行工作流任务分配时缺乏对执行者工作负载、执行者之间协作相容性的综合考虑.为了实现有效的任务分配,首先通过分析历史日志的信息,对执行者间的协作相容性进行分析计算,在此基础上综合考虑执行者当前的任务负载,提出了基于协作相容性的、负载均衡式任务分配模型,并给出了多目标联合优化的任务分配方法,可提高整个流程实例的执行效率,并保持执行者间的负载均衡.提出4种相应的算法,并分析了算法的时间复杂度,进行了系统性的对比实验,评估了所提出方法的正确性和有效性.     

基于效用值的足球机器人系统任务分配方法

针对足球机器人系统中的任务分配问题,提出一种基于效用函数值的任务分配方法。在分析足球机器人系统任务分配问题的基础上,对机器人效用函数进行定义,并论述机器人球员相对于不同子任务效用函数的构建过程,给出基于效用值的足球机器人系统任务分配算法。仿真实验结果表明,该方法计算量小、实时性好,任务分配性能优于已有文献中的方法。     

基于改进遗传算法的多机器人任务分配方法

多点遍历任务是多机器人协作研究中常用的一个例子,普遍采用的单物品拍卖任务分配方法存在着无法得到全局最优解的缺点。为解决此问题,该文提出用组合拍卖的方法进行任务分配。由于组合拍卖的胜者决定问题（WDP）本身是一个NP—hard问题,怎样在短时间内获得令人满意的解是该文关心的焦点。该文通过对单亲遗传算法进行改进,提出环形染色体的概念,成功地解决了针对此任务的WDP求解问题。仿真试验表明,该算法实现简单,搜索效率高,在较短时间内能够得到满意解,满足多机器人动态任务分配的实时性要求。     

基于平均分配原则的任务调度算法

在分布式系统中,常出现一些处理机处于重载,同时另一些处理机却处于轻载或闲置状态。针对这种情况,为了更好地合理分配任务,结合加权轮转调度算法,提出一种基于平均分配原则的任务调度算法,尽量实现系统的负载平衡,并应用实例来加以证明。     

机器人足球比赛系统中的机器人任务分配方法

针对基于遗传算法的多机器人任务分配方法中,由于初始种群是随机产生不能很好地表征整个解空间,而容易陷入局部最优解的问题,提出一种新的多机器人任务分配方法。该方法根据机器人效用函数值来确定个体基因,从而产生初始种群,并引进分层遗传算法来实现具有不同最优基因的群体分开演化。仿真实验表明,该方法比传统的遗传算法有更高的寻优效率和更快的收敛速度。     

软件“众包”任务分配方法

传统的任务分配方法主要依赖主观判断和个人经验,这将直接导致较低的人力资源利用效率.结合已有的任务分配方法对人力资源的复杂性和能力差异性考虑不足,在"众包"模式下,提出了一种新型的个性化任务分配方法.该方法在进行任务分配时,不仅考虑接包方的技术能力,同时也考虑到接包方的性格及在线信誉,从而使任务分配过程更有针对性.该方法在"聚慧网"原型中得以应用,实验表明,其在一定程度上可为发包方提供一种有效的任务分配决策支持.