多机器人任务分配的研究与进展

从多机器人任务分配的类型、任务分配方法、任务的死锁与解除以及各种任务分配算法的对比等4个方面,对多机器人任务分配的最新研究进展进行了概述.分析了多机器人任务分配的发展趋势,指出动态环境和未知环境下大规模异构机器人任务分配问题的研究是必然趋势,在众多研究方法中,群体智能方法是解决该类问题的未来研究方向.     

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.     

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。     

编队多机器人类人探测方法

针对多机器人探测和处理多目标的控制任务,模仿人类探索未知环境的过程,提出了多机器人探测的边界、编队、目标吸引、重复探测、路径状况和探测扩张等6个类人探测规则.根据多机器人相互协调和高效探测的需要,通过规则的对应适值控制机器人的运动,使各个机器人沿优化路径共同完成多目标探测任务,解决了在全局未知环境下的多机器人路径规划问题.仿真结果表明,所提出的类人探测各种规则能有效地控制多机器人实现未知环境探测,具有可行性.     

基于资源拍卖的农业多机器人任务分配

针对农田环境中多机器人协同作业的问题,提出一种基于资源的任务分配算法,用于在具有机器人资源的再填充站的长期任务中高效地执行多个任务.针对多机器人任务分配问题,对多机器人任务进行建模,并分析任务相关模型及任务能量指标.在进行拍卖算法任务分配时,在考虑机器人数目约束、工作时间约束、距离约束的基础上,加入任务执行能力的约束,考虑机器人在长期任务执行期间资源量消耗问题,使各个农机有序地为农田地块服务,降低整个系统的执行代价,提高任务完成量.利用MATLAB平台进行仿真实验,生成多机器人多任务点的分配优化结果,并设置多组不同数量的机器人,对比该算法同其他三种算法的效果.仿真结果表明,该算法可以有效地提高作业效率,在相同条件下使资源消耗量及任务完成量达到最优,证明了其优越性,同时计算结果与实际作业完成量更接近,提高了结果的精准性.     

基于帕累托改进的多机器人动态任务分配算法

针对多机器人系统动态任务分配中存在的优化问题,在使用合同网初始任务分配的基础上提出了一种使用帕累托改进的任务二次分配算法。多机器人系统并行执行救火任务时,首先通过初始化任务分配将多机器人划分为若干子群;然后,每个子群承包某一救火任务,子群在执行任务的同时与就近子群进行帕累托改进确定需要迁移的机器人,实现两子群之间帕累托最优;最后,使用后序二叉树遍历对所有子群进行帕累托改进实现全局帕累托最优。理论分析和仿真结果表明,相较于强化学习算法和蚁群算法,所提算法的救火任务时间分别减少26.18%和37.04%;相较于传统合同网方法,所提算法在时间方面能够高效完成救火任务,在系统收益方面也具有明显优势。     

一种面向无人机区域协同覆盖的感知任务分配方法

感知任务的合理分配是影响无人机目标区域覆盖的重要因素,针对任务需求差异并考虑无人机局部观测性和环境不确定性,提出一种面向目标区域协同覆盖的感知任务分配方法.将目标区域进行差异划分,构建基于分布式马尔可夫覆盖模型的任务分配控制框架;利用目标线路集和任务扩散调度序列集对目标区域进行差异化计算,并提出基于强化学习的任务差异化分配方法,实现动态目标区域的最优覆盖策略.仿真实验结果表明:在满足航向速率和空速的条件下,任意两台无人机之间可以合理地扩散调度任务,同时通过差异化学习方法使覆盖线路代价和目标函数适应值收敛稳定且覆盖率达到90％以上,实现对任务分配的有效控制.     

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。     

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.