时延多智能体系统的编队控制

为了揭示多智能体系统的群集行为特征,研究2阶时延多智能体系统的编队控制问题.假设多智能体系统的网络拓扑是有向图、且具有一个全局可达结点,在多智能体之间的信息传输存在通信时延、信息处理存在输入时延的情况下,研究移动多智能体系统的动态编队控制.通过分析多智能体系统的运动特性,建立具有不同通信时延和不同输入时延的多智能体系统的控制协议.采用频率域的Laplace变换,分析时延通信系统的频率特性.根据Greshgorin圆盘定理,研究闭环控制系统的特征方程.应用广义Nyquist判据,得到保证多智能体系统编队控制的收敛性条件.得到的收敛性条件是一个分散式条件,该条件只采用每个结点的局部信息,与其他结点无关.应用计算机仿真验证了结论的有效性.     

具有通信时延的多机器人编队控制

针对通信约束条件下的多机器人编队控制问题,基于群集运动思想和一致性理论,提出了一种包含时延的分布式协同控制算法.首先,通过编队图及其矩阵表示,结合稳定性理论,用频域方法分析编队系统的稳定性,得到多机器人能形成期望编队的条件;然后,通过实验分析得到了最大允许时延与控制参数和拉普拉斯矩阵特征值的关系;最后,利用一个4机器人编队实例,验证了编队控制策略的有效性和结论的正确性.     

多机器人混合编队控制

提出了一种将行为控制和反馈控制相互融合的多机器人混合编队控制方法.采用基于行为的体系结构模型,将动态死区和动力学方程控制共同应用于多机器人编队控制中.改善了基于反馈的跟随领航者方法不能快速适应大角度的队形变换的问题.在AmigoBot机器人平台上的实验证明表明该方法具备一定的可行性.     

多机器人混合编队控制

提出一种将行为控制和反馈控制相互融合的多机器人混合编队控制方法. 采用基于行为的体系结构模型,将动态死区和动力学方程控制共同应用于多机器人编队控制中,从而改善了基于反馈的跟随领航者方法不能快速适应大角度队形变换的问题. 在AmigoBot机器人平台上的实验证明,该方法具备一定的可行性.     

基于分解策略的多机器人编队控制方法

根据多机器人在不确定环境中编队智能行进控制的要求,以多移动机器人为对象,提出了一种基于分解策略的多机器人编队控制方法,将复杂的多机器人编队问题分解为若干组2个机器人之间的协调问题.建立了多机器人编队的基本队形模型,提出了基于主从方式的多机器人控制策略,根据基于行为的方法设计了机器人的基本子行为,通过带权值的各子行为的叠加合成得到机器人的最终行为,给出了机器人的速度调节方案.计算机仿真结果验证了该方法的有效性和可行性,具有较好的可扩展性.     

基于多智能体规划的机器人足球决策模型

利用多智能体规划理论建立了FIRA机器人足球决策系统模型,通过多智能体规划提高了决策系统的效率并增强了系统决策的连贯性．利用多智能体协调提高了决策系统的动态实时性,保证了决策系统获得全局最优结果的能力。     

基于PSO的多机器人编队控制

提出了一种新的编队算法。该算法针对不同的编队形状,根据机器人的位置信息,构造不同的函数,利用群体智能优化算法中的微粒群算法进行函数优化,优化过程中的最优解作为机器人的运动方向。最后利用该算法实现了线形、三角形、六边形和圆形编队,仿真结果表明了该算法的有效性。     

基于混合式多智能体系统的协作多机器人系统研究

针对各种先进制造模式对多机器人系统开放性、灵活性的要求，利用智能体(Agent)的思想，综合了集中规划与分布规划的优点，在局域网环境下，设计了用动态集中规划方法构造的混合式MAS(Multi-Agent System)协作多机器人系统．对机器人Agent的结构及各模块的功能进行了重点介绍．该混合式MAS的特点是：可以方便地动态增加或减少Agents；允许存在异构的机器人；并能够根据各Agent的运行状态和工作能力的变化，对任务进行重新分解和分配．系统实验结果表明，该系统较传统的机器人系统具有良好的开放性、灵活性和鲁棒性。     

基于混合式多智能体系统的协作多机器人系统研究

针对各种先进制造模式对多机器人系统开放性、灵活性的要求 ,利用智能体 (Agent)的思想 ,综合了集中规划与分布规划的优点 ,在局域网环境下 ,设计了用动态集中规划方法构造的混合式MAS (Multi AgentSystem)协作多机器人系统 .对机器人Agent的结构及各模块的功能进行了重点介绍 .该混合式MAS的特点是 :可以方便地动态增加或减少Agents;允许存在异构的机器人 ;并能够根据各Agent的运行状态和工作能力的变化 ,对任务进行重新分解和分配 .系统实验结果表明 ,该系统较传统的机器人系统具有良好的开放性、灵活性和鲁棒性     

未知环境中基于观察者的多机器人编队控制方法

结合领导-跟随法和VFH＋避障法,提出一种基于观察者的多机器人编队控制方法,并利用Player/Stage机器人仿真平台,对编队控制方法进行了仿真实验。结果表明,编队控制方法可有效地将一组移动机器人以一定队形无碰地到达指定目的地。基于Player/Stage机器人仿真平台的特性,编队控制方法完全可以用于实际机器人上。     

基于PSO算法虚拟Leader的多机器人编队控制

针对leader-follower编队方法的不足,引入分散化编队控制策略并提出了基于PSO算法的虚拟领航者的多机器人编队控制方法。引入一个基于改进PSO算法进行路径规划的虚拟领航者,控制编队方向;同时通过信息共享,领导者带领追随者跟踪虚拟领航者的踪迹,完成编队队形维护和控制,从而有效地避免队形陷入局部最优及避免角度的骤变引起队形不稳的问题。在仿真平台上进行仿真和分析,在实物平台得以验证。     

三维环境下基于反步法的多机器人编队控制

针对两轮式移动机器人在复杂环境下的编队控制问题,提出一种基于虚构领航法和反步法,并结合人工势场法策略的多机器人避障编队算法。首先,详细分析多机器人系统在三维空间下的编队模型,并利用空间投影方法将其映射到二维平面进行分析。其次,将运动学模型转化为链式形式,并通过正则坐标变换,将误差系统形式转换成串联非线性系统。然后运用Backstepping方法构造轮式机器人追踪系统的Lyapunov函数,设计出针对轮式机器人的轨迹跟踪控制器。再结合人工势场法避障策略,完成多机器人复杂环境下的编队任务。最后,通过多机器人轨迹跟踪的两组仿真实验,验证了所提出方法的有效性。     

基于多Agent遗传算法求解迷宫游戏

游戏设计的实质是设计一些相互关联的游戏规则.通过分析迷宫游戏元素之间的关系,抽象制定出一套游戏规则,并在此基础上,提出了一种以寻路个体为单个智能体的多Agent遗传算法.通过C＋＋进行模拟仿真,实验结果验证了所提优化算法的合理性;与传统的遗传算法相比,此算法在避免早熟的同时有很快的全局收敛性.     

Multicast Routing Based on Hybrid Genetic Algorithm

A new multicast routing algorithm based on the hybrid genetic algorithm (HGA) is proposed. The coding pattern based on the number of routing paths is used. A fitness function that is computed easily and makes algorithm quickly convergent is proposed. A new approach that defines the HGA‘s parameters is provided. The simulation shows that the approach can increase largely the convergent ratio, and the fitting values of the parameters of this algorithm are different from that of the original algorithms. The optimal mutation probability of HGA equals 0.50 in HGA in the experiment, but that equals 0.07 in SGA. It has been concluded that the population size has a significant influence on the HGA‘s convergent ratio when it‘s mutation probability is bigger. The algorithm with a small population size has a high average convergent rate. The population size has little influence on HGA with the lower mutation probability.     

基于遗传算法和模拟退火算法的混合算法

结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函数方法处理约束条件,设计了专门的遗传操作算子,构造了相应的适应度函数,实现了离散时间系统的最优控制.实验结果表明,新算法既具有较快的收敛速度,又能够收敛到最优解.     

基于混合遗传算法的制造车间布局设计

生产车间的布局问题是一个NP难问题,常规方法难以求解。针对这一问题,首先根据车间布局设计的最小费用原则,建立了生产系统设备布局的数学优化模型;接着,将遗传算法与模拟退火算法相结合组成混合遗传-模拟退火(GA-SA)算法,并将其引入到车间设备布局问题中,完成了算法操作设计;最后,给出了一个10区域车间布局算例。结果表明:该算法有较强的全局和局部搜索能力,能有效改善遗传算法过早收敛的问题,是优化车间设备布局的一个有效方法。     

一种基于混合遗传算法的双边多议题协商

为了提高基于智能体电子商务双边多议题协商当中agent协商的效率,提出了一种agent的协商模型,并且将混合遗传算法HGA应用于这种模型当中,来提高模型中agent协商的效率。分别对4种遗传算法各进行1000次的实验。结果表明,它们同样达到协商最优解时,标准遗传算法SGA平均需要218次协商,基于Metropolis准则的遗传算法MGA平均需要184次协商,自适应遗传算法AGA平均需要152次协商,而混合遗传算法HGA平均仅需要121次协商。这说明,在求解双边多议题协商问题的时候,HGA可以使得协商当中的agent高效达到协商的最优解。     

基于混合遗传算法的分类规则挖掘方法研究

基于传统遗传算法的分类规则挖掘方法,通常存在挖掘出的规则质量不高,优化后种群中的冗余规则太多,分类准确率较低等问题.文中分析了分类规则挖掘原理,提出基于混合遗传算法的分类规则挖掘方法能够有效地克服上述缺点,从而提高分类规则挖掘的准确性.     

基于遗传算法和禁忌搜索算法的混合策略及其应用

为了提高遗传算法的局部搜索能力,根据遗传算法和禁忌搜索算法自身的特点,通过分析2者的优势和不足,提出了一种将2者混合使用的求解优化问题的方法.本算法用遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以加快收敛速度,得到满意的计算结果.同时,为抑制早熟现象,避免收敛到局部最优点,提出了一种应对策略.实验结果表明,该算法在计算速度和计算结果方面都有改进.     

基于遗传算法的模糊神经网络控制

在研究遗传算法、模糊神经网络及两者之间融合技术的基础上，设计了基于遗传算法的模糊神经网络控制系统。并通过仿真模拟实例对其功能特性进行了分析。