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.     

基于蚁群算法的多机器人协作策略

蚁群算法是一种通过对蚂蚁社会长期观察得来的优化算法．它建立在蚁群的一种叫“外激励”的联系方式上，对解决一些分布式控制问题和复杂的优化问题十分有效．将“外激励”这一概念引入多机器人系统中，设计了一种基于蚁群算法的多机器人协作策略．这一策略可以解决多机器人系统在未知环境工作时所面临的一项艰巨的任务：自主协作规划．定义了多机器人系统在未知环境中可能存在的一个问题：任务死锁；将衰减因子引入协作算法，以防止任务死锁的发生；通过仿真验证了算法的性能．     

基本遗传算法的航迹规划算法研究

运用遗传算法研究低空突防飞行器的透迹规划问题,建立了基于遗传算法的航迹规划的一般模型,针对垂直轨迹规划问题进行了数字仿真,并分析算法的收敛速度和精度。结果表明,遗传算法可以很快收敛到精度较高的近似解,但在接近最优解一定程度后,收敛速度放慢。如何解决这一问题,有待进一步研究。     

基于利它性的多机器人多目标观测算法

研究了个体利益与整体利益在多机器人多目标观测（CMOMMT）问题中的表现以及采取不同折中方法对于系统性能的影响.引入代表机器人个性的利它性因子，提出了基于个性的多目标观测（P-CMOMMT）算法.根据观测时的具体环境、目标的观测情况以及机器人和目标的密度确定利它性的大小，从而决定牺牲个体利益的程度以及个体观测率来提升系统的整体利益和整体观测率.该算法解决了利己性与利它性之间的矛盾，在个体利益和整体利益之间、个体独自的观测率和系统整体的观测率之间进行折中.仿真表明，系统的整体观测率以及协作模式的多样性都得到了提高.