基于适应度与蚁群分散搜索的多机器人任务分配

摘要

随着社会生产活动的复杂化和人口劳动力的减少，多机器人系统的应用在我们的生产生活中占据着越来越重要的地位。多机器人任务分配作为多机器人系统领域的重要研究方向，是多机器人系统执行任务的前提，也是系统执行效率是否高效的关键，是组织简单机器人完成复杂任务的核心。而多机器人任务分配是经典的组合优化问题，也是一个NP难题，如何根据任务特点构造合适高效的优化算法，是值得被研究和发展的。 本文针对大规模混合任务的分配问题进行研究，算法主要采取任务自动分类、任务分配结构分层的方式来优化分配。在混合的多任务中，先采取改进的适应度建模法来对任务进行自动分类和初步分配，这个过程机器人会自动筛出系统内的单机器人任务（松散型任务）和多机器人任务（紧耦合型任务），并利用改进的适应度进行松散型任务分配，不仅可以实现松散型任务分配的最优化，而且该算法充分发挥了机器人的自主选择性，减少了机器人之间的通讯消耗，提高计算效率。 对于紧耦合任务，本文上层采用蚁群算法来进行任务分配的优化，将蚁群算法采用分组寻优的方式来减少联盟解之间机器人的重叠，减少执行等待时间；下层紧耦合任务的联盟解利用改进的分散搜索思想来进行任务联盟的求解，即根据执行任务的机器人数量越少，机器人之间的通讯、避碰和协同控制就会减少的原则，机器人联盟解按照整数编码的思想来获得，并通过建立联盟参考集，来不断优化更新参考集的解集，保证了联盟解能更好的寻优。

目录

第一个书签之前