基于并行蚁群算法的多机器人协作研究

摘要

多机器人协作问题是当前机器人技术领域的研究热点和难点。随着分布式人工智能的理论和应用的发展，多智能体系统理论以其突出的灵活性和适用性，被应用于多机器人协调系统领域，并成为机器人学中一个新的研究热点。但多智能体协作技术还不成熟，在协作机制方面，如协作时机、协作过程、协作机理、协作协议等方面的研究还远远不够。’需要进一步深入研究多智能体协作模型和协作方法。 多机器人系统的联盟组成是多机器人系统协作的重要协作方法，近年来，联盟机制已成为MAS研究的一个重要方面，得到了越来越多的重视。在MAS中，Agent之间组成联盟不仅可以求解那些单个Agent不能完成的任务，而且可以调整目标、消解冲突、共享资源，共同构造优化求解方案，从而使得整个MAS系统能够以最优的配置、最高的效率来求解既定任务，并获得最大利益。Agent联盟生成问题就是面向任务，寻找最优的联盟组合，使联盟值尽可能大。在MAS中，各Agent之间都存在彼此合作形成联盟的可能，为了得到一个满意的结果必须考虑所有或大部分的联盟组合可能，因而联盟生成问题是一个复杂的组合优化问题。 蚁群算法是一种新型的智能优化算法，该算法已在求解组合优化问题取得了很好的效果，显示出求解复杂优化问题方面的优势。蚂蚁算法具有潜在的并行性，体现了蚂蚁系统智能个体的自组织性。 本文利用蚁群算法的并行工作策略和自组织原理，结合多机器人的协作机制提出了多机器人动态优化联盟组成算法。这种方法目的是避免系统的死锁问题和资源浪费，提高系统的工作效率，减少联盟组成的计算量和通讯量。通过仿真分析，验证了该方法的可行性和有效性。

目录

文摘

英文文摘

论文说明：主要符号表

论文原创性声明论文知识产权权属声明

第1章绪 论

1.1课题背景及意义

1.2国内外研究发展现状

1.3本文的主要研究内容

第2章多机器人系统协作与群体智能

2.1多机器人系统体系结构

2.1.1从控制结构角度分类

2.1.2从通讯方式角度分类

2.1.3从个体机器人结构分类

2.2多机器人的协调方法

2.3.1显式协调方法

2.3.2隐式协调方法

2.3多机器人系统的通信

2.4多机器人系统的任务分配方法

2.5群体智能理论

2.5.1群体智能理论的来源

2.5.2群体智能理论的特征和优点

2.5.3群体智能的主要研究方法

2.6基于群体智能的多机器人协调方法

第3章多机器人协作联盟问题

3.1多Agent联盟问题的研究

3.2联盟问题的形式化描述

3.3联盟的数学模型

3.4联盟环境描述

3.5集合分割和集合覆盖问题

3.6本章小结

第4章基于蚁群算法的多机器人联盟组成工作原理

4.1蚁群算法的原理分析

4.1.1蚁群算法的生物系统模型

4.1.2人工蚁群的工作原理分析

4.2基本蚁群系统模型及算法实现

4.2.1基本蚁群系统的模型

4.2.2蚁群算法的具体实现

4.3蚁群算法的并行工作模式

4.3.1蚁群优化的并行策略

4.3.2并行蚁群模型

4.4蚁群优化算法的特点

第5章基于蚁群算法的多机器人联盟组成算法实现

5.1雇主机器人算法

5.1.1算法描述

5.1.2算法流程

5.2工人机器人算法

5.2.1算法描述

5.2.2算法流程

5.3多机器人联盟组成的通信问题

5.4蚁群联盟算法的仿真及分析

结论

致谢

参考文献