救援仿真机器人中的多智能体协作研究

摘要

近年来自然灾害频发，灾难所带来的危害严重影响到人民的生命和财产安全，引起了全社会的广泛关注。RoboCup救援仿真系统通过计算机模拟现实中的城市灾难场景，通过仿真机器人来完成灾难救援工作，将灾难损失降到最低，其目的是为了将机器人技术更好的应用于灾难救援中。RoboCup救援仿真目前已应用于城市灾难应急指挥系统中，能够为城市中的突发事件处理提供决策支持，因而其研究具有重大的价值和意义。
　　RoboCup救援仿真机器人系统中提供了六种类型智能体：警察，消防员，医疗队，警察局，医院和消防站。每种智能体均有多个实例，因此RoboCup救援仿真机器人系统中存在同构智能体之间的相互协作。同时各智能体之间需要相互配合，所以RoboCup救援仿真机器人系统中还存在异构智能体之间的相互协作。本文以RoboCup救援仿真机器人系统为研究平台，研究救援仿真机器人系统中的多智能体协作方法。将智能体决策过程中面临的多个任务视为多个目标，而智能体的任务选择问题则演变成了多目标的优化问题。本文的主要内容如下：
　　(1)基于二进制粒子群优化的多智能体协作研究
　　对救援仿真机器人的决策过程中面临的多种任务进行救援效果评价，以智能体是否选择执行该任务为优化目标。构建粒子维度为任务总数的粒子群，通过粒子群优化方法得出最佳的任务选择方案。由于任务是否被执行只存在是或者否两种状态，所以采用二进制粒子群来实现优化过程。
　　(2)基于多评价函数且带约束的混合粒子群优化方法的多智能体协作研究
　　二进制粒子群优化算法在解决多智能体协作问题时，若任务数过大时将导致粒子维度过大无法及时收敛，且评价任务救援效果时以人为的经验为主，粒子群的适应函数单一造成了评价不足。为了使得粒子群优化方法能更好的应用于多智能体协作中，本文采用多种适应函数来分别评价同构智能体的任务选择，同时在各异构智能体之间的相互协作和约束关系的基础上，采用约束函数来计算各适应函数之间的关系。最终使用救援仿真系统的评分函数作为粒子群的群体适应函数，从而解决了适应函数单一的问题。同时，粒子维度不再受到任务数增加的影响，粒子维度保持不变且维度不高，避免了算法后期不能及时收敛的问题。

目录

文摘

英文文摘

致谢

插图清单

表格清单

第一章 绪论

1.1 研究背景

1.2 多智能体协作

1.3 救援仿真机器人

1.4 国内外研究现状

1.5 本文的主要研究内容和章节安排

1.5.1 主要研究内容

1.5.2 章节安排

第二章 RoboCup救援仿真机器人系统

2.1 RCRSS简介

2.1.1 体系结构

2.1.2 仿真过程

2.1.3 仿真系统中的对象模型

2.1.4 仿真系统中的通信模型

2.2 救援智能体的体系结构

2.2.1 体系结构

2.2.2 对象建模与世界模型构建

2.2.3 通信模块

2.2.4 路径规划

2.2.5 市民搜救和信息共享

2.2.6 高层决策

2.3 本章小结

第三章 基于二进制粒子群的智能体协作

3.1 基本PSO算法

3.2 PSO算法的演变和发展

3.2.1 带惯性权值的PSO

3.2.2 收敛因子模型

3.2.3 混合PSO模型

3.2.4 二进制PSO模型

3.2.5 免疫PSO模型

3.2.6 动态自适应PSO模型

3.2.7 带邻域操作的PSO模型

3.3 基于二进制粒子群的智能体协作方法

3.4 实验比较

3.5 本章小结

第四章 基于多评价函数带约束的混合粒子群优化方法

4.1 多评价函数的混合粒子群优化方法

4.2 各智能体的任务选择模型

4.3 实验比较

4.4 本章总结

第五章 总结与展望

参考文献

附录1：攻读硕士学位期间发表的论文

附录2：攻读硕士学位期间获得的奖励