基于边界点过滤的多智能体快速协同探索算法

摘要

针对多智能体在无先验知识的未知环境中进行自主协同探索任务优化问题,文章构建了多智能体协同探索未知环境的优化模型,并提出了一种基于障碍物边界点过滤(Multiple Agent Obstacle Frontier Point Filter,MAOFPF)的多智能体协同探索算法。该算法综合考虑边界点与障碍物相对分布情况,探索边界点过滤的距离阈值,进而优化多智能体探索任务选择和资源分配。仿真结果表明,在不同场景下,文章所提算法能够有效过滤边界点的干扰数据,保证系统的平稳运行,与原算法相比,系统抗扰动能力和泛化能力更高,地图覆盖率增长速度更快,平均效率提升了25.22%。