基于博弈论的多机器人任务分配算法

为了寻找一种合理有效的多机器人任务分配算法,基于多机器人协作救火任务环境,以博弈论纳什均衡为基础,研究多机器人的任务分配问题。根据任务模型特点和纳什均衡的主要特征提出了一种基于博弈论的任务分配算法。博弈的效用函数同时考虑了距离、火势和燃烧时间等因素,机器人根据此效用函数选择行为策略,促使机器人尽快扑灭惩罚值较大的火灾而获得较大的奖励值。利用任务总收益函数值的大小评价算法的优劣性。收益函数与火势、燃烧时间和机器人扑灭火灾数有关,这切合实际救火模型。实验结果证明了该任务分配算法的有效性。     

宏观建模与多机器人自组织任务分配

针对两个紧耦合子任务的任务分配问题,从宏观层面上进行了数学建模,通过求解该数学模型,获得了任务分配需要遵循的基本分配原则.根据该原则设计了一个随机任务选择模型以及相应算法,通过统计机器人操作子任务的时间,算出每个子任务的选择概率,然后以该概率随机选择子任务.对基于该算法的随机系统进行了统计建模,分析表明该算法下任务分配结果与基本分配原则保持一致.最后,建立了一个多机器人物品搬运仿真实验系统,将任务分配算法应用到该系统,分析了算法的有效性以及各种参数对实验结果的影响.     

基于市场机制的多机器人救火任务分配策略

为解决多机器人系统领域中动态分布式任务分配的问题,对多机器人合作救火任务进行研究。建立了多机器人动态环境下合作救火任务的模型,并针对任务特点提出了一种基于市场机制的任务分配策略。在出价公式的构造上同时考虑了距离、火势、时间等因素,符合救火任务动态任务分配的要求。并在自主开发的仿真试验平台上进行了仿真验证,对试验结果进行了分析。实验结果表明,该分配策略在不同工况下均能高效地实现多机器人救火任务中的动态分布式任务分配问题。     

多机器人系统形成联合协作的综合评价算法

多机器人协作是多机器人系统研究中的核心问题.为建立某种机制使机器人稳定地组织起来完成某一不能由单机器人完成的任务并达到全局最优,提出了综合评价算法.从机器人个体的自私利益出发,以经费和报酬的驱动,通过包含环境知识、历史经验、信用3个方面的综合评价值进行选举和谈判,自发地建立联合协作,完成复杂任务.算法通过调整权值,能够适应于不同的全局最优目标.该法运用到机器人足球这一典型的多机器人系统平台表现出良好的效果.     

多基地多UCAV任务分配建模及求解方法

为有效求解多基地情形下的无人作战飞机(UCAV)任务分配问题,在考虑任务收益、任务负载以及时间因素的条件下,建立了多基地多无人作战飞机的任务分配模型,并提出采用初始分配和动态分配相结合的求解方法.为提高初始任务分配问题的求解效率,将量子遗传算法融入了扩展紧致遗传算法的边缘积模块思想中,提出一种分布估计量子遗传算法(ED-QGA),用于初始全局最优分配,当出现突发动态任务时,采用合同网进行分配方案的局部调整.最后对提出模型和算法进行了仿真分析.结果表明,相比基于种群的增量学习算法和多粒度的量子遗传算法,分布估计量子遗传算法求解获得效能值分别提高了33. 4%和7. 2%,与基本合同网和扩展合同网相比,效能值分别提高了9. 2%和5%,因此能够有效提高UCAV整体作战效能.     

基于集对贴近度的多机器人能力评估

为解决多机器人任务分配的问题,把集对分析的思想引入机器人能力综合评估中,利用多属性决策方法对任务的多项指标进行评估.将多个指标组成的指标集视为由多个指标组成的指标空间,运用欧式空间权距离的方法分析集对贴近度.采用贴近度算法进行大样本仿真和分析,仿真结果表明了该算法的有效性,同时该算法对相似的结果可进行有效区分.     

露天煤矿下多机器人协同煤矿搬运方法研究

针对露天煤矿下多机器人协同煤矿搬运问题,建立了由控制中心、无线网关和无线传感器组成的无线传感器网络来控制多个机器人协同工作.为了实现高效的合作,以任务完成时间衡量机器人的合作效率,提出了基于效率最优的任务分配机制,采用蚁群算法,由控制中心进行集中式任务分配,并通过无线传感器网络告知机器人,实现了多机器人合作.利用无线传感器节点的定位信息,采用基于到达时间差的定位方法实现了机器人定位,使得机器人可在露天煤矿自主搬运煤矿.搭建了无线传感器网络,并用Pioneer III机器人和能力风暴机器人模拟煤矿搬运,模拟结果证明提出的方法可以实现露天煤矿下多机器人的协同控制,使机器人在最短的时间内完成任务.     

基于多智能体深度强化学习的空间众包任务分配

针对现有空间众包中的任务分配大多只考虑单边、 短期利益和单一场景的问题, 提出一种基于多智能体深度强化学习的空间众包任务分配算法. 首先定义一种新的空间众包场景, 其中工人可以自由选择是否与他人合作； 然后设计基于注意力机制和A2C(advantage actor-critic)方法的多智能体深度强化学习模型进行新场景下的任务分配； 最后进行仿真实验, 并将该算法与其他最新的任务分配算法进行性能对比. 仿真实验结果表明, 该算法能同时实现最高的任务完成率和工人收益率, 证明了该算法的有效性和鲁棒性.     

基于协同效能的反导作战任务分配模型

提出了一种基于效能最优的多个反导武器系统协同反导作战任务分配模型。阐明了任务分配与目标分配的关系,给出了任务生成原理,建立了考虑任务分配均匀性和一致性的静态任务分配优化模型;为建模方案之间的协同约束,定义了基本效能、自协同效能和互协同效能;基于粒子群优化算法进行了求解。仿真结果表明:建立的模型和方法适用于静态任务分配问题,所得结果合理有效,能够反映出任务协同在多个反导武器系统协同反导任务中的优势。     

动态环境下基于改进合同网的多Agent任务分配算法

任务分配算法是多Agent研究的一个重要方向。基于传统合同网的任务分配算法在动态环境下存在效率较低的问题,而动态环境在实际工程中广泛存在。因此,为了使多Agent系统的任务分配算法适用于动态环境,本文提出了一种改进的合同网方法。该方法通过引入任务信任度和负载均衡度指标对传统合同网的任务分配方法进行改进。仿真实验结果表明本文所提方法较现有方法具有更高的系统收益且减少了多agent系统任务完成所需时间。