一种面向多智能体群集的避障算法

多智能体群集中的避障问题是研究的难点问题,每个智能体需要安全避开障碍物并朝着目标点前进.根据现有的基于人工势场函数的群集算法,提出一种改进的具有避障能力的群集算法.在该算法中,将障碍物等效成虚拟智能体进行避障.智能体感知到障碍物后,不是立即采取避障措施,而是将智能体的速度方向和目标点考虑在内,根据智能体不同的速度方向和目标点的位置,采取不同的避障措施.经理论分析与实验验证,表明所提出的算法能够有效地躲避障碍,并且在避开障碍物后更快地达到群集.     

具有动态拓扑有领航者的多智能体群集运动控制

对具有二次积分的动态多移动智能体在动态拓扑下跟随领航者取得群集运动编队进行了研究.引入了光滑的邻接矩阵以及光滑的势场函数,提出了多移动智能体群集运动的光滑控制器设计方法,运用现有群集运动理论和经典的李雅普诺夫稳定性理论,证明了多移动智能体系统群集运动的稳定性.分析表明:智能体网络在切换的情况下,该方案设计得到的控制输出仍然是光滑的,最终智能体群在领航者的带领下取得群集运动.计算机仿真实例验证了所得结论.     

一种基于邻域感知的群集控制算法

对具有二次积分动态的智能群体（flock／swarm）,在固定通信网络取得的群集运动（flocking／swarming）进行了研究．根据传统势场法的思想给出虚拟力函数的数学化定义,提出了邻域感知算子的概念,解决了智能群体数量增大时每个智能体受到影响过多而合力不确定性增加的问题．运用LaSalle不变集原理和代数图论相关知识对控制算法进行了稳定性分析,并得出如下主要结论：1）智能体速度大小和方向渐近收敛,最终趋于一致;2）智能体之间的距离渐近趋于期望距离,并最终保持相对稳定;3）有互连关系的智能体之间不会有碰撞发生．理论分析显示,网络图的连通性和对Laplacian矩阵元素的平滑性处理保证了群集效果的优秀性．最后,给出一个Matlab算例仿真对理论结果进行了验证．     

图像分割背景下群体智能优化算法的性能对比

 针对目前研究相对薄弱的群体智能优化算法的性能对比问题,搭建数字图像为生命栖息环境的群体智能优化算法的性能对比平台,提出基于最优个体变化的收敛关联度和收敛面积的新型性能评价指标,并具体进行了遗传算法、粒子群算法、人工鱼群算法、细菌觅食算法等多种群体智能优化算法的性能比较与测试.实验结果显示,所提出的评价平台和性能评价指标能够合理有效地对比不同搜索机制下智能群体的寻优能力.     

群集模型的软控制研究

研究了一类群集模型的软控制.通过在群中加入一个或多个可控智能体(CIA)来干扰群的运动形式,从而实现了在不改变群的局部运动规则的条件下控制群的运行速度,加快了群的收敛速度,并实现了群的分化.模拟结果表明了此方法的有效性.     

求解二次规划的粒子群优化算法

粒子群是一种智能优化算法,通过群体中个体间的相互作用寻找复杂空间中的最优区域,二次规划是一类基本而又重要的非线性规划问题.本文讨论一种改进的粒子群算法求解二次规划问题,进行了数值试验,数值结果表明算法的有效性.     

基于主智能体的群体学习算法GLBMA

以机器人足球比赛（RoboCup）为背景,基于主智能体和辅助智能体概念,提出了基于主智能体群体强化学习算法（GLBMA）,该算法通过主智能体和辅智能体的角色切换来实现整个团队的学习,改进了传统的群体强化学习算法。RoboCup仿真比赛试验表明,传统群体强化学习算法中的行为学习状态空间过大,连续状态空间的行为选择及多智能体合作求解等问题得到了解决．     

有向拓扑图下基于脉冲协议的离散非线性多智能体系统一致性简

本文就有向拓扑图下基于脉冲控制的离散非线性多智能体系统一致性问题进行了研究.首先给出了一定的数学准备并将该一致性问题转化为了一个误差系统的稳定性问题.根据递推方法,得出了保证该多智能体系统收敛的充分条件.该条件揭示了在脉冲协议下,控制增益、脉冲间隔以及有向拓扑图结构之间的复杂关系.     

微粒群优化算法研究

微粒群算法(PSO算法)是模拟鸟类、鱼群等的群体智能行为的一种启发式全局优化技术.通过介绍微粒群优化算法的原理、算法流程、算法参数及其对算法性能的影响,给出了各种改进的微粒群算法形式以及研究现状,归纳了微粒群算法的国内外应用进展及研究方向.     

基于群体智能的蚁群算法研究

群体智能是指任何启发于群居性昆虫群体和其它动物群体的集体行为而设计的算法和分布式问题解决装置,群体智能现正在成为人工智能领域和相关领域的一个研究热点;该文首先介绍了群体智能中的两个重要算法:蚁群算法和粒子群算法的基本思想,然后重点探讨了蚁群优化算法,对基本蚁群算法和改进的蚁群算法进行了深入的分析和评述。     

复杂条件下多智能体系统编队一致性控制

针对噪声信号使多智能体系统难以形成一致的问题,综合运用代数图理论、矩阵论等知识,结合一致性形成条件和现有的一致性协议,提出一种改进的带有噪声的一致性控制算法。该算法能够使系统状态量与控制输入量收敛到一个很小的范围,从而大大弱化噪声对系统的影响。将这种改进算法应用到多智能体编队控制中并进行仿真,仿真结果表明,采用改进的一致性控制算法后,多智能体运动轨迹波动小,轨迹曲线平滑,各运动参数趋于一致,具有良好的编队一致性。     

二阶非线性多智能体系统的固定时间领导-跟随集群

对多智能体系统的固定时间领导-跟随集群问题进行了研究。利用非光滑技巧,结合一个固定时间稳定性定理和图论,实现了多智能体系统在固定时间内形成领导-跟随集群,得到了稳定时间上界估计式。同时给出了个体之间避免碰撞的一个充分条件,并且刻画了系统达到稳定状态时的群体大小。最后通过仿真模拟验证了理论分析的有效性。     

瞬时耦合二阶多体系统的一致性及时滞效应

对于二阶多智能体,提出一种具有输入和通讯时滞的脉冲控制算法,分析可得这一算法的一致性准则. 同时讨论了输入时滞和通讯时滞对二阶多体系统的一致性能的影响. 结果表明,在确定二阶多体系统的一致动力学方面,通讯时滞比输入时滞有更重要的作用. 具体而言,没有通讯时滞时,二阶多体系统达到了动态一致,即个体的速度是一个非零常数;然而,只要有通讯时滞,在一定条件下系统的速度一致状态就是零.此外,发现一个更有趣的事实是,在无向网络拓扑作用下,通讯时滞或输入时滞将增强二阶多体系统的同步性能. 最后用一些数值仿真验证了理论结果的有效性.     

基于虚拟领航者的智能群体群集运动控制

通过借鉴预测控制的基本思想,研究了智能群体的群集运动,并建立了一种个体在运动过程中能根据周围环境自适应选取虚拟领航者的群集运动控制模璎.该模型描述了生物群集过程中无领导者的自然现象,克服了传统leader-follower模式的单向信息流的缺陷,增强了系统的自适应性与鲁棒性,提高了系统的稳定性.仿真结果表明:与已有文献相比,该模型收敛速度较快;形成紧凑的编队后,队形稳定运行的速度也较快.     

稳定的有领航者的多移动agent群集运动控制

对具有二次积分动态的多移动agent跟随领航者（Leader）取得群集（Flocking）运动编队进行了研究．提出了一个分散控制方法对多移动agent进行分散控制,并通过理论证明得到以下主要结论：a．所有agent速度方向收敛到同一方向并与领航者保持一致;b．所有agent速度大小收敛并与领航者相同;c．互连的agent之间没有碰撞发生;d．所有agent的人工势场函数被最小化．用图论模型表示agent之间的相互作用及通信关系,对固定的网络拓扑,控制互连拓扑是固定的、时不变的,运用传统的李亚普诺夫理论进行了稳定性分析．最后,给出了一个计算机仿真例子对所得结论进行了验证．仿真结果表明,控制策略可以保证所有agent的速度大小和方向收敛到与Leader保持一致,同时避免碰撞,并保持一个紧凑的编队．     

多智能体一致性的随机镇定研究

本文给出多智能体随机一致性的数学描述,模拟了环境噪声对多智能体系统一致性的影响,并提出一种运用随机噪声控制多智能体系统的方法。仿真结果表明,添加满足一定条件的随机噪声控制可以令在没有噪声干扰情况下非一致性的多智能体系统达到随机一致性镇定。最后对多智能体的随机一致性镇定进行理论分析,并得到满足控制要求的随机噪声强度的大致下界。所提出的多智能体协调控制方法具有系统能耗小、控制性能更佳的特点。     

视频图像火焰区域分割算法

主要研究室外具有复杂背景环境中的视频图像火焰区域分割算法．在充分研究视频图像火焰运动特性并考虑实际应用环境的基础上,提出了一种基于多均匀分布背景模型的运动检测算法,以此来实现视频图像中火焰区域的分割．该方法能够克服复杂背景环境带来的干扰,达到很好的火焰区域分割效果,且具有良好的实时性．该方法不仅适用于火焰区域分割,对智能视频监控系统中其他功能的运动检测也有很好的借鉴意义．     

带状态预测器的多智能小车系统一致性问题研究

一致性理论作为多智能体间合作协调的基础,受到来自各个领域研究者越来越多的关注。但是,以往的控制律只利用智能个体周围的局部信息,其控制律往往是次优的。本文引入了状态预测器,将带状态预测器一致性理论应用到多智能小车系统速度一致性问题的研究中,给出了智能小车速度一致性算法,分析了多种耦合通信方式对智能小车速度一致性的影响,引入了智能小车状态预测器,最后通过欧拉公式将上述带状态预测器的控制律求解出来,设计出了智能小车的控制器,并从理论上证明了控制器的可行性,与以往的一致性算法相比,加快了智能小车演化到平衡状态的收敛速度。