基于粒子群蚁群算法的多机器人任务分配方法

针对大规模多移动机器人松散耦合型任务分配问题,探讨了机器人联盟形成问题中的关键,并且提出一种基于粒子群蚁群算法的任务分配机制.结果表明,粒子群蚁群算法得到的分配解要明显优于基本蚁群算法,并且不易出现早熟现象.     

群机器人目标搜索中的通信模式研究

针对目标搜索过程中的群机器人协作问题,以扩展微粒群算法为建模工具和协调控制工具,比较研究同步和异步通信模式对搜索效率和系统能耗的影响。仿真结果表明,对于同等规模的群机器人系统,异步通信模式下的搜索效率比同步通信模式下高,能耗却比同步通信模式下低。因此,对于分布式协同的群机器人施加并发控制时,异步通信模式更为适合。     

多机器人系统任务分配研究

设计分布式同质的多机器人系统,以实现以负载平衡为目的的任务分配。机器人个体使用包容框架拓扑结构和基于感知到行为的控制,使用视觉系统通过局部观察获取周围环境信息,由状态转移方程选择任务执行,实现从局部到全局的针对多机器人系统的涌现式协调方法。宏观数学模型从理论上证明了任务分配的正确性,再由真实环境下物理实验验证了这一多机器人系统可以达到指定的任务分配效果。     

基于APO的群机器人目标搜索仿真系统设计

针对群机器人目标搜索问题,采用拟态物理学优化算法作为群机器人的建模工具,参考优化个体间的引斥力规则建立机器人间的作用力规则,参考优化个体的质量函数构造有关机器人感知强度的虚拟质量函数,建立群机器人目标搜索模型。根据模型参数较多,要求查看群机器人搜索过程的特点,开发了基于拟态物理学优化算法的群机器人目标搜索仿真系统,实现了参数的灵活定制,动态演示群机器人搜索过程以及生成实验结果报表等功能。     

UCAV协同攻击多目标的任务分配技术研究

为解决单目标函数构建的任务分配模型不能给火控决策者提供更多有用信息的问题, 将无人机（UCAV： Unmanned Combat Aerial Vehicle）损耗代价和目标毁伤价值作为UCAV协同攻击任务分配的两个目标函数, 对其进行多目标优化, 建立新型任务分配模型。在此基础上, 采用一种改进带精英策略的快速非支配排序遗传算法(NSGAII: )进行求解, 得到多目标协同攻击任务分配的Pareto最优解集, 然后根据决策者的偏好选取最佳的任务分配方案。最后通过仿真算例, 验证了该算法的收敛性及有效性。     

改进适应度的异构多机器人任务分配

目的探究基于适应度的异构机器人系统模型与外部适应度的特点,提高系统性能与任务分配结果。方法应用数学模拟法分别研究机器人与任务,实证研究法验证外部适应度算法。结果对于机器人模型与任务模型,采用机器人原始性能参数建模;外部适应度采用正余切函数构成的算法,实现了任务最优分配。结论改进后的数学模型提高了系统的鲁棒性与可扩展性,改进外部适应度算法更为有效的反映机器人与任务间的匹配关系,为系统任务分配提供了可靠依据。     

一种多机器人的任务分配和自动协商的方法

提出了一种多机器人的任务分配和自动协商的方法。在进行任务分配时充分考虑机器人的真正性能;构建自动协商的模型时,改进最小二乘法支持向量回归算法（LSSVR）,用于估计对手的谈判效用,并采用鲁棒控制器的输出反馈变量来限制优化实用性能指标,然后提出协商和再分配的协议来提高实时性和任务分配效率。最后,通过仿真实验来验证次方法的有效性。     

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。     

基于改进的多目标量子行为粒子群优化算法的多无人机协同任务分配

为在给定的时间内以最小代价和最大效益完成任务,建立了多无人机协同任务分配问题的多目标优化模型.采用改进的多目标量子行为粒子群优化算法求解最优任务分配方案,定义了一种从所求候选方案中选取最优分配方案的自主选择准则.对比分析多目标粒子群优化、多目标进化算法和该文算法所求的最优分配方案.仿真结果表明该文算法能够较快地求解问题,而且所求最优任务分配方案的性能优于其它三种算法.     

基于扩展能力评价值的多机器人系统任务分配

在分析了基于行为主义和基于协商主义的任务分配方法的适用性后,提出一种基于扩展能力评价值的多机器人系统任务分配算法,定义了扩展能力评价值的概念.首先对机器人能力、任务需求能力、历史经验、信用度进行数值化描述,在此基础上定义了扩展能力评价值的概念,并建立了扩展能力评价值的数学模型,包含能力匹配函数、历史经验、信用度3个因素.最后在足球多机器人系统仿真平台上进行实验仿真,结果表明了算法的有效性,实现了任务到机器人的最佳映射.     

基于响应阈值的群机器人地图创建探索策略

地图创建是群机器人研究的若干基准任务之一。文章提出一种群机器人地图创建的探索策略,该策略根据黄蜂群的响应阈值模型设计了响应函数,机器人根据响应函数对下一访问位置进行概率选择。对算法分别进行了不同机器人数量和不同响应阅值的计算机模拟实验,根据算法评价指标对实验结果进行评价,并对实验结果进行了分析,结果表明算法是有效可行的。     

基于分区的多机器人任务分配

针对传统集中式分配和分布式分配所存在的不足之处,提出了一种基于分区的多机器人任务分配策略。先根据效用矩阵对多机器人系统的进行分区,再在各自分区中利用原有的算法进行分配。该分区方法简单易实现,通过实验证实分配后全局最优化程度高,且面对大规模动态任务时,也能具有很高的实时性。     

引入方向变量的群机器人启发式区域覆盖算法

针对基于栅格地图环境下,群机器人采用启发式全区域覆盖算法完成区域覆盖任务时,多个机器人相遇后,并发覆盖相同栅格而造成重复覆盖的问题,通过减少机器人运动过程中的转向次数的方法,有效减少了机器人的相遇次数,从而减少了机器人并发覆盖相同栅格的次数。根据该方法,在原算法中引入了方向变量,形成了改进的群机器人启发式全区域覆盖算法。最后,通过仿真实验,说明了该算法的有效性。     

基于PSO算法的多巡飞器任务分配方法

为使多个巡飞器协同完成针对地面多个目标攻击任务,从巡飞器载荷较小的特点出发,基于PSO算法对其任务分配方法进行了研究.根据巡飞器两种任务介入方式的不同,分别建立了布撒方式任务分配问题模型以及陆基发射方式任务分配问题模型.根据模型的复杂程度,分别选择使用基本PSO全局优化算法以及考虑资源消耗情况下对PSO整数规划算法进行改进后的算法,求解两种任务分配问题.仿真结果表明,算法可解决任务分配问题,任务分配方法合理,适应巡飞器协同需求.     

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。     

基于扩展合同网的协同设计任务分配机制研究

针对网络化产品协同设计过程的任务分配机制进行研究,在分析了已有合同网任务分配机制的基础上,通过引进时间令牌和缓冲池策略,对合同网机制进行扩展,提出了一种基于时间令牌和缓冲池机制的协同设计任务分配方法,给出了任务分配协作过程中的协商策略和基于投标信息的综合多因素决策评价算法。最后通过实例验证了所提方法的可行性,更适用于协同设计任务分配的实际情况。     

基于SVM的CPU-GPU异构系统任务分配模型

为了改善异构系统的性能和效率,提出并实现了一个两阶段的任务分配模型.该模型对预分配给CPU和GPU的任务集进行多轮调整,以此最大程度地缩短程序的执行时间.首先,使用支持向量机进行任务预处理,支持向量机将任务分成CPU型和GPU型;然后,根据预处理结果以及处理器的特征和状态,并在对分配集合进行多轮调整后实施实际的任务分配.本模型在具体的异构系统中实现,使用多种基准程序进行检测.实验结果表明,对比其他任务分配算法,本文算法能够使性能获得平均43.54%的提升.     

群机器人Flocking行为研究综述

主要回顾了群机器人自组织flocking行为的研究。首先,介绍群机器人学的含义及关键特征;然后,指出flocking行为在生物学上及机器人学上的意义,之后对目前的研究现状进行介绍。最后,按照以下的三个分类对群机器人flocking行为进行总结:行为控制,硬件设备及交流策略。     

基于微粒群算法的分布式发电优化配置

利用混沌动力学的随机性和遍历设计群体运动模式,提出一种改进的微粒群算法.以运行成本和网络损耗为目标,对分布式发电的优化选址与定容问题加以求解,获取最优的分布式电源安装位置和容量,并针对标准测试系统进行了仿真计算与分析,仿真结果验证了所提方法的有效性.