| 摘 要： | 多目标搜索问题是群体机器人一个重要的研究方向.现有工作多集中在带边界空间内的多目标搜索问题,而在开放环境中,探索机制会导致群体分散性过强而减弱探索能力.本文通过引入自适应扩散回归策略,在带有假目标的开放环境中,提出了具有高鲁棒性和适应性的群体机器人多目标搜索算法.文中首先从初始状态和处理假目标两方面对现有的主流群体机器人多目标搜索算法进行优化;基于机器人分布控制,本文对自适应群体机器人粒子群优化算法进行优化,提出基于自适应分布控制的群体机器人粒子群优化算法;其次,基于概率有限状态机搜索算法(PFSMS)对开放环境中的多目标搜索算法进行进一步的探索,本文以搜索时间为切入点,在PFSMS原有三种状态的基础上,添加回归状态作为附加状态,提出了基于自适应分布控制的概率有限状态机搜索算法(DPFSMS).当智能体的探索时间超过阈值时,智能体的速度由回归分量和扩散/搜索分量构成. DPFSMS算法给出了在无边界开放环境中的搜索策略,通过限制群体的扩散速度来自适应地调整智能体在无适应度值区域的运动随机性.最后,本文将DPFSMS算法与现有方法进行了对比,在对比实验中DPFSMS算法取得了目前最好的效...
|
