本發(fā)明屬于機(jī)器人技術(shù)領(lǐng)域。

背景技術(shù)：

伴隨著微電子、計(jì)算機(jī)、網(wǎng)絡(luò)等應(yīng)用技術(shù)的快速發(fā)展，機(jī)器人技術(shù)得到了跨越式的進(jìn)步，機(jī)器人軟硬件技術(shù)的進(jìn)步使移動(dòng)機(jī)器人的各種能力不斷提高，移動(dòng)機(jī)器人應(yīng)用的領(lǐng)域和范圍也正不斷擴(kuò)展，利用機(jī)器人代替人來完成一些簡單的任務(wù)成為一種趨勢，比如利用單個(gè)機(jī)器人進(jìn)行清掃或者搜索等。

雖然單個(gè)機(jī)器人可以完成一些簡單的任務(wù)，但是由于單個(gè)機(jī)器人一般都體積大、能耗高、結(jié)構(gòu)復(fù)雜，靈活性差，在使用單機(jī)器人進(jìn)行搜索任務(wù)時(shí)的效果不是很好，而群機(jī)器人因?yàn)槠潴w積小、數(shù)量多、結(jié)構(gòu)簡單、比較靈活、魯棒性強(qiáng)，比單個(gè)機(jī)器人更容易控制，而且其容錯(cuò)能力強(qiáng)，即使其中某個(gè)機(jī)器人壞了，也不會(huì)影響整體的搜索等特征，近幾年受到越來越多的關(guān)注。

同時(shí)隨著生物學(xué)研究的不斷深入，研究人員發(fā)現(xiàn)一些動(dòng)物能夠通過簡單的合作快速的發(fā)現(xiàn)食物。受到這些生物覓食行為的啟發(fā)，本文提出利用群機(jī)器人來模擬生物覓食的過程，即在未知環(huán)境中，群機(jī)器人利用生物覓食行為的特征來搜索目標(biāo)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是利用群機(jī)器人搜索目標(biāo)，促進(jìn)對群體自組織原理及協(xié)同行為涌現(xiàn)規(guī)律的基于生物覓食行為的群機(jī)器人混合搜索方法。

本發(fā)明步驟為：

步驟一：采用柵格法對搜索環(huán)境的建模：

把搜索區(qū)域 ，，劃分成若干個(gè)柵格，

，：搜索區(qū)域?yàn)榫匦?，為搜索區(qū)域的長，為搜索區(qū)域的寬；

步驟二：將搜索區(qū)域劃分為若干子區(qū)域：

用A 表示整個(gè)搜索區(qū)域，用表示被劃分的任意一個(gè)子區(qū)域，則整個(gè)搜索區(qū)域可以表示為：，n ：搜索區(qū)域劃分成的子區(qū)域個(gè)數(shù)；

步驟三：安排每個(gè)子區(qū)域的搜索順序：

通過區(qū)域效用函數(shù)的大小確定每個(gè)子區(qū)域的搜索順序，使目標(biāo)信號(hào)濃度強(qiáng)的子區(qū)域優(yōu)先被搜索, 區(qū)域效用函數(shù)如下：

其中，T 函數(shù)表示子區(qū)域的目標(biāo)效用函數(shù)值，為機(jī)器人在子區(qū)域a內(nèi)檢測到子區(qū)域b 內(nèi)目標(biāo)信號(hào)的強(qiáng)度，為當(dāng)前子區(qū)域a與子區(qū)域子b 之間的距離，其中；

步驟四：混合搜索算法進(jìn)行搜索：

1）利用隨機(jī)搜索算法進(jìn)行全局搜索；

2）當(dāng)目標(biāo)探測器發(fā)現(xiàn)目標(biāo)的存在之后，隨機(jī)搜索算法轉(zhuǎn)變?yōu)閯?dòng)態(tài)粒子群搜索算法進(jìn)行搜索，通過粒子之間的合作，不斷調(diào)整粒子的位置，確定目標(biāo)位置；

3）如果隨機(jī)搜索算法沒有發(fā)現(xiàn)目標(biāo)，一直使用隨機(jī)搜索算法進(jìn)行搜索，直到整個(gè)搜索區(qū)域搜索完成或者搜索時(shí)間超時(shí)，結(jié)束當(dāng)前搜索。

本發(fā)明步驟一的環(huán)境空間就是搜索區(qū)域；具體步驟如下：

(1)將環(huán)境空間劃分為 個(gè)獨(dú)立的柵格空間，其中，，如果不能整除，則全部都向上取整；

(2)給劃分的每個(gè)柵格進(jìn)行賦值，每個(gè)柵格都記為0；

給劃分的每個(gè)柵格進(jìn)行賦值：這里的柵格指的就是劃分成的m*n個(gè)柵格，賦的值是任意的，初始都設(shè)為0，搜索過的設(shè)為1；

(3)將劃分后的柵格按照順序進(jìn)行編號(hào)，編號(hào)記為c，編號(hào)轉(zhuǎn)換公式如下所示：

當(dāng)柵格被搜索后，其相應(yīng)的值變?yōu)?，表示信息如下：

柵格被搜索前，將柵格賦值設(shè)為0表示，被搜索后，將格柵賦值設(shè)為1來表示；

其中代表一個(gè)區(qū)域內(nèi)處于柵格(k,t)的值，k、t代表該區(qū)域內(nèi)柵格所在的橫坐標(biāo)和縱坐標(biāo)。

本發(fā)明公式中是一個(gè)隨機(jī)的值，為了使實(shí)驗(yàn)具有普遍性和代表性，分別取不同大小的值來進(jìn)行試驗(yàn)，在場景確定后， 是一個(gè)固定的值。

本發(fā)明采用隨機(jī)搜索算法階段，粒子分別被釋放在搜索環(huán)境中的某一起點(diǎn)，采取隨機(jī)行走方式進(jìn)行搜索，粒子以一定的速度行走，其與x/y 軸的方向是隨機(jī)的；具體行走方式如下：

其中表示粒子的行走速度，表示速度與x軸的夾角，一般在沒有障礙物的時(shí)候，取值是一個(gè)隨機(jī)的小角度值，表示時(shí)間間隔，人為設(shè)置的a為常量；將=1 代入上面公式得到：

。

本發(fā)明動(dòng)態(tài)粒子群算法的速度及位置更新方式如下：

其中是粒子本身在搜索過程中在x 軸的最好位置，是粒子本身在搜索過程中在y 軸的最好位置，是在通信范圍內(nèi)所有粒子中在x 軸的最好位置，是在通信范圍內(nèi)所有粒子中在y 軸的最好位置，w，c1，c2 為權(quán)值，0<w<2，0<c1/c2<2。

本發(fā)明在整個(gè)搜索的過程中，機(jī)器人自身有三種搜索行為：隨機(jī)搜索行為、組織搜索行為、協(xié)作搜索行為；在整個(gè)子區(qū)域的搜索過程中，機(jī)器人的這三種行為不斷進(jìn)行轉(zhuǎn)換。

本發(fā)明研究利用群機(jī)器人搜索目標(biāo)，在理論和實(shí)際研究中都有重要的意義。從理論上來說，通過研究群機(jī)器人尋找目標(biāo)的過程，可以促進(jìn)對群體自組織原理及協(xié)同行為涌現(xiàn)規(guī)律的研究。從實(shí)際上來說，研究利用群機(jī)器人搜索目標(biāo)，可以使機(jī)器人應(yīng)用更加廣闊，可以利用機(jī)器人代替人完成很多工作，比如排雷排爆、空間探測、地震等災(zāi)難后的幸存者搜索、礦難搜救問題等。

附圖說明

圖1是本發(fā)明提出的基于覓食行為的群機(jī)器人混合搜索方法的流程圖；

圖2是本發(fā)明中混合搜索算法的流程圖；

圖3是本發(fā)明中動(dòng)態(tài)粒子群算法的流程圖；

圖4是整個(gè)搜索的過程中機(jī)器人行為轉(zhuǎn)換示意圖；

圖5是多個(gè)目標(biāo)，多個(gè)粒子確定目標(biāo)搜索情況；其中（a）圖為粒子的初始狀態(tài)圖；（b）圖為確定粒子的位置圖。

具體實(shí)施方式

本發(fā)明步驟為：

步驟一：采用柵格法對搜索環(huán)境的建模：

把搜索區(qū)域 ，，劃分成若干個(gè)柵格，

，：搜索區(qū)域?yàn)榫匦?，為搜索區(qū)域的長，為搜索區(qū)域的寬。

步驟二：將搜索區(qū)域劃分為若干子區(qū)域：

用A 表示整個(gè)搜索區(qū)域，用表示被劃分的任意一個(gè)子區(qū)域，則整個(gè)搜索區(qū)域可以表示為：，n ：搜索區(qū)域劃分成的子區(qū)域個(gè)數(shù)。

步驟三：安排每個(gè)子區(qū)域的搜索順序：

通過區(qū)域效用函數(shù)的大小確定每個(gè)子區(qū)域的搜索順序，使目標(biāo)信號(hào)濃度強(qiáng)的子區(qū)域優(yōu)先被搜索, 區(qū)域效用函數(shù)如下：

、：公式中的系數(shù)，0、1 ，根據(jù)搜索環(huán)境和柵格個(gè)數(shù)而取值，

：搜索區(qū)域劃分成子區(qū)域后，的值就固定了；

其中，T 函數(shù)表示子區(qū)域的目標(biāo)效用函數(shù)值，為機(jī)器人在子區(qū)域a內(nèi)檢測到子區(qū)域b 內(nèi)目標(biāo)信號(hào)的強(qiáng)度，為當(dāng)前子區(qū)域a與子區(qū)域子b 之間的距離，其中；

機(jī)器人按照這個(gè)函數(shù)測得的目標(biāo)效用函數(shù)值，確定各個(gè)子區(qū)域的搜索順序。這樣做可以使目標(biāo)信號(hào)濃度強(qiáng)、距離近的子區(qū)域優(yōu)先被搜索，從而可以減少目標(biāo)在子區(qū)域內(nèi)的停留時(shí)間。

步驟四：混合搜索算法進(jìn)行搜索：完成以上工作后，混合搜索算法開始搜索：

1）利用隨機(jī)搜索算法進(jìn)行全局搜索；

2）當(dāng)目標(biāo)探測器發(fā)現(xiàn)目標(biāo)的存在之后，隨機(jī)搜索算法轉(zhuǎn)變?yōu)閯?dòng)態(tài)粒子群搜索算法進(jìn)行搜索，通過粒子之間的合作，不斷調(diào)整粒子的位置，確定目標(biāo)位置；在這里動(dòng)態(tài)粒子群搜索算法有一定時(shí)間限制，如果在這個(gè)時(shí)間范圍內(nèi)，則一直進(jìn)行目標(biāo)位置的確定，確定目標(biāo)位置后，判斷是否完成整個(gè)區(qū)域的搜索，如果完成，則結(jié)束當(dāng)前區(qū)域的搜索，如果沒有結(jié)束，則轉(zhuǎn)入隨機(jī)搜索算法，繼續(xù)進(jìn)行當(dāng)前區(qū)域的搜索；如果超過了這個(gè)時(shí)間限制，但是還是沒有確定目標(biāo)位置，為了不影響整體搜索的效率，動(dòng)態(tài)粒子群算法轉(zhuǎn)為隨機(jī)搜索算法，重新進(jìn)行搜索；

3）如果隨機(jī)搜索算法沒有發(fā)現(xiàn)目標(biāo)，一直使用隨機(jī)搜索算法進(jìn)行搜索，直到整個(gè)搜索區(qū)域搜索完成或者搜索時(shí)間超時(shí)，結(jié)束當(dāng)前搜索。

本發(fā)明步驟一的環(huán)境空間就是搜索區(qū)域；具體步驟如下：

(1)將環(huán)境空間劃分為 個(gè)獨(dú)立的柵格空間，其中，，如果不能整除，則全部都向上取整；

：利用機(jī)器人的搜索半徑r來決定劃分柵格的大小和柵格的數(shù)量，設(shè)機(jī)器人的搜索半徑r與柵格的邊長相等，所以，，搜索區(qū)域就分為個(gè)柵格；

向上取整：因?yàn)?，，且?guī)定m,n為整數(shù)，所以當(dāng)，的結(jié)果不為整數(shù)時(shí)，要求向上取整，也就是無論小數(shù)為多少，結(jié)果都為整數(shù)上加1；

(2)給劃分的每個(gè)柵格進(jìn)行賦值，每個(gè)柵格都記為0；

給劃分的每個(gè)柵格進(jìn)行賦值：這里的柵格指的就是劃分成的m*n個(gè)柵格，賦的值是任意的，初始都設(shè)為0，搜索過的設(shè)為1；

(3)將劃分后的柵格按照順序進(jìn)行編號(hào)，編號(hào)記為c，編號(hào)轉(zhuǎn)換公式如下所示：

將劃分后的柵格按照一定順序進(jìn)行編號(hào)：這里的一定順序指的是按從左到右，從下到上的順序，從柵格陣左下角第一個(gè)柵格開始進(jìn)行編號(hào)（從0開始），編號(hào)c與柵格一一對應(yīng)，

；；：這三個(gè)公式就是由一個(gè)公式而得到，和就是公式的中間變量，x和y為搜索區(qū)域中任一點(diǎn)的橫坐標(biāo)和縱坐標(biāo)（以柵格陣左下角為坐標(biāo)原點(diǎn)，水平向右為X 軸正方向，豎直向上為Y 軸正方向，每一柵格區(qū)間對應(yīng)坐標(biāo)軸上的一個(gè)單位長度，即搜索區(qū)域內(nèi)的任一點(diǎn)均可用直角坐標(biāo)(x, y)唯一標(biāo)識(shí)）；

當(dāng)柵格被搜索后，其相應(yīng)的值變?yōu)?，表示信息如下：

柵格被搜索前，將柵格賦值設(shè)為0表示，被搜索后，將格柵賦值設(shè)為1來表示；

其中代表一個(gè)區(qū)域內(nèi)處于柵格(k,t)的值，k、t代表該區(qū)域內(nèi)柵格所在的橫坐標(biāo)和縱坐標(biāo)。

本發(fā)明公式中是一個(gè)隨機(jī)的值，為了使實(shí)驗(yàn)具有普遍性和代表性，分別取不同大小的值來進(jìn)行試驗(yàn)，在場景確定后， 是一個(gè)固定的值。

本發(fā)明采用隨機(jī)搜索算法階段，粒子分別被釋放在搜索環(huán)境中的某一起點(diǎn)，采取隨機(jī)行走方式進(jìn)行搜索，粒子以一定的速度行走，其與x/y 軸的方向是隨機(jī)的；具體行走方式如下：

其中表示粒子的行走速度，表示速度與x軸的夾角，一般在沒有障礙物的時(shí)候，取值是一個(gè)隨機(jī)的小角度值，表示時(shí)間間隔，人為設(shè)置的a為常量；將=1 代入上面公式得到：

。

本發(fā)明動(dòng)態(tài)粒子群算法，不僅可以確定目標(biāo)的位置，同時(shí)其種群的大小可以隨時(shí)更改，避免像粒子群算法那樣出現(xiàn)“早熟”現(xiàn)象，也可以加快搜索的進(jìn)程。速度及位置更新方式如下：

在這里=1 直接省略了，其中是粒子本身在搜索過程中在x 軸的最好位置，是粒子本身在搜索過程中在y 軸的最好位置，是在通信范圍內(nèi)所有粒子中在x 軸的最好位置，是在通信范圍內(nèi)所有粒子中在y 軸的最好位置，w，c1，c2 為權(quán)值，0<w<2，0<c1/c2<2。在這里取值不固定，根據(jù)具體情況確定。

本發(fā)明在整個(gè)搜索的過程中，機(jī)器人自身有三種搜索行為：隨機(jī)搜索行為、組織搜索行為、協(xié)作搜索行為；在整個(gè)子區(qū)域的搜索過程中，機(jī)器人的這三種行為不斷進(jìn)行轉(zhuǎn)換。在剛進(jìn)入搜索區(qū)域時(shí)，所有機(jī)器人都是隨機(jī)搜索者，一旦有機(jī)器人發(fā)現(xiàn)目標(biāo)，這個(gè)發(fā)現(xiàn)目標(biāo)的機(jī)器人就從隨機(jī)搜索者轉(zhuǎn)換為組織者，然后通知其通信范圍內(nèi)的機(jī)器人一起進(jìn)行搜索，接收到組織者信息的隨機(jī)搜索者轉(zhuǎn)變?yōu)閰f(xié)作者，幫助組織者確定目標(biāo)位置，在搜索過程中，如果任意協(xié)作者的目標(biāo)信號(hào)濃度大于當(dāng)前組織者，則該協(xié)作者變成組織者，而之前的組織者變成協(xié)作者。當(dāng)組織者和協(xié)作者確定目標(biāo)后，他們再次變?yōu)殡S機(jī)搜索者，進(jìn)行子區(qū)域內(nèi)未完成搜索部分的搜索。

仿真結(jié)果如圖5所示，其中圖(a)為各個(gè)粒子的初始狀態(tài)，圓形的點(diǎn)為搜索的粒子，星形的點(diǎn)為目標(biāo)點(diǎn)，利用提出的混合算法對每個(gè)目標(biāo)點(diǎn)進(jìn)行搜索，從圖(b)中可以看到，在每個(gè)目標(biāo)點(diǎn)附近均有若干個(gè)粒子出現(xiàn)過，即每個(gè)目標(biāo)均被若干個(gè)粒子發(fā)現(xiàn)。