本發(fā)明涉及網(wǎng)絡(luò)信息處理技術(shù)領(lǐng)域，具體涉及一種多智能體自主協(xié)同任務分配方法。

背景技術(shù)：

隨著電子和信息技術(shù)的發(fā)展，智能體的應用越來越為廣泛，如智慧制造、智慧醫(yī)療、智慧家居服務等。多智能體可以通過網(wǎng)絡(luò)實現(xiàn)彼此之間的復雜性連接，促進彼此之間的信息交換和狀態(tài)識別，構(gòu)成實時動態(tài)的多智能體網(wǎng)絡(luò)以協(xié)同實現(xiàn)特定環(huán)境下的任務目標。

在特定應用環(huán)境中，每個智能體都有不同于其它智能體的特征表象。每個智能體都有其各自的任務目標、資源能力及任務偏好，而為了自我目標的達成，多智能體成員會向組織貢獻不同程度的能力或資源，以滿足特定任務的要求。因此，在多智能體環(huán)境下，機器人需要自主協(xié)調(diào)規(guī)劃不同智能體之間的任務，以期形成多智能體既有資源可滿足的，同時又可使其偏好最大化的共同目標。

由于信息技術(shù)的發(fā)展應用，多智能體環(huán)境下的每個機器人的任務目標、所具有的資源能力及偏好等信息的收集成為可能，其行為也可以通過綜合這些特點而完全得到。不同機器人之間所擁有的更多微觀層面上的動態(tài)交流溝通、信息及資源共享，刻畫了多智能體環(huán)境下的機器人任務自主協(xié)同規(guī)劃與傳統(tǒng)任務規(guī)劃的不同屬性特征。因此，需要不同的規(guī)劃技術(shù)以實現(xiàn)多智能體環(huán)境下任務規(guī)劃的高度智能，滿足不同應用環(huán)境下的智慧要求。

《智能環(huán)境下移動機器人任務規(guī)劃與執(zhí)行系統(tǒng)架構(gòu)設(shè)計》(房芳,馬旭東,錢堃,梁志偉，東南大學學報(自然科學版),2012年,第42卷,增刊(I),182-185)：針對移動機器人傳統(tǒng)的確定型任務規(guī)劃和執(zhí)行問題，依據(jù)智能水平將智能體(agent)劃分為3個不同層次，最高層次的負責總體任務規(guī)劃和分配及對其它智能體(agent)的控制和協(xié)調(diào)，分解后的子任務交由第二層次智能體(agent)分別執(zhí)行，第三層次的交互智能體(interaction agent)表示和機器人有行為交互的服務對象人智能體，并通過與最高層智能體(agent)的交互和協(xié)商解決避免人機/阻塞和不友好問題，在此基礎(chǔ)上構(gòu)建了機器人任務規(guī)劃與執(zhí)行的系統(tǒng)架構(gòu)，包括任務計劃層、任務分配層、人機交互管理層、自主規(guī)劃層和構(gòu)建管理層等。

隨著信息技術(shù)的發(fā)展，機器人的智能性得到了很大提升，多個智能體完全可以脫離人而互相協(xié)作以完成不同任務目標，但現(xiàn)有技術(shù)仍是基于人機聯(lián)合的任務規(guī)劃技術(shù)，且將固定任務目標交由一個中心管理機器人進行任務指派，本質(zhì)上仍是基于單任務目標的機器人任務規(guī)劃技術(shù)，未能考慮多智能體環(huán)境中不同機器人所具有的任務目標、資源能力及其偏好對任務規(guī)劃的影響。

技術(shù)實現(xiàn)要素：

(一)解決的技術(shù)問題

針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種多智能體自主協(xié)同任務分配方法。

(二)技術(shù)方案

為實現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實現(xiàn)：

本發(fā)明提供了一種多智能體自主協(xié)同任務分配方法，所述任務分配方法包括如下步驟：

步驟一、根據(jù)每個智能體對每個任務的感知狀態(tài)，構(gòu)造多智能體的任務感知矩陣，得到多智能體對每個任務的感知信息，進而得到多智能體對每個任務的感知狀態(tài)識別信息；

步驟二、根據(jù)每個智能體實現(xiàn)每個任務所具備的資源，構(gòu)造多智能體實現(xiàn)任務的資源矩陣，得到多智能體實現(xiàn)每個任務的總資源條件，進而得到多智能體實現(xiàn)每個任務的資源條件識別信息；

步驟三、根據(jù)所述感知狀態(tài)識別信息和資源條件識別信息，對每個任務的可行性進行識別，得到可行性任務集合；

步驟四、根據(jù)每個智能體對每個可行性任務的偏好程度，構(gòu)造多智能體的任務偏好矩陣；并結(jié)合每個智能體在多智能體中的重要程度，獲得每個可行性任務的可行性度；

步驟五、按照可行性度從大到小的順序，將可行性度所對應的可行性任務分配給多智能體執(zhí)行，從而實現(xiàn)任務自主協(xié)同分配。

進一步的，步驟一的具體實現(xiàn)過程包括：

步驟11、構(gòu)造多智能體的任務感知矩陣MAO：

其中，mao_ij為第i個智能體對第j個任務的感知狀態(tài)；i＝1，2，...，m；j＝1，2，...，n；m和n分別為智能體和任務的個數(shù)；

步驟13、按照如下公式，得到多智能體對第j個任務的感知信息；

步驟14、按照如下公式，獲得多智能體對第j個任務的感知狀態(tài)識別信息:

其中，ΔMAO_j為多智能體對第j個任務的感知狀態(tài)識別信息；為多智能體對第j個任務的感知判斷標準。

進一步的，當?shù)趇個智能體感知到第j個任務，則mao_ij＝1；否則，mao_ij＝0；的取值為1。

進一步的，步驟二的具體實現(xiàn)過程包括：

步驟21、構(gòu)造多智能體實現(xiàn)任務的資源矩陣MAR：

其中，mar_ij為第i個智能體實現(xiàn)第j個任務所具備的資源；i＝1，2，...，m；j＝1，2，...，n；m和n分別為智能體和任務的個數(shù)；

步驟22、按照如下公式，獲得多智能體實現(xiàn)第j個任務的總資源條件：

步驟23、按照如下公式，獲得多智能體實現(xiàn)第j個任務的資源條件識別信息；

其中，ΔMAR_j為多智能體實現(xiàn)第j個任務的資源條件識別信息；為多智能體實現(xiàn)第j個任務所應具備的最低資源條件。

進一步的，步驟三的具體實現(xiàn)過程包括：

判斷感知狀態(tài)識別信息是否等于0，且資源條件識別信息是否大于等于0，如是，則該感知狀態(tài)識別信息或資源條件識別信息所對應的任務屬于可行性任務集合F，其狀態(tài)向量為S＝[1,0,0,0]；如否，則該感知狀態(tài)識別信息或資源條件識別信息所對應的任務不屬于可行性任務集合。

進一步的，步驟四的具體實現(xiàn)過程包括：

步驟41、構(gòu)造多智能體的任務偏好矩陣MAP：

其中，map_ij'為第i個智能體對第j'個可行性任務的偏好程度；j＝1，2，...，n；n′為可行性任務集合F中可行性任務的個數(shù)；

步驟42、按照如下公式，獲得第i個智能體在多智能體中的重要程度；

其中，和分別為第i個智能體對于可行性任務的信息貢獻度和資源貢獻度；

步驟43、按照如下公式，獲得第j'個可行性任務的可行性度f(j')；

(三)有益效果

本發(fā)明提供了一種多智能體自主協(xié)同任務分配方法。具備一下有益效果：

1、本發(fā)明不考慮人為因素對智能體的任務分配的影響，給出了多智能體環(huán)境下的任務自主協(xié)同分配的普適性方法；

2、本發(fā)明解決了傳統(tǒng)單任務規(guī)劃的局限性，從信息交互及資源共享等群體成員協(xié)同交互的角度，分析了多智能體環(huán)境下機器人的任務特點，并根據(jù)狀態(tài)向量，將任務劃分為可行性任務和不可行性任務，降低了運算量，提高了協(xié)同分配效率，從而給出了多任務分配的一般解決方法。

3、本發(fā)明以任務狀態(tài)識別的方式，實現(xiàn)機器人多任務目標的自主協(xié)同規(guī)劃，并將機器人任務偏好考慮在內(nèi)，確保了滿足多智能體偏好的最佳任務選擇。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明的多智能體自主協(xié)同任務分配流程示意圖；

圖2為本發(fā)明的任務的四種狀態(tài)。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

根據(jù)智能體對任務的感知狀態(tài)及所擁有的資源，給出任務的四種狀態(tài)，如圖2所示：

①可行性狀態(tài):智能體的任務清晰，同時具有足夠的資源實現(xiàn)該任務；

②資源非可行性狀態(tài)：智能體雖然任務清晰，但不具備實現(xiàn)該任務的資源條件；

③感知非可行性狀態(tài)：雖然智能體具備實現(xiàn)某個任務的資源條件，但由于信息的非對稱性，使智能體未能感知到該任務，使該任務處于感知非可行性狀態(tài)；

④完全非可行性狀態(tài)：智能體未能感知到某個任務，同時也不具備實現(xiàn)該任務的資源條件。

基于上述對智能體的任務狀態(tài)分析，進行多智能體的任務協(xié)同分配。本發(fā)明的構(gòu)思如下：

首先根據(jù)智能體對任務的感知狀態(tài)及任務資源的擁有情況，將從任務集合中識別出可行性任務，然后結(jié)合智能體對不同可行性任務的偏好程度，得到各個可行性任務的可行性度；并按照可行性度從大到小的順序，將可行性度所對應的可行性任務分配給多智能體執(zhí)行，從而實現(xiàn)任務自主協(xié)同分配。

基于上述構(gòu)思，本實施例給出了一種多智能體自主協(xié)同任務分配方法，如圖1所示，該任務分配方法包括如下步驟：

步驟一、根據(jù)每個智能體對每個任務的感知狀態(tài)，構(gòu)造多智能體的任務感知矩陣，得到多智能體對每個任務的感知信息，進而得到多智能體對每個任務的感知狀態(tài)識別信息。

本步驟的具體實現(xiàn)過程包括：

步驟11、構(gòu)造多智能體的任務感知矩陣MAO：

其中，mao_ij為第i個智能體對第j個任務的感知狀態(tài)；i＝1，2，...，m；j＝1，2，...，n；m和n分別為智能體和任務的個數(shù)；

步驟13、按照如下公式獲得多智能體第j個任務的感知信息；

步驟14、按照如下公式，獲得多智能體對第j個任務的感知狀態(tài)識別信息:

其中，ΔMAO_j為多智能體對第j個任務的感知狀態(tài)識別信息；為多智能體對第j個任務的感知判斷標準。

本實施例中，當?shù)趇個智能體感知到第j個任務，則mao_ij＝1；否則mao_ij＝1。的取值優(yōu)選為1。

步驟二、根據(jù)每個智能體實現(xiàn)每個任務所具備的資源，構(gòu)造多智能體實現(xiàn)任務的資源矩陣，得到多智能體實現(xiàn)每個任務的總資源條件，進而得到多智能體實現(xiàn)每個任務的資源條件識別信息。

本步驟的具體實現(xiàn)過程包括：

步驟21、構(gòu)造多智能體實現(xiàn)任務的資源矩陣MAR：

其中，mar_ij為第i個智能體實現(xiàn)第j個任務所具備的資源；

步驟22、按照如下公式，獲得多智能體實現(xiàn)第j個任務的總資源條件：

步驟23、按照如下公式，獲得多智能體實現(xiàn)第j個任務的資源條件識別信息；

其中，ΔMAR_j為多智能體實現(xiàn)第j個任務的資源條件識別信息；為多智能體實現(xiàn)第j個任務所應具備的最低資源條件。

步驟三、根據(jù)感知狀態(tài)識別信息和資源條件識別信息，對每個任務的可行性進行識別，得到可行性任務集合。

具體實現(xiàn)過程包括：

判斷感知狀態(tài)識別信息是否等于0，且資源條件識別信息是否大于等于0，如是，則該感知狀態(tài)識別信息或資源條件識別信息所對應的任務屬于可行性任務集合F，其狀態(tài)向量為S＝[1,0,0,0]；如否，則該感知狀態(tài)識別信息或資源條件識別信息所對應的任務不屬于可行性任務集合。

表1任務狀態(tài)識別向量

步驟四、根據(jù)每個智能體對每個可行性任務的偏好程度，構(gòu)造多智能體的任務偏好矩陣；并結(jié)合每個智能體在多智能體中的重要程度，獲得每個可行性任務的可行性度。

本步驟的具體實現(xiàn)過程包括：

步驟41、構(gòu)造多智能體的任務偏好矩陣MAP：

其中，map_ij'為第i個智能體對第j'個可行性任務的偏好程度；j′＝1，2，...，n′；n′為可行性任務集合F中可行性任務的個數(shù)，map_ij'可預先設(shè)定，如將各個智能體對各個任務初始設(shè)定的執(zhí)行編號的倒數(shù)作為各個智能體的執(zhí)行偏好。

步驟42、按照如下公式，獲得第i個智能體在多智能體中的重要程度；

其中，和分別為第i個智能體對于可行性任務的信息貢獻度和資源貢獻度；

步驟43、按照如下公式，獲得第j'個可行性任務的可行性度f(j')；

步驟五、按照可行性度從大到小的順序，將可行性度所對應的可行性任務分配給多智能體執(zhí)行，從而實現(xiàn)任務自主協(xié)同分配。

下面以具體的實施例來進行描述本發(fā)明的技術(shù)方案：

假設(shè)某智慧車間，存在M₁、M₂、M₃、M₄四個智能機器人，現(xiàn)需要完成3個訂單的加工任務，在不影響訂單交付日期的前提下，隨機將其指派給不同的機器人以作為其各自的任務目標。完成每個訂單所需要的工時作為完成不同任務的最低資源條件，表2給出了不同訂單的分配情況及每個智能機器人所具有的工時能力。

表2任務感知及任務資源

針對不同任務，表3給出了不同智能機器人的初始執(zhí)行順序，本實施例將其對應執(zhí)行編號的倒數(shù)作為不同智能機器人的執(zhí)行偏好。

表3任務執(zhí)行順序

運用公式(2)、(4)，可計算得出3個任務所處的狀態(tài)，如表4所示。運用公式(6)、(7)分別計算智能機器人對可行性任務的感知貢獻度和資源貢獻度，據(jù)此可以綜合得到多智能機器人的重要度向量w＝[w₁，w₂，w₃，w₄]＝[0.467，0.599，0.429，0.505]。運用公式(8)計算得出每個任務的最終可行性度，見表4。由表4可知，按照表4中的可行性度從大到小的順序，即訂單2、訂單1和訂單3的順序，作為多智能機器人當下的執(zhí)行任務的順序。

表4任務狀態(tài)向量及可執(zhí)行性

需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領(lǐng)域的普通技術(shù)人員應當理解：其依然可以對前述各實施例所記載的技術(shù)方案進行修改，或者對其中部分技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的精神和范圍。