專利名稱:基于分簇的多機器人任務(wù)分配方法
技術(shù)領(lǐng)域:
本發(fā)明涉及的是一種多機器人協(xié)作控制技術(shù)。
背景技術(shù):
利用多機器人系統(tǒng)協(xié)作探索未知環(huán)境與單機器人相比具有很多優(yōu)點首先,多個 機器人的傳感器視野更加寬闊,信息冗余有利于提高機器人的定位精度和地圖創(chuàng)建的質(zhì) 量;其次,多機器人系統(tǒng)的容錯性可以防止由于單個機器人失效引起的任務(wù)失敗;再次,多 機器人系統(tǒng)的并行處理能力可以在更短的時間內(nèi)完成特定的任務(wù)。最后,多個簡單異構(gòu)機 器人之間的功能互補可以實現(xiàn)單個復(fù)雜機器人無法實現(xiàn)的功能。經(jīng)驗表明在復(fù)雜環(huán)境中,所有機器人探索同一處環(huán)境并不一定能夠快速實現(xiàn)探索 任務(wù)。在不同的環(huán)境狀態(tài)下,機器人如果能夠根據(jù)環(huán)境的狀態(tài)合理地、動態(tài)地產(chǎn)生不同的協(xié) 作模式,能夠大大增加機器人協(xié)作效率??梢哉f,多機器人協(xié)作探索中的自適應(yīng)任務(wù)分配不 僅能夠增加系統(tǒng)的靈活性和適應(yīng)性,還能夠大大減少機器人因不合理協(xié)作模式下產(chǎn)生的資 源浪費,具有一定的研究意義。任務(wù)分配體現(xiàn)了多機器人系統(tǒng)高層的組織形式和運行機制,是系統(tǒng)實現(xiàn)未知環(huán)境 探索任務(wù)的基礎(chǔ)。分配機制合理與否直接關(guān)系到多機器人系統(tǒng)中各成員能否最大限度發(fā)揮 自身潛力,直接影響系統(tǒng)任物完成的效率。所以在現(xiàn)有機制基礎(chǔ)上,通過協(xié)調(diào)合作完成預(yù)定 任務(wù)已經(jīng)成為該領(lǐng)域的研究熱點。早期的多機器人任務(wù)分配方法多為集中式控制。多機器人系統(tǒng)存在集中分配者 (主機器人或管理機器人),負責規(guī)劃、決策和任務(wù)分配。任務(wù)分配時,機器人通過查詢一 張關(guān)于所有機器人信息的表格來直接指定或是協(xié)商完成任務(wù)的分配。其優(yōu)點明顯協(xié)調(diào)簡 單、通訊開銷少,可獲得全局最優(yōu)解,對于規(guī)模較小的系統(tǒng)而言,其任務(wù)的優(yōu)化分配易于實 現(xiàn)。但隨著機器人數(shù)量的增加,系統(tǒng)性能將顯著降低,且系統(tǒng)的實時性、容錯性較差,不適于 動態(tài)的任務(wù)分配。隨著分布式人工智能的快速發(fā)展,適用于動態(tài)、開放的任務(wù)環(huán)境的分布式任務(wù)分 配方法以其反應(yīng)速度快、靈活性高、適應(yīng)性強等特點,受到人們的廣泛關(guān)注。由于多機器人 系統(tǒng)中沒有中央節(jié)點,不依賴于全局知識機器人,機器人個體高度自治,因此系統(tǒng)有很強的 冗余性,即使有個別機器人失效也不會影響系統(tǒng)整體的效能。機器人個體通過局部信息規(guī) 劃其行為,并通過協(xié)商合作完成任務(wù),對于規(guī)模較大的系統(tǒng),也可以通過優(yōu)化任務(wù)分配的方 式實現(xiàn)任務(wù)的實時處理。分布算法對動態(tài)環(huán)境的反應(yīng)速度快,魯棒性強。但由于缺乏全局 核心的控制,所以全局協(xié)調(diào)性差,通訊開銷巨大。雖然這種結(jié)構(gòu)增加了系統(tǒng)的復(fù)雜性,難以 得到全局最優(yōu)的方案,但分布式的任務(wù)分配方法以其突出的柔性、高效性和魯棒性仍不失 是一種行之有效的任務(wù)分配方式。其典型的代表有合同網(wǎng)分配和熟人網(wǎng)分配。在目前國內(nèi)外大多數(shù)與本發(fā)明先關(guān)的專利文件中,關(guān)于生物協(xié)作行為啟發(fā)多機器 人任務(wù)分配方法很少報道,僅有的報道都是采用群體優(yōu)化策略來實現(xiàn)分配的最優(yōu)化,并沒 有考慮個體交互的局部性。而其他的任務(wù)分配方法多數(shù)采用協(xié)商式,具有復(fù)雜的設(shè)計模式,系統(tǒng)靈活性、實時性較差。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種能大大減少機器人的相互依賴性,增加了系統(tǒng)的靈活 性、適應(yīng)性和魯棒性的基于分簇的多機器人任務(wù)分配方法。本發(fā)明的目的是這樣實現(xiàn)的本發(fā)明的基于分簇的多機器人任務(wù)分配方法包括分簇結(jié)構(gòu)的生成方法和簇間機 器人的動態(tài)任務(wù)分配方法;當發(fā)現(xiàn)任務(wù)信息時,為了便于機器人的協(xié)作,通過簇結(jié)構(gòu)的生成 方法建立適合當前任務(wù)的機器人分簇結(jié)構(gòu);當任務(wù)發(fā)生改變時,通過不同子簇間機器人的 動態(tài)任務(wù)分配,實現(xiàn)各子任務(wù)中機器人數(shù)量的動態(tài)均衡,提高協(xié)作任務(wù)的有效性。其實現(xiàn)步 驟如下(1)任務(wù)開始,系統(tǒng)中的每個機器人查找是否存在簇結(jié)構(gòu)。為此,需要給出簇結(jié)構(gòu) 的相關(guān)定義。當多個機器人之間產(chǎn)生能夠信息共享和交流的通信網(wǎng)絡(luò),并具有同一個任務(wù) 目標時,稱這些機器人為一“簇”。在一簇機器人中,具有決策能力的機器人稱為“簇頭”。通 常簇頭具有最高決策權(quán),新機器人的加入或者機器人的“離開”都需要簇頭來決策。單獨節(jié) 點自身為簇頭。通常簇頭是由具有全局信息最多的機器人承擔。當系統(tǒng)中存在簇結(jié)構(gòu),則 轉(zhuǎn)到(3),否則轉(zhuǎn)到(2)。(2)基于樹型拓撲的分簇結(jié)構(gòu)生成算法生成新簇。當獨立機器人遇到其他機器人后,判斷機器人之間能否能夠協(xié)作。當兩個機器人 具有協(xié)作條件時,在某個簇內(nèi)的機器人會向簇頭發(fā)出請求,簇頭根據(jù)任務(wù)的難度和當前簇 內(nèi)節(jié)點數(shù)量來判斷是否需要該機器人加入簇中。如果允許新的機器人加入簇中,則按照簇 結(jié)構(gòu)創(chuàng)建和管理規(guī)則生成新簇結(jié)構(gòu)。為此,需要設(shè)計協(xié)作機器人簇的創(chuàng)建和簇內(nèi)信息管理規(guī)則。根據(jù)初始簇內(nèi)機器人 的連接狀態(tài),確定簇頭后,按照生成樹算法,以簇頭為根節(jié)點,將原始的圖結(jié)構(gòu)轉(zhuǎn)化為樹形 結(jié)構(gòu)。為了有效地產(chǎn)生簇內(nèi)樹型結(jié)構(gòu),簇內(nèi)機器人應(yīng)當按照約束條件或編隊控制規(guī)則保持 一定的相對距離。在簇內(nèi)樹型結(jié)構(gòu)中,父親節(jié)點主要負責信息的交流、融合和管理子節(jié)點的 功能。另外,為父節(jié)點定義最大連接數(shù),當父節(jié)點連接數(shù)超過該最大值時,樹型結(jié)構(gòu)繼續(xù)生 長。本發(fā)明定義該最大連接數(shù)為2,即每個節(jié)點最多允許有2個子節(jié)點。新的簇產(chǎn)生后,則轉(zhuǎn)入(5)。(3)判斷任務(wù)是否更新,并需要更新新的簇型結(jié)構(gòu)。如果沒有需要更新的簇結(jié)構(gòu), 則轉(zhuǎn)到(5),否則轉(zhuǎn)到(4)。(4)根據(jù)任務(wù)的變化,采用簇間任務(wù)分配策略更新簇結(jié)構(gòu)。①首先,確立分簇協(xié)作探索中機器人的職能安排。在本發(fā)明中,定義所有的機器人 共有兩類職能主動探索職能機器人(以下簡稱主動機器人)和被動引導(dǎo)職能機器人(以 下簡稱被動機器人)。定義執(zhí)行主動探索職能的機器人構(gòu)成主動機器人簇,同樣也有被動 機器人簇。主動機器人簇主要執(zhí)行探索功能,根據(jù)被動機器人組成的網(wǎng)絡(luò)選擇全局環(huán)境中 的目標區(qū)域,以便進行全局搜索任務(wù)。而被動機器人按照分離漫游規(guī)則散落到環(huán)境各處,并 判斷環(huán)境的復(fù)雜性。在被動機器人漫游的過程中,機器人之間仍然保持局部的相互連接關(guān) 系。當被動機器人分散到一定程度后,開始判斷局部環(huán)境的復(fù)雜性,并在簇網(wǎng)絡(luò)中傳遞該信息。在完成當前局部搜索任務(wù)后,此時該簇機器人轉(zhuǎn)化為被動機器人簇,對環(huán)境中新的任務(wù) 進行評價。而被動機器則轉(zhuǎn)化為主動機器人,更新環(huán)境地圖并探索新的環(huán)境。如此往復(fù),通 過各個主動機器人簇和被動機器人簇之間的專職轉(zhuǎn)化使得機器人實現(xiàn)任務(wù)分配下的多機 器人協(xié)作探索。②其次,明確基于分簇方法的多機器人通信內(nèi)容。為了配合簇間機器人的任務(wù)分 配,機器人之間需要通信如下信息A.機器人當前的位置信息,用于簇內(nèi)機器人結(jié)構(gòu)的形 成和機器人協(xié)作。B.機器人的局部信息,由主動機器人傳遞,用于不同簇機器人的協(xié)作。 C.請求加入簇信息。當獨立機器人遇到機器人簇后,會向簇節(jié)點發(fā)出請求,用于簇的動態(tài) 生成。D.機器人節(jié)點編號,為了減少機器人通信的盲目性。E.針對不同任務(wù)區(qū)域的指向信 息。在指向信息的引導(dǎo)下,機器人可以有效地從當前任務(wù)區(qū)域移動到其他的位置區(qū)域。指 向信息為當前機器人所在位置的任務(wù)難度梯度向量。不同目標的該信息可以被同時傳播, 形成多重信息素。F.任務(wù)難度信息。表示需要協(xié)作探索的緊迫程度和復(fù)雜程度,該信息是 被動機器人在移動過程中計算的平均環(huán)境復(fù)雜程度。用于簇間任務(wù)分配。G.跳數(shù),用于主 動機器人結(jié)構(gòu)的動態(tài)更新。③最后,確立多機器人分簇下的局部交互機制。不同類型機器人分別具有不同行 為主動機器人簇在移動的過程中,根據(jù)簇內(nèi)機器人數(shù)量的大小和任務(wù)難度信息,按照一 定的概率選擇相應(yīng)的任務(wù)區(qū)域。當被動機器人簇形成后,會形成一條單線路結(jié)構(gòu),并朝向簇 內(nèi)節(jié)點共同的未知區(qū)域移動。當有一個機器人到達未知區(qū)域后,對區(qū)域的復(fù)雜程度和大小 進行判定,此時該機器人成為簇頭,并像簇內(nèi)其他機器人發(fā)出該區(qū)域的任務(wù)難度,最終該簇 機器人群體產(chǎn)生一條到達該區(qū)域的長鏈路,并提供到達該任務(wù)區(qū)域的引導(dǎo)路線。被動簇頭機器人發(fā)出自己所在區(qū)域相應(yīng)的任務(wù)難度信息后傳遞給簇內(nèi)其他節(jié)點。 隨后,該信息在簇內(nèi)網(wǎng)絡(luò)中傳遞開來。該信息可以使每個被動機器人都能及時融入到當前 任務(wù)難度最大的未知區(qū)域網(wǎng)絡(luò)中。被動機器人在傳遞該信息的過程中,會將其到達簇頭的 跳數(shù)信息加入到廣播通信的內(nèi)容中去。當一個主動機器人簇接收到擁有兩個任務(wù)信息時, 它就會根據(jù)二者的信息進行比較并選擇較優(yōu)的目標區(qū)域,即朝著較優(yōu)簇頭所在的位置移 動。在這個信息交互和融合過程中,被動機器人簇充當了到達目標區(qū)域吸引信息素的作用。 被動機器人數(shù)量的增加,其所在的簇能夠引導(dǎo)的范圍越廣泛,意味著該被動機器人簇能夠 吸引更多的主動機器人來該區(qū)域探索。當主動機器人到達探索區(qū)域后,任務(wù)難度根據(jù)當前 主動機器人數(shù)量進行削減。若當前區(qū)域任務(wù)未完成,則被動機器人簇仍然可以保留,吸引獨 立的主動機器人到達區(qū)域,進行協(xié)作。當簇結(jié)構(gòu)得到更新后,轉(zhuǎn)到(5)。(5)判斷任務(wù)是否結(jié)束,如果任務(wù)沒有結(jié)束,則轉(zhuǎn)到(1),否則結(jié)束任務(wù)。通過以上步驟可完成最終的多機器人協(xié)作下的任務(wù)分配。本發(fā)明所涉及的基于分簇的任務(wù)分配方法,不同于已有技術(shù)中的協(xié)商式或集中式 任務(wù)分配方法,本質(zhì)上是基于自組織原理的分布式任務(wù)分配方法。因此具有上述算法無法 比擬的優(yōu)點一是多機器人人之間的信息交互是局部的,增加了系統(tǒng)的靈活性。二是借鑒群 居生物的交互模式,使得系統(tǒng)具有更高的魯棒性。三是方法考慮了機器人任務(wù)難度的動態(tài) 變化,設(shè)計機器人協(xié)作的動態(tài)任務(wù)分配,提高機器人協(xié)作的效率。本發(fā)明的優(yōu)點是
(1).采用基于局部的信息交互機制,使得機器人在協(xié)作的過程中具有更好的靈活 性。(2).借鑒了群居生物的交互模式,使得單個機器人的設(shè)計簡單化,可提高系統(tǒng)的
魯棒性。(3).采用了基于分簇的動態(tài)任務(wù)分配方法,提高了機器人的任務(wù)分配適應(yīng)環(huán)境變 化的性能,使得分配結(jié)果能夠靈活地適應(yīng)環(huán)境變化。
圖1是本發(fā)明的方法流程;
圖2是本發(fā)明實施環(huán)境圖;圖3是簇更新規(guī)則中各個行為的有限狀態(tài)機;圖4是生物協(xié)同啟發(fā)下的簇間任務(wù)分配方法。
具體實施例方式下面結(jié)合附圖舉例對本發(fā)明做更詳細地描述為驗證方法有效性,以及從不同角度分析機器人協(xié)作探索的性能,使用分簇任務(wù) 分配方法實現(xiàn)多機器人在未知環(huán)境下的協(xié)作探索。實驗環(huán)境大小為9mX 18m的室內(nèi)復(fù)雜環(huán) 境,選取柵格數(shù)量為100X200,如圖2所示。圖中有不同復(fù)雜程度的局部區(qū)域,主要依賴環(huán) 境中的局部障礙物密度。為了能夠較為完全地探索環(huán)境,機器人探索環(huán)境的路線仍然采用 除草機路線。假設(shè)機器人聲納傳感器感知誤差和里程計誤差為0,環(huán)境建模方法采用簡單 的貝葉斯規(guī)則來更新環(huán)境地圖。由于分簇方式采用的是局部交互下的多機器人自組織任務(wù) 分配策略,這里規(guī)定機器人之間的有效通信范圍為3m,限制了機器人之間的信息交互能力。 每個機器人具有自己的局部地圖信息,當有機器人到達附近時,可以通過機器人之間的直 接通信獲得相應(yīng)的地圖信息,并做出拼接,具體實施方案如下。(1)基于樹型拓撲的分簇結(jié)構(gòu)生成方法①動態(tài)簇結(jié)構(gòu)形成的條件。當一組機器人形成一簇后,首先需要確定簇頭,以便信 息的傳播和管理。在一個存在M個機器人的簇里,這里產(chǎn)生簇頭的產(chǎn)生來自三個標準(1) 與目標區(qū)域的距離Cli ;與目標區(qū)域越近的機器人可以更好地引導(dǎo)其他機器人的運動實現(xiàn)合 適的協(xié)作方案。(2)感知視野的區(qū)域視角比率Cti ;視角比率越大,說明機器人的視野寬闊, 行為受環(huán)境的影響較小,更容易指導(dǎo)其他機器人行為的穩(wěn)定。(3)最大通信跳數(shù)Ni,其中0 < i < M為機器人編號;最大通信跳數(shù)越小的機器人發(fā)出的信息可經(jīng)過較少的轉(zhuǎn)發(fā)次數(shù)就 覆蓋整個網(wǎng)絡(luò),更容易使得其他機器人響應(yīng)及時,節(jié)省大量任務(wù)時間。機器人與目標區(qū)域的 距離可以根據(jù)目標點選擇方法確定的目標點進行計算。在180°的視角內(nèi)記錄范圍內(nèi)小于 機器人感知距離返回值的數(shù)量K,那么機器人的區(qū)域視角比率可以用下述公式計算
κ
權(quán)利要求
一種基于分簇的多機器人任務(wù)分配方法,其特征是(1)任務(wù)開始,每個機器人查找是否存在簇結(jié)構(gòu),當系統(tǒng)中存在簇結(jié)構(gòu),則轉(zhuǎn)到(3),否則轉(zhuǎn)到(2);(2)基于樹型拓撲的分簇結(jié)構(gòu)生成算法生成新簇,當獨立機器人遇到其他機器人后,判斷機器人之間能否能夠協(xié)作,當兩個機器人具有協(xié)作條件時,在某個簇內(nèi)的機器人會向簇頭發(fā)出請求,簇頭根據(jù)任務(wù)的難度和當前簇內(nèi)節(jié)點數(shù)量來判斷是否需要該機器人加入簇中,如果允許新的機器人加入簇中,則按照簇結(jié)構(gòu)創(chuàng)建和管理規(guī)則生成新簇結(jié)構(gòu),新的簇產(chǎn)生后,則轉(zhuǎn)入(5);(3)判斷任務(wù)是否更新,并需要更新新的簇型結(jié)構(gòu),如果沒有需要更新的簇結(jié)構(gòu),則轉(zhuǎn)到(5),否則轉(zhuǎn)到(4);(4)根據(jù)任務(wù)的變化,采用簇間任務(wù)分配策略更新簇結(jié)構(gòu),當簇結(jié)構(gòu)得到更新后,轉(zhuǎn)到(5);(5)判斷任務(wù)是否結(jié)束,如果任務(wù)沒有結(jié)束,則轉(zhuǎn)到(1),否則結(jié)束任務(wù)。
2.根據(jù)權(quán)利要求1所述的基于分簇的多機器人任務(wù)分配方法,其特征是所述簇結(jié)構(gòu) 是指當多個機器人之間產(chǎn)生能夠信息共享和交流的通信網(wǎng)絡(luò),并具有同一個任務(wù)目標時, 稱這些機器人為一“簇”,在一簇機器人中,具有決策能力的機器人稱為“簇頭”,簇頭具有最 高決策權(quán),新機器人的加入或者機器人的“離開”都需要簇頭來決策,單獨節(jié)點自身為簇頭, 簇頭是由具有全局信息最多的機器人承擔。
3.根據(jù)權(quán)利要求2所述的基于分簇的多機器人任務(wù)分配方法,其特征是基于樹型拓撲 的分簇結(jié)構(gòu)生成算法生成新簇中協(xié)作機器人簇的創(chuàng)建和簇內(nèi)信息管理規(guī)則為根據(jù)初始簇 內(nèi)機器人的連接狀態(tài),確定簇頭后,按照生成樹算法,以簇頭為根節(jié)點,將原始的圖結(jié)構(gòu)轉(zhuǎn) 化為樹形結(jié)構(gòu),簇內(nèi)機器人按照約束條件或編隊控制規(guī)則保持一定的相對距離,在簇內(nèi)樹 型結(jié)構(gòu)中,父親節(jié)點主要負責信息的交流、融合和管理子節(jié)點的功能,另外,為父節(jié)點定義 最大連接數(shù),當父節(jié)點連接數(shù)超過該最大值時,樹型結(jié)構(gòu)繼續(xù)生長,其中定義該最大連接數(shù) 為2,即每個節(jié)點最多允許有2個子節(jié)點。
4.根據(jù)權(quán)利要求3所述的基于分簇的多機器人任務(wù)分配方法,其特征是根據(jù)任務(wù)的變 化,采用簇間任務(wù)分配策略更新簇結(jié)構(gòu)的方法為①首先,確立分簇協(xié)作探索中機器人的職能安排,所有的機器人共有兩類職能,即執(zhí)行 主動探索職能的主動機器人和執(zhí)行被動引導(dǎo)職能機器人的被動機器人,執(zhí)行主動探索職能 的機器人構(gòu)成主動機器人簇,同樣也有被動機器人簇,主動機器人簇主要執(zhí)行探索功能,根 據(jù)被動機器人組成的網(wǎng)絡(luò)選擇全局環(huán)境中的目標區(qū)域,以便進行全局搜索任務(wù),而被動機 器人按照分離漫游規(guī)則散落到環(huán)境各處,并判斷環(huán)境的復(fù)雜性,在被動機器人漫游的過程 中,機器人之間仍然保持局部的相互連接關(guān)系,當被動機器人分散到一定程度后,開始判斷 局部環(huán)境的復(fù)雜性,并在簇網(wǎng)絡(luò)中傳遞該信息,在完成當前局部搜索任務(wù)后,此時該簇機器 人轉(zhuǎn)化為被動機器人簇,對環(huán)境中新的任務(wù)進行評價,而被動機器則轉(zhuǎn)化為主動機器人,更 新環(huán)境地圖并探索新的環(huán)境,如此往復(fù),通過各個主動機器人簇和被動機器人簇之間的專 職轉(zhuǎn)化使得機器人實現(xiàn)任務(wù)分配下的多機器人協(xié)作探索;②其次,明確基于分簇方法的多機器人通信內(nèi)容,機器人之間需要通信如下信息 A.機器人當前的位置信息,用于簇內(nèi)機器人結(jié)構(gòu)的形成和機器人協(xié)作,B.機器人的局部信息,由主動機器人傳遞,用于不同簇機器人的協(xié)作,C.請求加入簇信息,當獨立機器人遇到 機器人簇后,會向簇節(jié)點發(fā)出請求,用于簇的動態(tài)生成,D.機器人節(jié)點編號,為了減少機器 人通信的盲目性,E.針對不同任務(wù)區(qū)域的指向信息,在指向信息的引導(dǎo)下,機器人有效地從 當前任務(wù)區(qū)域移動到其他的位置區(qū)域,指向信息為當前機器人所在位置的任務(wù)難度梯度向 量,不同目標的信息被同時傳播,形成多重信息素,F(xiàn).任務(wù)難度信息,表示需要協(xié)作探索的 緊迫程度和復(fù)雜程度,該信息是被動機器人在移動過程中計算的平均環(huán)境復(fù)雜程度,用于 簇間任務(wù)分配,G.跳數(shù),用于主動機器人結(jié)構(gòu)的動態(tài)更新;③最后,確立多機器人分簇下的局部交互機制,不同類型機器人分別具有不同行為主 動機器人簇在移動的過程中,根據(jù)簇內(nèi)機器人數(shù)量的大小和任務(wù)難度信息,按照一定的概 率選擇相應(yīng)的任務(wù)區(qū)域,當被動機器人簇形成后,形成一條單線路結(jié)構(gòu),并朝向簇內(nèi)節(jié)點共 同的未知區(qū)域移動,當有一個機器人到達未知區(qū)域后,對區(qū)域的復(fù)雜程度和大小進行判定, 此時該機器人成為簇頭,并像簇內(nèi)其他機器人發(fā)出該區(qū)域的任務(wù)難度,最終該簇機器人群 體產(chǎn)生一條到達該區(qū)域的長鏈路,并提供到達該任務(wù)區(qū)域的引導(dǎo)路線;被動簇頭機器人發(fā)出自己所在區(qū)域相應(yīng)的任務(wù)難度信息后傳遞給簇內(nèi)其他節(jié)點,隨后 該信息在簇內(nèi)網(wǎng)絡(luò)中傳遞開來,該信息使每個被動機器人都能及時融入到當前任務(wù)難度最 大的未知區(qū)域網(wǎng)絡(luò)中,被動機器人在傳遞該信息的過程中,會將其到達簇頭的跳數(shù)信息加 入到廣播通信的內(nèi)容中,當一個主動機器人簇接收到擁有兩個任務(wù)信息時,它就根據(jù)二者 的信息進行比較并選擇較優(yōu)的目標區(qū)域,即朝著較優(yōu)簇頭所在的位置移動,在這個信息交 互和融合過程中,被動機器人簇充當?shù)竭_目標區(qū)域吸引信息素的作用,被動機器人數(shù)量的 增加,其所在的簇能夠引導(dǎo)的范圍越廣泛,意味著該被動機器人簇能夠吸引更多的主動機 器人來該區(qū)域探索,當主動機器人到達探索區(qū)域后,任務(wù)難度根據(jù)當前主動機器人數(shù)量進 行削減,若當前區(qū)域任務(wù)未完成,則被動機器人簇仍然可以保留,吸引獨立的主動機器人到 達區(qū)域,進行協(xié)作。
全文摘要
本發(fā)明提供的是一種基于分簇的多機器人任務(wù)分配方法。(1)任務(wù)開始,每個機器人查找是否存在簇結(jié)構(gòu),當系統(tǒng)中存在簇結(jié)構(gòu),則轉(zhuǎn)到(3),否則轉(zhuǎn)到(2);(2)基于樹型拓撲的分簇結(jié)構(gòu)生成算法生成新簇,新的簇產(chǎn)生后,則轉(zhuǎn)入(5);(3)判斷任務(wù)是否更新,并需要更新新的簇型結(jié)構(gòu),如果沒有需要更新的簇結(jié)構(gòu),則轉(zhuǎn)到(5),否則轉(zhuǎn)到(4);(4)根據(jù)任務(wù)的變化,采用簇間任務(wù)分配策略更新簇結(jié)構(gòu),當簇結(jié)構(gòu)得到更新后,轉(zhuǎn)到(5);(5)判斷任務(wù)是否結(jié)束,如果任務(wù)沒有結(jié)束,則轉(zhuǎn)到(1),否則結(jié)束任務(wù)。本發(fā)明增加了系統(tǒng)的靈活性;借鑒群居生物的交互模式具有更高的魯棒性;設(shè)計機器人協(xié)作的動態(tài)任務(wù)分配,提高機器人協(xié)作的效率。
文檔編號H04W84/00GK101945492SQ20101024768
公開日2011年1月12日 申請日期2010年8月9日 優(yōu)先權(quán)日2010年8月9日
發(fā)明者劉佰龍, 劉冠群, 張子迎, 張汝波, 徐東, 林俊宇 申請人:哈爾濱工程大學(xué)