基于并行蚁群算法的多机器人协作研究

《基于并行蚁群算法的多机器人协作研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要多机器人协作问题是当前机器人技术领域的研究热点和难点。随着分布式人工智能的理论和应用的发展，多智能体系统理论以其突出的灵活性和适用性，被应用于多机器人协调系统领域，并成为机器人学中一个新的研究热点。但多智能体协作技术还不成熟，在协作机制方面，如协作时机、协作过程、协作机理、协作协议等方面的研究还远远不够。需要进一步深入研究多智能体协作模型和协作方法。多机器人系统的联盟组成是多机器人系统协作的重要协作方法，近年来，联盟机制已成为MAS研究的一个重要方面，得到了越来越多的重视。在MAS中，Agent之间组成联盟不

2、仅可以求解那些单个Agent不能完成的任务，而且可以调整目标、消解冲突、共享资源，共同构造优化求解方案，从而使得整个MAS系统能够以最优的配置、最高的效率来求解既定任务，并获得最大利益。Agent联盟生成问题就是面向任务，寻找最优的联盟组合，使联盟值尽可能大。在MAS中，各Agent之间都存在彼此合作形成联盟的可能，为了得到一个满意的结果必须考虑所有或大部分的联盟组合可能，因而联盟生成问题是一个复杂的组合优化问题。蚁群算法是一种新型的智能优化算法，该算法已在求解组合优化问题取得了很好的效果，显示出求解复杂优化问题

3、方面的优势。蚂蚁算法具有潜在的并行性，体现了蚂蚁系统智能个体的自组织性。本文利用蚁群算法的并行工作策略和自组织原理，结合多机器人的协作机制提出了多机器人动态优化联盟组成算法。这种方法目的是避免系统的死锁问题和资源浪费，提高系统的工作效率，减少联盟组成的计算量和通讯量。通过仿真分析，验证了该方法的可行性和有效性。关键词：多机器人协作群体智能多机器人联盟并行蚁群算法东北电力大学硕士学位论文AbstractMulti-robotcooperationandcoordinationisofgreatacademicand

4、appliedsignificance．WiththedevelopmentofDislributedArtificialIntelligencetheoriesandapplications，Multi-agentsystemtheoryhasbeenusedintheareaofmulti-robotsystemcooperationandcoordinationforitsflexibilityandapplicability,andthishasbecometherobotsresearchfocus．W

5、hileMulti-agentcooperationandcoordinationtechnologyisnotmature．andtheresearchworkisnotenoughf缸awayintheaspectsofmechanism，suchasthetime，thecourse，themechanismandtheagreementofcooperationandcoordination．Soweneedtothoroughlystudyaboutmulti-agentcooperationandco

6、ordinationformersandmethods．Multi-robotsystemcoalitioncomposingisthe、importanceway．Inrecentyearscoalitionmechanismhasbeentheimportantaspect，anditisinterestedinmoreandmore．InMASthatagentscomposecoalitionnotonlyCansolvetheworksthatthesin班erobotCannotfinishbutal

7、soCanadjustthegoals，resolvetheconflict,sharetheI它sou“；esandconstructoptimizingmeanstogether．SoalltheMASsystemcansolvesometaskandgetthemostprofitintheoptimaldeployingandthetiptopefficiency．Agentcoalitioncomposingistocomposeintheoptimalcombinationandgettingthem

8、ostprofittargetingtothework．ForeveryAgentcancoordinatewithotheBpossiblyinMAS，wemusttakeintoaccountmostcoalitioncombinationinordertogetthesatisfactoryresult．WeCanfmdthatmulti-agentcoalitio