多移动机器人的协调合作与群智能方法研究

论文摘要

多机器人系统是机器人学发展的一个新方向。一方面，由于某些任务的复杂性，单个机器人会因为自身有限的能力而无法完成全部的工作，在这种情况下，多个机器人可以通过相互之间的协调合作共同完成任务。另一方面，通过多机器人间的协调合作，可以提高机器人系统的作业效率。在多机器人系统的研究中，多移动机器人系统的协调合作始终是一个热点主题，也是该领域中一个基础性的研究方向。本文在前人研究的基础上，立足于多机器人研究的典型环境——足球机器人系统，结合仿真实验，对多移动机器人协调合作和群智能方法进行了研究。采用混合型体系结构，对其协调合作层涉及的多机器人编队控制、角色分配和多机器人群体智能等问题进行了分析和解决：首先研究市场法原理实现多机器人编队形成的算法——基于优先权和增加拍卖算法，在静态环境和足球机器人环境下分别进行实验，实验结果证明此算法是可行并且有效的。接着针对机器人足球的多智能体协作角色分配问题，运用优度评价方法解决局部合作问题，仿真实验证明方法简单并且决策速度快，任务分配更加明确，比较适合足球机器人这样的动态实时系统。最后，运用改进粒子群算法的多目标优化处理防守多个对方球员的问题，以粒子群算法随机性来适应不断变化的形势，优化了群体行为，避免了协调合作过程中对动作的过分依赖，实现了总体目标的优化。

论文目录

• 摘要
• ABSTRACT
• 目录
• 1 绪论
• 1.1 引言
• 1.2 研究背景及意义
• 1.3 多机器人系统研究综述
• 1.4 本文的主要工作和结构
• 2 多机器人协调合作
• 2.1 多机器人协调和合作研究内容、方法
• 2.1.1 协调、合作及协商的概念和关系
• 2.1.2 多机器人协调的研究方法
• 2.1.3 多机器人合作的研究方法
• 2.2 足球机器人体系结构设计与仿真平台
• 2.2.1 体系结构的设计
• 2.2.2 协调合作层的设计
• 2.2.3 仿真平台介绍
• 2.3 本章小结
• 3.多机器人编队形成方法的研究
• 3.1 问题提出
• 3.2 问题描述
• 3.3 市场法在多机器人编队中的应用
• 3.4 算法流程
• 3.5 试验及结果分析
• 3.5.1 实验一 静态环境下的仿真试验
• 3.5.2 实验二 足球机器人环境下的编队控制
• 3.6 本章小结
• 4 足球机器人角色分配方法的研究
• 4.1 问题提出
• 4.2 优度评价法理论
• 4.3 基于优度评价法的角色分配
• 4.3.1 模型建立
• 4.3.2 具体算法
• 4.3.3 实例分析
• 4.4 仿真实验与结果分析
• 4.5 本章小结
• 5 改进的粒子群算法多目标优化的运用
• 5.1 引言
• 5.2 粒子群算法介绍
• 5.2.1 粒子群算法原理
• 5.2.2 算法流程
• 5.2.3 参数设置
• 5.3 改进的粒子群算法
• 5.3.1 惯性权重（inertia weight）改进
• 5.3.2 收缩因子（constriction factor）改进
• 5.3.3 动态跟踪改进
• 5.4 改进的粒子群算法多目标优化
• 5.4.1 多目标优化
• 5.4.2 算法流程
• 5.5 足球机器人中的应用
• 5.5.1 模型建立
• 5.5.2 算法流程
• 5.6 仿真试验及结果分析
• 5.7 本章小结
• 6 总结和展望
• 6.1 总结
• 6.2 进一步工作
• 致谢
• 参考文献