基于改进捆绑拍卖多机器人任务分配研究

为了解决多机器人在搜索过程中多任务分配和多机器人利用率问题,提出了一种带有即时拍卖的K-means聚类捆绑式拍卖算法。首先通过K-means聚类算法解决多机器人系统中的多任务捆绑问题,再运用捆绑式拍卖机制把聚类分配给相应的机器人。考虑各聚类内的任务完成情况和各机器人利用情况,相应机器人判断是否产生即时拍卖。仿真证明,该方法在多机器人搜索过程中节省资源且各机器人利用均衡。     

基于蚁群算法的多机器人环境探索

针对多机器人的环境探索问题,采用了蚁群算法,解决了多机器人的目标分配与环境区域覆盖。通过对蚁群算法和等待拍卖算法在两种不同环境模型的覆盖率的比较,表明了蚁群算法在相同覆盖率的情况下运行次数较少。