一种多机器人协作追捕-逃跑问题策略研究

提出一种多机器人协作追捕多个移动目标策略,基于主从式协作结构提出了分区主从式协作方法,在确定追捕目标点后通过引入追捕意向、追捕耗时,心智态度等三个指标概念选择最优合作追捕团队成员,并根据逃跑者状况以及协作效用判断追捕结果,评价追捕效率,仿真试验结果证明该策略的可行性及有效性.     

基于博弈论及Q学习的多Agent协作追捕算法

多Agent协作追捕问题是多Agent协调与协作研究中的一个典型问题。针对具有学习能力的单逃跑者追捕问题，提出了一种基于博弈论及Q学习的多Agent协作追捕算法。首先,建立协作追捕团队，并构建协作追捕的博弈模型；其次,通过对逃跑者策略选择的学习，建立逃跑者有限的Step-T累积奖赏的运动轨迹，并把运动轨迹调整到追捕者的策略集中；最后,求解协作追捕博弈得到Nash均衡解，每个Agent执行均衡策略完成追捕任务。同时,针对在求解中可能存在多个均衡解的问题，加入了虚拟行动行为选择算法来选择最优的均衡策略。C#仿真实验表明，所提算法能够有效地解决障碍环境中单个具有学习能力的逃跑者的追捕问题，实验数据对比分析表明该算法在同等条件下的追捕效率要优于纯博弈或纯学习的追捕算法。     

多Agent系统规划协作过程研究

在多Agent问题求解方面,一个明显的问题是如何规划Agent组的活动.多Agent规划是指通过Agent调整的行为朝着一个共同目标来增强系统中多个Agent协作的强度,从而提高系统的一致性.从协调一致性原理的角度来说明多Agent系统规划协作的过程,并将其划分为发现协作潜力、调解协作请求、构建协作团队、制订协作计划、实现协作行动及评估行动结果6个阶段,对各个阶段进行了说明.并对一种主从式层次结构的多Agent系统协作过程进行了阐述,构建了基于这种结构协作的基本模型.     

FMM与改进GBNN模型相结合的多AUV实时围捕算法

多自主水下机器人(AUV)实时围捕是一个综合的研究课题,包括联盟生成和目标追捕等阶段.首先,基于快速行进算法(FMM)预估围捕时间,有效形成多AUV的动态围捕联盟;然后,在追捕阶段,AUV需要立即跟踪智能逃逸机器人以防止其逃跑.为了实现这一目标,在GBNN(Glasius biological inspired neural network)模型中使用反比例函数替换指数函数计算神经元连接权值,加入额外的衰减项,并提出两点加快神经元活性传播的改进措施,使其适用于实时追捕路径规划.仿真研究表明,围捕联盟形成机制和反比例权值GBNN模型实时路径规划策略都显示出其优越性.在水下环境的多AUV协作围捕中,所提出的围捕控制算法可以提高围捕效率,减少AUV所花费的追捕距离和逃逸机器人的逃逸距离.     

关于从方偏好信息不完全时的满意激励机制研究

研究从方具有多个目标且主方没有掌握从方对各目标的偏好结构信息的主从对策问题. 提出了从方具有多个目标的最优诱导策略,探讨了主方对从方的满意激励机制.     

基于运动图式的多机器人合作追捕

为实现多个机器人合作追捕目标机器人,以基于运动图式的反应式控制结构为基础,设计追捕机器人的4种基本行为：奔向目标,避开障碍物,避让队友以及收缩包围,为避免机器人陷入死锁状态,引入随机漫游行为。通过基本行为的矢量合成和机器人之间的局部交互作用,实现多机器人的协作行为。仿真试验验证了该方法的有效性。     

—种基于V-BLAST技术的多跳协作式传感网络节能MAC跨层设计

协作式(虚拟)MIMO技术被认为是新兴有效的传感器网络节能解决方案之一.本文在考虑网络电路能耗的情况下,采用跨层设计方法提出了一种能量高效的多跳协作式V-BLAST传输策略.为了达到网络寿命最大化的目标,本文建立并分析了系统能耗模型,在此基础上对传输速率、传输跳数、分簇个数和协作式天线节点个数等网络参数进行了联合优化.仿真结果表明,通过选取最优网络参数,本文所提出的策略相比传统的多跳路由协议和LEACH协议能显著降低节点传输能耗和延长网络寿命.     

多追捕者-单-逃跑者追逃问题实现成功捕获的约束条件

针对包含有n个追捕者及1个逃跑者的2维平面多机器人追逃问题,对实现成功捕获的约束条件进行了研究.经过理论分析得出:在机器人拥有全局视野的情况下,即使单一逃跑者性能优于每个追捕者,只要满足追捕者与逃跑者的速率比大于sin(π/n),逃跑机器人落在追捕机器人所构成的凸多边形内部且逃跑者和追捕者构成的相邻追-逃阿波罗尼奥斯圆满足两两相交(相切)这2个约束条件,则追捕者通过选择合适的追捕策略就一定可以实现成功抓捕.此外,还给出了在此约束条件下的追捕者和逃跑者的追逃策略.多组仿真实验同样证明了本文提出的约束条件是正确的.     

基于间歇控制的不确定主从Lur’e系统的指数同步

研究了不确定主从Lur’e系统的问歇控制同步问题．运用Lyapunov稳定性理论和S-过程,首先推导出保证标称主从Lur’e系统指数同步的一个充分条件．在此基础上进一步得到了具有范数有界不确定性主从Lur’e系统鲁棒指数同步的结果．这些同步判据以矩阵不等式的形式给出．另外我们还提出了一种最小化性能指标的优化策略．最后,通过两个数值例子验证了结果的有效性．     

无线感知执行网的智能协作机制研究

针对无线感知执行网中的节点协作问题,提出了多目标智能协作策略。在感知节点不完全连通的WSANs中,设计局部感知节点成簇算法,实现感知节点间的通信协作;以网络能耗均衡和信息传输时延为目标,应用离散多目标自由搜索算法对WSANs进行实时路径规划,实现簇头节点和执行节点间的协作,并通过路径惩罚策略和路径均衡策略,保证寻优结果的有效性、均衡执行节点之间的能耗。仿真实验表明:无线感知执行网智能协作机制能有效地选择多执行节点路径,实现网络协作的实时需求与能量消耗之间的平衡。     

基于积极团队情感基调的情感机器人协作任务分配拍卖算法

多机器人系统(Multi Robot System,MRS)通过引入机器人个体情感因素,可以有效提高个体的自主协作能力、决策能力以及多机器人系统的整体智能化水平。然而,以往研究主要集中于个体情感状态(情绪、个性等),缺乏从团队情感层面来探索积极团队情感基调(Positive Group Affective Tone,PGAT)对团队协作能力和团队有效性的影响。为了发挥PGAT在任务分配中的积极作用,降低因为团队成员情绪衰减而导致团队解散的风险,并增加团队协作能力和团队有效性,提出了基于PGAT的情感机器人协作任务分配拍卖算法。仿真追捕对比实验表明,相对于基于焦虑情感模型的改进合同网协议多机器人任务分配算法和基于自主意识的分布式情感机器人任务分配算法,基于PGAT的情感机器人协作任务分配拍卖算法的追捕成功率分别提高了269.3%和6.5%,任务分配成功率分别提高了138.7%和5.1%,平均追捕时间分别缩短了14.5%和26.3%,并且在150场追捕对比实验中,追捕时间小于对比算法的场次占比分别达到87.3%和90.7%。     

基于KEBA控制器的双机器人协作焊接系统设计

基于多机器人协作运动中末端位姿的轨迹约束关系,提出一种新的基于KEBA控制器的双机器人协作焊接系统设计和构建方法。该方法首先简要分析了系统总体结构和协作过程中机器人末端位姿存在的约束关系方程式,其次分析了其同步控制策略以及协作过程中需要传递的数据内容,分别给出了主从机器人协作运动的流程图。最后搭建了基于KEBA控制器的双机器人协作半物理焊接系统并编写了相关协作指令,验证提出的方法的正确性。     

多机器人协作无夹具焊接系统设计

与传统的单机器人系统相比,多机器人协作系统的设计存在诸如协作机器人之间的基坐标系标定、协作机器人末端位姿间的运动协调以及多机器人系统间的同步通讯控制等若干特殊性的关键问题.在初步论述多机器人协作系统设计中的若干问题的基础上,特别针对协作机器人间的基坐标系标定、工具手位姿约束分析和控制器通讯同步3个问题,进行了深入讨论,并介绍了实验室相关研究工作的结论.基于本文提供的解决方法,利用VA1400弧焊专用机器人和HP20通用型机器人基于主从式的分布控制结构组成了无夹具焊接实验系统,初步验证了提出的各问题解决方法的有效性.     

基于多智能体深度强化学习的协作导航应用

多机器人协作导航目前广泛应用于搜索救援、物流等领域, 协作策略与目标导航是多机器人协作导航面临的主要挑战. 为提高多个移动机器人在未知环境下的协作导航能力, 本文提出了一种新的分层控制协作导航(hierarchical control cooperative navigation, HCCN) 策略, 利用高层目标决策层和低层目标导航层, 为每个机器人分配一个目标点, 并通过全局路径规划和局部路径规划算法, 引导智能体无碰撞地到达分配的目标点. 通过Gazebo平台进行实验验证, 结果表明, 文中所提方法能够有效解决协作导航过程中的稀疏奖励问题, 训练速度至少可提高16.6%, 在不同环境场景下具有更好的鲁棒性, 以期为进一步研究多机器人协作导航提供理论指导, 应用至更多的真实场景中.     

基于改进MOEAD算法的主从式PID控制器参数寻优

为了有效解决电液伺服系统主从控制结构中主缸和从缸PID控制器的参数设定问题,提出了一种基于多目标优化算法与模型仿真相结合的求解方法。在该求解方法中,将参数设定问题建模为了一个多目标优化问题,其目标空间包括主从同步误差、调节时间、超调量和积分平方误差四个维度,建立了主从结构的PID控制仿真模型,来获取目标空间的目标值。改进了MOEAD算法,通过亲代选择以及子代生成算子选择强化算法子代的多样性,通过个体与权重向量的绑定机制和外部种群对无效权重向量的替换策略对原始算法中的权重向量进行重调整。由改进的MOEAD算法获取了最终的Pareto非支配解集,在最终解集中选取了拐点个体作为控制器的最优参数,提高了主从同步结构的控制品质。     

网络化多智能体主从式预测编队控制

为解决通讯延时对编队控制造成的不利影响,研究网络化多智能体在通讯延时情形下的主从式预测编队控制问题,提出一种主从式预测编队控制架构.在该架构中,所有智能体都基于延时状态预测自身当前时刻状态,用于主动补偿反馈通道延时.主智能体将自身未来预测状态发送给各从智能体,从而主动补偿主从智能体间的通讯延时.仿真结果验证了所提出主从式预测编队控制架构的可行性和灵活性.     

基于多目标优化的Holonic-C2组织协作式资源动态调度方法

针对Holonic-C2组织协作式资源的动态调度问题,对战场上的突发事件进行分析,面向任务属性变化、可用平台减少和任务数量变化3类基本突发事件,提出Holonic-C2组织双层结构下针对突发事件的协作机制,在战术决策Holon模块构建两种多目标优化模型,在战役决策Holon模块提出战术Holon协作选择方法.仿真实验表明,所提出的Holonic-C2组织协作式资源动态调度过程能够有效处理单个战术Holon无法处理突发事件的情况,可实现多个战术Holon的协作,验证了所提方法的可行性.     

基于量子少数者博弈的多机器人追捕

多个带有自利因素的追捕机器人在追捕一个逃跑者的过程中,自身利益与整体利益之间会产生冲突,导致系统付出更多代价.若调整收益分配机制,并引入量子少数者博弈,则可将经典策略空间扩展到量子策略空间.在该空间下,追捕者追求自身利益最大化时,也能达到整体最优.通过对追捕过程中量子少数者博弈进行实验分析表明,采用量子策略的机器人,其自身利益与整体利益得到统一,追捕效率大幅度提高.     

集体理性约束的Agent协作强化学习

将多Agent协作学习过程看作是一个个的阶段博弈,针对博弈中存在多个均衡解的问题,提出一种集体理性约束下的多Agent协作强化学习算法。该算法使得系统中的每个Agent均按照集体利益最大化的集体理性原则进行行为选择,从而解决均衡解一致问题,同时使得集体长期回报值最大化,加快了学习速度。在集体理性的基础上通过评价各Agent对整体任务求解的贡献度,解决信度分配问题。追捕问题的仿真实验结果验证了算法的有效性。     

中职计算机教学中分组协作式学习模式构建研究

笔者简述了分组协作式学习模式在中职计算机教学中的价值,深入分析了分组协作式学习模式在中职计算机教学中需要注意的问题,并以此为依据,提出将分组协作式学习模式有效应用于中职计算机教学的策略。通过优化教学内容和教学目标,完善分组协作式学习模式评价体系等有效方法,充分激发学生的自主学习能力,为现代社会培养专项人才。