基于狀態(tài)預(yù)測的多智能體自協(xié)調(diào)協(xié)作模型設(shè)計(jì).pdf

1、救援機(jī)器人是當(dāng)前機(jī)器人與多智能體系統(tǒng)研究中的一個(gè)新興領(lǐng)域，它涉及機(jī)器人學(xué)、人工智能、智能控制、計(jì)算機(jī)視覺等多個(gè)領(lǐng)域并且有現(xiàn)實(shí)意義。協(xié)作模型系統(tǒng)作為整個(gè)救援機(jī)器人系統(tǒng)的核心，決定了機(jī)器人間的協(xié)調(diào)協(xié)作與運(yùn)動規(guī)劃，是機(jī)器人的“大腦”。因此，協(xié)作模型系統(tǒng)的研究在多機(jī)器人、多智能體領(lǐng)域具有十分重要的意義。 本文以救援機(jī)器人RoboCupRescue仿真系統(tǒng)為研究對象，針對傳統(tǒng)的協(xié)作模型很難滿足多智能體系統(tǒng)在反應(yīng)性、適應(yīng)性、智能性和學(xué)習(xí)能力

2、等方面的要求，提出一種基于狀態(tài)預(yù)測的多智能自協(xié)調(diào)兩層協(xié)作模型。該模型把決策系統(tǒng)分為上下兩層：中央決策層和行為層。 上層中央決策層采用Q學(xué)習(xí)分別進(jìn)行狀態(tài)預(yù)測和陣型規(guī)劃決策，并針對狀態(tài)預(yù)測和陣型規(guī)劃的特點(diǎn)和要求分別對Q學(xué)習(xí)的結(jié)構(gòu)進(jìn)行了合理的改進(jìn)。針對普通Q學(xué)習(xí)在環(huán)境狀態(tài)復(fù)雜的情況下收斂速度較慢的缺點(diǎn)，通過分析RoboCupRescue仿真系統(tǒng)的特性，分別采用世界狀態(tài)屬性精簡的方法和模糊聚類的方法把數(shù)量眾多的系統(tǒng)狀態(tài)轉(zhuǎn)化為為數(shù)不多的精

3、簡狀態(tài)和模糊狀態(tài)，從而大大減少了Q學(xué)習(xí)的狀態(tài)空間，提高了算法的收斂速度；同時(shí)，針對普通Q學(xué)習(xí)算法易收斂到局部最優(yōu)，本文通過分析Q學(xué)習(xí)算法中三個(gè)關(guān)鍵參數(shù)(學(xué)習(xí)率α、折扣因子γ和溫度值T)的作用，提出一種自適應(yīng)Q學(xué)習(xí)算法，動態(tài)地調(diào)整這三個(gè)參數(shù)，從而實(shí)現(xiàn)系統(tǒng)全局最優(yōu)動作。 下層行為層，取代傳統(tǒng)的機(jī)器人作為上層意圖的簡單執(zhí)行方法或單純的對外部世界做出反應(yīng)，充分利用移動機(jī)器人的行為特性，提出一種行為效用評估算法對上層決策意圖和自身的反應(yīng)式