群機(jī)器人追捕目標(biāo)問題的研究.pdf

1、群機(jī)器人追捕目標(biāo)問題作為群機(jī)器人系統(tǒng)的一類典型協(xié)作問題，它研究的是一群機(jī)器人如何通過合作去有效地捕獲另一群逃跑的機(jī)器人。群機(jī)器人追捕目標(biāo)問題是研究多智能體機(jī)器人系統(tǒng)中有關(guān)群體機(jī)器人合作與協(xié)調(diào)、競爭與對抗的理想問題，它涵蓋了實(shí)時視覺處理、無線通訊、實(shí)時動態(tài)路徑規(guī)劃、多機(jī)器人分布式協(xié)調(diào)與控制、多機(jī)器人規(guī)劃與學(xué)習(xí)、機(jī)器人團(tuán)隊之間的競爭與合作等多學(xué)科、多領(lǐng)域知識。
　　本文在國家自然科學(xué)基金項目“基于多智能體協(xié)調(diào)的機(jī)器人系統(tǒng)控制”的資助下

2、，依靠特定的問題背景以探索群體機(jī)器人的協(xié)作機(jī)制為導(dǎo)向，以提高群體機(jī)器人的協(xié)作效率為目的，對群機(jī)器人追捕目標(biāo)的問題進(jìn)行了系統(tǒng)深入地研究。主要包括如下幾個方面：
　　第一，基于概率框架，深入研究了群機(jī)器人合作目標(biāo)搜索問題。發(fā)現(xiàn)目標(biāo)是追捕目標(biāo)的前提，然而在群機(jī)器人追捕目標(biāo)問題已有的工作中卻鮮有這方面的研究成果。當(dāng)目標(biāo)的位置未知時，首要的問題應(yīng)該是盡快地找到目標(biāo)。為了有效地規(guī)劃路徑并搜索目標(biāo)，本文基于概率框架首先研究了群機(jī)器人合作地圖創(chuàng)建

3、，提出了一種基于加權(quán)平均的群機(jī)器人地圖融合算法。然后基于概率地圖提出了幾種啟發(fā)式目標(biāo)搜索策略，并給出了理論分析和詳細(xì)的仿真試驗。
　　第二，針對復(fù)雜、動態(tài)、開放的環(huán)境下群體機(jī)器人追捕多個目標(biāo)的問題，本文首先對傳統(tǒng)的合同網(wǎng)協(xié)議從三個方面進(jìn)行了擴(kuò)展：引入基于范例的推理以降低任務(wù)協(xié)商過程中的通信耗費(fèi)；然后通過構(gòu)造多屬性招標(biāo)決策框架以提高招標(biāo)活動的科學(xué)和規(guī)范化；最后通過允許合同違約來提高系統(tǒng)的魯棒性和動態(tài)優(yōu)化的能力。在上述基礎(chǔ)上，提出了一

4、種群機(jī)器人追捕多個目標(biāo)的任務(wù)分配算法，以實(shí)現(xiàn)群體機(jī)器人基于任務(wù)級的協(xié)作。
　　第三，有效的協(xié)作策略是群機(jī)器人追捕目標(biāo)的核心研究問題。本文首先給出了兩種單智能體強(qiáng)化學(xué)習(xí)算法，即決策樹學(xué)習(xí)與Q-學(xué)習(xí)相結(jié)合的決策樹 Q-學(xué)習(xí)算法以及基于資格跡的思想提出的在線利益分配學(xué)習(xí)算法，并進(jìn)行了理論分析。然后提出了一種采用模塊化學(xué)習(xí)結(jié)構(gòu)、Q-學(xué)習(xí)與利益分配學(xué)習(xí)算法結(jié)合、并綜合了對手建模技術(shù)的多智能體獨(dú)立強(qiáng)化學(xué)習(xí)算法，以此為基礎(chǔ)實(shí)現(xiàn)基于動作級的群機(jī)器

5、人追捕目標(biāo)協(xié)作策略。試驗結(jié)果表明，該算法能夠顯著提高學(xué)習(xí)效率。最后，借鑒人類合作學(xué)習(xí)的特點(diǎn)，提出了一種基于策略共享的多智能體合作強(qiáng)化學(xué)習(xí)算法，用于提高群機(jī)器人協(xié)作追捕目標(biāo)的效率。
　　第四，從基于行為的角度研究了在連續(xù)區(qū)域中群機(jī)器人追捕目標(biāo)的問題。以基于運(yùn)動圖式的機(jī)器人反應(yīng)式控制結(jié)構(gòu)為基礎(chǔ)，設(shè)計并實(shí)現(xiàn)了群機(jī)器人追捕目標(biāo)的四種基本行為，即奔向目標(biāo)行為、避開障礙物行為、避讓隊友機(jī)器人行為以及收縮包圍行為。最后提出了一種基于行為控制參數(shù)