基于粒子群蚁群算法的多机器人任务分配方法.pdf.pdfVIP

第41卷第4期 东 北 师 大 学 报 (自 然 科 学 版 ) Vo1．4lNo．4 2009年 I2月 ]ournal0fNortheastNormalUniversity (NaturalScienceEdition) December2009 [文章编号]1000—1832(2009 基于粒子群蚁群算法的多机器人任务分配方法 刘淑华，张 嵛 ，付 帅，吴洪岩 (东北师范大学计算机学院，吉林 长春 130117) [摘 要] 针对大规模 多移动机器人松散耦合型任务分配问题 ，探讨 了机器人联盟形成 问题 中的关键 ，并且提 出一种基于粒子群蚁群算法的任务分配机制．结果表明，粒子群蚁群算法得 到的分配解要明显优于基本蚁群算法，并且不易出现早熟现象． [关键词] 任务分配；机器人联盟形成；蚁群算法；粒子群蚁群算法 [中图分类号] TP242 [学科代码] 520·20 [文献标识码] A 0 引言 随着多机器人系统应用领域和范围的不断拓广，人们发现在设计 、构建和使用多机器人系统时 ，总 会遇到一个相同的问题，如系统中各个机器人在各个时刻应该采取什么动作，执行什么任务?这就是多 机器人任务分配问题 MRTA(Multi—RobotTaskAllocation)．它是多机器人系统研究的一个基础问题 ， 体现了系统高层组织形式与运行机制 ，是多机器人系统实现 目标的基础．随着系统中机器人数 目和任务 难度的增加 ，任务分配 问题就显得越来越重要．2005年 ，国际机器人与 自动化大会 (ICRA 2005)专 门设 立了多个关于多机器人任务分配的分会场 ，对该领域的最新研究进展进行 了讨论和交流．在众多的任务 分配方法中，群体智能方法是解决大规模多机器人系统任务分配的一个发展方 向，因此有越来越多的研 究者将群体智能方法应用到多机器人任务分配中，其典型代表是蚁群算法．【 大多数的多机器人任务分配方法是针对松散型任务 (单个机器人可独立完成的任务)或者是紧耦合 型任务 (必须由多个机器人合作才能完成 的任务)进行 的，而应用于求解松散耦合型任务分配 问题却很 少．本文提出逆转任务分配思想将蚁群算法应用于求解大规模机器人松散耦合型任务分配问题 中，让蚂 蚁代表任务，为每个任务选择承担者．对于紧耦合型任务，蚂蚁分别采用基本蚁群算法和粒子群蚁群算 法求解相应的机器人联盟——产生紧耦合型任务解．然后，采用蚁群算法进行任务分配． 1 机器人联盟形成 的关键 问题 1．1 机器人联盟 问题的描述 (1)机器人的能力描述 系统中所有机器人构成一个多机器人集合 R一 {R ，R。，…，R }．R 的能力 向量为 B 一 (6 b …，b ) ，对应的能力代价为 costR一 (COSt cOSt ，…，cOst) ，其中cost表示R 完成能力b需要 花费的代价．当b，，一0表示R 不具备能力b R 具有m种能力的代价为∑cost，b (2)机器人联盟的能力描述 机器人联盟 是一组合作的、能共同完成某一任务的机器人集合．一个联盟 c是R 的一个非空子 集．根据机器人的能力属性不同，联盟 c的能力 向量不同．对于可加能力 (如搬运等)，联盟 c的能力为 B 一 ∑B ，而可并能力 (如可视距离等)联盟 C的能力为B 一 UB C ∈ C R i∈C 联盟能力的折合代价定义 ： ①可加能力 D(C)一 ∑ ∑cos／…b ； [收稿 日期] 2009—05—10 [基金项 目] 国家自然科学基金资助项 目． [作者简介] 刘淑华 (1970 )，女 ，博士，副教授 ，主要从事多移动机器人 、智能规划研究 第 4期 刘淑华 ，等 ：基于粒子群蚁群算法 的多机器人任务分配方法 69 ②可并能力 D(C)一 U ∑cost6… R ∈C J一 1 (3)任务能力需求描述 设有 k个任务T一{t，tz，…，t)，求解任务 ￡需要 的能力表示为向量B 一 (b，6，…，6)．机