基于个性演化的多机器人自组织.pdfVIP

No．2 第16卷第2期 模式识别与人工智能 V01．16 2003年6月 PRAI June2003 基于个性演化的多机器人自组织 丁滢颍 何衍 蒋静坪 (浙江大学电气工程学院杭州310027) 摘要多机器人系统协调是一个影响系统效率的重要问题．传统的基于规划和学习的方法，因为都需要自上而 下的设计或督导信息，在复杂环境下的适应能力有限．自组织是一种非常有效的自下而上的设计思路，但具体实现 的系统很少．本文引入了单个机器人“个性”的概念，设计了代表个性的价值函数和个性演变的方式，通过机器人个 性不同来影响机器人的决策，从而实现了多机器人系统的自组织协调．仿真说明了这一思想的有效性． 关键词多机器人，自组织，学习 中图法分类号TP24 1 引 言 地存在于自然和社会的系统中．一些专家提出了仿 照生物和社会系统的自组织【4J．但是由于实现上的 困难，目前关于自组织系统的讨论，多集中在概念层 多机器人系统是当前人工智能和机器人研究的 次上．本文通过在多机器人系统中引人“个性”的概 重要领域之一，一个主要问题是研究多机器人之间 念，通过设计个性的演变形式，实现了自组织协调． 的协调…．由于每个机器人的自主性，状态不断处于 仿真说明了算法的有效性． 变化之中，机器人之问又往往是非线性关系，因此整 个多机器人系统是一个动态的复杂系统，协调存在 2个性的表示 很大的难度． 目前解决协调问题的方法主要有两大类．一类 无论什么目的设计的多机器人系统，从完成任 是基于规划的方法，包括集中规划和分散规划[2]．这 务的角度看，各个机器人之间的基本关系是竞争与 类方法可以获得较优的协调结果，但运算量大，适应 协作．多机器人协调的基本任务是协调好各机器人 性差，往往缺乏实时性．另一类方法是基于学习的方 之间竞争与协作的关系．其中协作关系可以实现单 法∞J，有基于进化主义和行为主义两种，如遗传算法 个机器人不能达到的功能，同时还可以根据整体优 和再励学习．这类方法可以使系统的协调性不断地 化的要求实现整个系统资源分配的优化．竞争可以 演化．与基于规划的方法相比，这类算法所需的信息 提高系统的效率．但竞争也会导致整个系统陷入一 较少，但仍需要一个总体性能的评价函数．例如遗传 种混乱或锁死的状态． 算法需要一个总体评价的适应性函数，再励学习需 我们认为，导致竞争弊端的一个原因是因为普 要一个再励信号．这些都在一定程度上减小了系统 通的多机器人系统假定每个机器人都有相同的个 的适应能力． 性．也就是每个机器人具有同样的价值取向和决策 考虑到自上而