基于当代学习离散粒子群算法多机器人任务分配.docVIP

基于当代学习离散粒子群算法多机器人任务分配 　　 (中南大学 信息科学与工程学院 长沙 410083) 　　 　　摘 要：针对多机器人协同控制中的任务分配问题，首先综合考虑机器人完成任务的效率、机器人自身能力以及任务本身性质各因素，建立了多机器人任务分配的数学模型。而后提出一种基于当代学习机制的离散粒子群算法进行高效求解，该算法设计了准确的粒子运动方程，并加入扰动算子保持粒子多样性，使其迅速跳出局部最优，增加了算法空间探索能力。实验结果表明：在小规模任务数情况下，算法能精确寻到最优，稳定性表现极佳且优于现有算法。在中大规模任务数情况下算法也表现出强寻优能力，实验验证了模型的合理性和算法的优越性。 　　关键词：多机器人； 离散粒子群； 任务分配； 扰动因子 　　中图分类号：TP242文献标志码：A 　　文章编号：1001-3695(2009)05-1691-04 　　 　　Multi??robot mission assignment based on current learning 　　discrete particle swarm optimization algorithm 　　YU Ling??li CAI Zi??xing 　　(School of Information Science Engineering Central South University Changsha 410083 China) 　　Abstract:Multi??robot mission assignment mathematical model was established firstly which considered three factors comprehensively: executing mission efficiency robot ability and mission properties. This paper proposed current learning discrete particle swarm optimization algorithm(CLDPSO) to solve multi??robot mission assignment with highly efficiently. The algorithm designed an exact particles kinetic equation. When decreased algorithm diversity to a certain threshold,added a perturbation operator to jump out local optimum quickly and to improve the search ability. The experiment results show that CLDPSO can reach the best result and its stability is the best among existing algorithms when the number of missions is small scale. When the number of missions is middle or large scale the searching optimization ability is also strong. Those experiments prove that the model is reasonably and CLDPSO algorithm is the advantage. 　　Key words：multi??robot; current learning discrete particle swarm; mission assignment; perturbation factor 　　 　　0 引言?? 　　 　　多机器人任务分配系统目的是试图让多个机器人通过协作，来完成单个机器人无法完成的任务，并提高完成任务的总体性能，所以在国防和经济建设中具有广泛的应用前景。任务分配的各种模型和方法相继涌现，为简化多机器人系统任务分配问题的求解，国内外学者常常应用一些技术将问题分解或转换成一个或几个已经研究过的基本问题，再采用相对比较成熟的基本理论和方法，以得到最优解或满意解。这些基本理论和方法有：基于市场机制的任务分配方法，以经济理论为基础的市场效率观点，通过价格浮动反映资源供需状况的动态变化，供需均衡实现优化分配。Liu等人[1]采用市场机制设计了一种对于松散合作任务进行分配的方法，并讨论了机器人、任务数目以及