基于agent的多机器人信息融合与协调研究-控制理论与控制工程专业论文.docxVIP

摘要随着现代科学技术静飞速发展，机器人的开发与应用范围的不断扩大。 摘要 随着现代科学技术静飞速发展，机器人的开发与应用范围的不断扩大。 对于不同的工作任务和不同的工作环境，尤其是一些大型复杂的工作任务及 环境，单体机器入在信息的获取、处理及控制等方面能力有限的问题目益突 出。因此，需要利用多机器人协作来提高工作能力。 多机器人系统是当前机器人技术领域的～个研究热点，具有多学科交叉 融合的显著特点。本文以多机器人系统为研究背景，结合MAS(即多智能体 系统)的体系结构以及协调与合作技术，针对多机器入系统中信息的融合， 多机器人协调中的任务分配与规划，对抗环境下的多机器人协调等问题对进 行了深入研究，提供了有效的解决方案，主要工作和贡献如下： 1． 从分析和研究多Agent的体系结构入手，提出了一种基于多Agent的信 息融合模型，每个Agent分别对局部环境进行观测，对局部环境信息产 生各自的信念。融合中心对不同Agent的信念进行融合并得出最终的决 策。在多Agent协调的擎习与对策中，重点研究与分析了多Agent强化 学习算法和Markov对策。 2． 提出了一种多Agent的分布式决策方法，构建了基于证据雅理的Agent 信息模型和基于可传递置信模型的多Agent决策框架，并给出了相应的 算法。通过在机器人足球赛中的应用，对赛场环境信息及对手态势进行 分析，得出有效的决策结论。 3． 提出了一种基于知识的强化函数设计方法。在实际应用系统中对强化学 习算法进行了改进，将经验信息和先验知识引入到强化函数中，构建了 综合终极目标的奖惩信息和Agent动作策略的奖惩信息的强化函数。在 机器人足球赛中的应用和实验结果表明，基于知识的强化函数的学习效 果明显优于传统的强化函数。 4． 提出了～种基于分布式强化学习的多Agent协识模型并绘出了枢应的 算法。在研究和分析多Agent环境中的分布式强化学习的基础上，设计 了一种多级模型来解决多Agent协调，利用协调级完成系统任务魄分解 与予任务分派，利用任务级完成各个子任务的执行。在机器人足球赛中 的结果表明，本方法的效果要优予传统的强化学习方法。 5． 5． 提出了一种基于Markov对策的多Agent协调框架并给出了相应的算法。 通过对多Agent环境的分析，在对策论框架下进行多Agent协调，重点 研究了MAS中敌对平衡与协作平衡的多Agent学习算法。基于多Agent 中竞争和合作的关系，设计了一种分层结构处理多Agent协调：利用零 和Markov进行Agent群体之间的竞争与对抗，利用团队Markov对策 完成Agent群体内部的协调与合作。机器人足球赛结果表明了本方法的 可行性及优越性。 关键词：多机器人系统，多Agent，信息融合，多机器人协作，证据推理 强化学习，强化函数，Markov对策 AbstractWith Abstract With the rapid progress of modem science and technology,robots’ development and application extend ceaselessly．For different tasks and environment，especially to large complex tasks and environment，the problems of capability limitation of single robot become more and more obvious，such as information gathering and processing，controlling and SO on．Therefore，the multi-robot coordination and cooperation are required to improve these abilities． Nowadays，the multi—robot system has been paid much attention．It has the prominent property of multidisciplinary intercrossing and fusion．Based on multi-agent system，and with the introduction of multi·agent system’S architecture， coordination and cooperation，this dissertation gives矗thorough and systematic research the information fusion