基于動態(tài)道路分區(qū)模型的機器人救援協(xié)作.pdf

1、機器人救援仿真(RCRS)提供關于實時、動態(tài)、復雜未知環(huán)境下的多智能體協(xié)作機制的研究，是一個富有實際研究意義和挑戰(zhàn)性的課題。課題基于RCRSS仿真平臺進行多智能體協(xié)作的研究，利用城市救援環(huán)境的基本特點，在系統(tǒng)底層建立針對道路和建筑物的分區(qū)模型，促進道路和交通的信息整合，針對醫(yī)療救護智能體本文提出基于人工免疫算法的救援策略，并在底層道路模型的基礎上設計了三類異構(gòu)智能體基于加權協(xié)同圖算法的協(xié)作策略，提高了整體救援效率。
　　首先，智能

2、體所處的仿真環(huán)境是整個智能體協(xié)作的基礎，由于機器人無法感受到全局的環(huán)境信息，所以單獨執(zhí)行任務會有局限性，相對性，不確定性，本文提出一種基于道路分區(qū)模型的智能體協(xié)作方法。此方法利用道路的幾何和周邊環(huán)境特性，建立道路分區(qū)模型，對地圖中的信息進行細化處理，首先將整個世界模型進行動態(tài)分區(qū)，然后利用凸包算法將各分區(qū)著火建筑物進行外圍火點的構(gòu)建，為消防智能體提供消防策略，最后通過聚類等算法將著火點集中處理，在靜態(tài)分區(qū)的基礎上，建立動態(tài)的道路模型，從

3、而讓智能體更好地了解環(huán)境信息，展開救援協(xié)作。
　　其次，針對救護隊救援智能體，為了提升救護隊智能體全局救援效率，將城市災后救援所遇到的問題和解決策略進行類似人工免疫網(wǎng)絡的構(gòu)建，將救援環(huán)境，智能體，協(xié)作策略等轉(zhuǎn)換到人工免疫系統(tǒng)模型中的抗原、抗體中去，通過選取親和度、激勵抑制水平等參數(shù)，完成對整個救護隊智能體人工免疫系統(tǒng)的任務決策，人工免疫算法的引進，使救護隊智能體的動作更具有目的性和針對性，優(yōu)化了救援協(xié)作策略，救援效率得到初步提高。

4、
　　最后，在底層動態(tài)道路分區(qū)模型的基礎上，為了使Robocup Rescue中各類智能體間更好地交互協(xié)作，提出了一種基于加權協(xié)同圖的協(xié)作算法，利用加權協(xié)同圖對Robocup Rescue中六類智能體角色進行建模，利用加權圖的結(jié)構(gòu)組成理想團隊，測試不同分配方式對救援效果的影響，同時，提出了基于加權協(xié)同圖的學習算法，此算法從平時仿真中的分配實例、觀測值及一個接近最優(yōu)的角色分配策略算法中獲得一個加權協(xié)同圖算法。通過此算法，使得智能體協(xié)