機器人救援仿真系統(tǒng)中規(guī)劃和自適應(yīng)協(xié)作研究.pdf

1、多智能體系統(tǒng)是近年來分布式人工智能領(lǐng)域研究的一個重要分支。本文以機器人救援仿真系統(tǒng)為研究背景，針對通信受限、動態(tài)變化的復(fù)雜救援環(huán)境，采用帶權(quán)與或樹和AOE一網(wǎng)(Activity on Edge)、協(xié)進化、蟻群算法的方法，研究復(fù)雜、動態(tài)異構(gòu)多智能體系統(tǒng)中的任務(wù)規(guī)劃、路徑搜索和自適應(yīng)協(xié)作等關(guān)鍵問題。主要研究工作如下：
　　 論文首先建立一種包含反應(yīng)層和慎思層的分層智能體體系結(jié)構(gòu)。反應(yīng)層采用基于重要度的信息處理算法對智能體感知的信息進

2、行篩選處理，并對系統(tǒng)狀態(tài)進行預(yù)測建立智能體的世界模型；智能體根據(jù)世界模型和規(guī)則庫得到行為，為智能體提供快速反應(yīng)能力。慎思層包括任務(wù)規(guī)劃和自適應(yīng)協(xié)作模型兩個部分，為智能體提供慎思的任務(wù)規(guī)劃和行為決策的自適應(yīng)能力。
　　 對多智能體系統(tǒng)任務(wù)規(guī)劃的研究主要集中在任務(wù)分解和任務(wù)協(xié)調(diào)兩方面。本文提出一種帶權(quán)與或樹的任務(wù)分解結(jié)構(gòu)，通過引入與或樹來描述復(fù)雜任務(wù)與子任務(wù)之間的層次關(guān)系和子任務(wù)之間的與或關(guān)系；將與或樹的葉子結(jié)點帶權(quán)來描述子任務(wù)的執(zhí)

3、行時間；并在帶權(quán)與或樹的基礎(chǔ)上增加輔助線來限定相關(guān)任務(wù)結(jié)點之間的關(guān)系約束。帶權(quán)與或樹的任務(wù)分解結(jié)構(gòu)保證了任務(wù)分解的完整性、可達性、時序約束、粒度和柔性原則。
　　 針對異構(gòu)多智能體系統(tǒng)中智能體難以在執(zhí)行任務(wù)計劃達成一致的問題，提出基于AOE-網(wǎng)和最早發(fā)生時間的任務(wù)協(xié)調(diào)方法。在采用帶權(quán)與或樹結(jié)構(gòu)對復(fù)雜任務(wù)進行分解的基礎(chǔ)上，首先將與或樹中的非執(zhí)行權(quán)值最短的部分或子結(jié)點舍棄，減少了不必要的或子(孫)任務(wù)的執(zhí)行，然后將帶權(quán)與或樹轉(zhuǎn)化為A

4、OE-網(wǎng)，得到各子任務(wù)的最早發(fā)生時間，使總?cè)蝿?wù)的完成時間最短，達到計劃一致協(xié)調(diào)。
　　 為了有效解決智能體執(zhí)行任務(wù)時的沖突和目標(biāo)動態(tài)變化引起的復(fù)雜任務(wù)延遲或中斷問題，提出將任務(wù)動態(tài)再分解的任務(wù)轉(zhuǎn)包方法進行沖突消除和動態(tài)調(diào)整協(xié)調(diào)，使整個任務(wù)能夠繼續(xù)保持計劃一致性，以滿足任務(wù)規(guī)劃的動態(tài)實時性要求。提出的動態(tài)任務(wù)規(guī)劃方法，能夠使任務(wù)得到具體的執(zhí)行時間段，總?cè)蝿?wù)的執(zhí)行時間最短或者在一定的時間段內(nèi)完成更多的任務(wù)，以滿足任務(wù)的動態(tài)實時規(guī)劃。

5、
　　 論文提出一種基于目標(biāo)吸引蟻群算法的路徑搜索算法，求解救援機器人在道路拓撲動態(tài)變化的震后城市中的最短路徑搜索問題。引入目標(biāo)吸引函數(shù)，充分利用震前城市地圖的拓撲信息，計算得到目標(biāo)節(jié)點對備選節(jié)點的吸引度，將目標(biāo)吸引函數(shù)作為啟發(fā)函數(shù)與信息素強度共同對螞蟻搜索路徑進行引導(dǎo)，使螞蟻能夠更多地選擇距離目標(biāo)更近的節(jié)點，加快蟻群算法的收斂速度并盡可能收斂到最短路徑，避免陷入到局部最優(yōu)。
　　 針對非結(jié)構(gòu)化的環(huán)境和多樣化的復(fù)雜任務(wù)中

6、合作異構(gòu)多智能體系統(tǒng)的協(xié)作效用最大化問題，提出一種基于子域適應(yīng)度評估的合作協(xié)進化協(xié)作算法。引入合作協(xié)進化方法，將多智能體系統(tǒng)的總?cè)蝿?wù)當(dāng)作合作協(xié)進化的問題域，一個智能體所擁有的行為決策集作為協(xié)進化的種群，對智能體的行為決策進行合作協(xié)進化，以產(chǎn)生自適應(yīng)的協(xié)作行為。
　　 為了克服合作協(xié)進化算法在解決復(fù)雜多智能體系統(tǒng)協(xié)作問題時存在的通信量過于繁重、適應(yīng)度函數(shù)難以建立等問題，將復(fù)雜問題域模型分解成相互影響較小、較易求解的子問題域模型，在

7、子問題域模型之間并行使用合作協(xié)進化算法來完成智能體協(xié)作行為的進化，降低適應(yīng)度評估的維數(shù)，減少通信負擔(dān)。子問題域進行合作協(xié)進化時，引入環(huán)境因子影響矩陣將其他子問題域的影響信息映射到該子問題域中種群的個體適應(yīng)度評估中，從而引導(dǎo)種群向全局優(yōu)化方向進化。
　　 機器人救援仿真系統(tǒng)是一個典型的異構(gòu)多智能體系統(tǒng)，為人工智能和機器人領(lǐng)域的研究人員提供了一個先進的和跨學(xué)科的研究平臺。論文提出的算法已應(yīng)用到中南大學(xué)機器人救援仿真隊CSU Yunl