機(jī)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(lái)分布式人工智能領(lǐng)域研究的一個(gè)重要分支。本文以機(jī)器人救援仿真系統(tǒng)為研究背景，針對(duì)通信受限、動(dòng)態(tài)變化的復(fù)雜救援環(huán)境，采用帶權(quán)與或樹(shù)和AOE一網(wǎng)(Activity on Edge)、協(xié)進(jìn)化、蟻群算法的方法，研究復(fù)雜、動(dòng)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(wèn)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(duì)智能體感知的信息進(jìn)

2、行篩選處理，并對(duì)系統(tǒng)狀態(tài)進(jìn)行預(yù)測(cè)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(kù)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(gè)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(duì)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(shù)的任務(wù)分解結(jié)構(gòu)，通過(guò)引入與或樹(shù)來(lái)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(shù)的葉子結(jié)點(diǎn)帶權(quán)來(lái)描述子任務(wù)的執(zhí)

3、行時(shí)間；并在帶權(quán)與或樹(shù)的基礎(chǔ)上增加輔助線(xiàn)來(lái)限定相關(guān)任務(wù)結(jié)點(diǎn)之間的關(guān)系約束。帶權(quán)與或樹(shù)的任務(wù)分解結(jié)構(gòu)保證了任務(wù)分解的完整性、可達(dá)性、時(shí)序約束、粒度和柔性原則。
　　 針對(duì)異構(gòu)多智能體系統(tǒng)中智能體難以在執(zhí)行任務(wù)計(jì)劃達(dá)成一致的問(wèn)題，提出基于AOE-網(wǎng)和最早發(fā)生時(shí)間的任務(wù)協(xié)調(diào)方法。在采用帶權(quán)與或樹(shù)結(jié)構(gòu)對(duì)復(fù)雜任務(wù)進(jìn)行分解的基礎(chǔ)上，首先將與或樹(shù)中的非執(zhí)行權(quán)值最短的部分或子結(jié)點(diǎn)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(shù)轉(zhuǎn)化為A

4、OE-網(wǎng)，得到各子任務(wù)的最早發(fā)生時(shí)間，使總?cè)蝿?wù)的完成時(shí)間最短，達(dá)到計(jì)劃一致協(xié)調(diào)。
　　 為了有效解決智能體執(zhí)行任務(wù)時(shí)的沖突和目標(biāo)動(dòng)態(tài)變化引起的復(fù)雜任務(wù)延遲或中斷問(wèn)題，提出將任務(wù)動(dòng)態(tài)再分解的任務(wù)轉(zhuǎn)包方法進(jìn)行沖突消除和動(dòng)態(tài)調(diào)整協(xié)調(diào)，使整個(gè)任務(wù)能夠繼續(xù)保持計(jì)劃一致性，以滿(mǎn)足任務(wù)規(guī)劃的動(dòng)態(tài)實(shí)時(shí)性要求。提出的動(dòng)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(shí)間段，總?cè)蝿?wù)的執(zhí)行時(shí)間最短或者在一定的時(shí)間段內(nèi)完成更多的任務(wù)，以滿(mǎn)足任務(wù)的動(dòng)態(tài)實(shí)時(shí)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(jī)器人在道路拓?fù)鋭?dòng)態(tài)變化的震后城市中的最短路徑搜索問(wèn)題。引入目標(biāo)吸引函數(shù)，充分利用震前城市地圖的拓?fù)湫畔?，?jì)算得到目標(biāo)節(jié)點(diǎn)對(duì)備選節(jié)點(diǎn)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(qiáng)度共同對(duì)螞蟻搜索路徑進(jìn)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(diǎn)，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(duì)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(wèn)題，提出一種基于子域適應(yīng)度評(píng)估的合作協(xié)進(jìn)化協(xié)作算法。引入合作協(xié)進(jìn)化方法，將多智能體系統(tǒng)的總?cè)蝿?wù)當(dāng)作合作協(xié)進(jìn)化的問(wèn)題域，一個(gè)智能體所擁有的行為決策集作為協(xié)進(jìn)化的種群，對(duì)智能體的行為決策進(jìn)行合作協(xié)進(jìn)化，以產(chǎn)生自適應(yīng)的協(xié)作行為。
　　 為了克服合作協(xié)進(jìn)化算法在解決復(fù)雜多智能體系統(tǒng)協(xié)作問(wèn)題時(shí)存在的通信量過(guò)于繁重、適應(yīng)度函數(shù)難以建立等問(wèn)題，將復(fù)雜問(wèn)題域模型分解成相互影響較小、較易求解的子問(wèn)題域模型，在

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