基于Agent的多機器人信息融合與協(xié)調(diào)研究.pdf

1、隨著現(xiàn)代科學技術(shù)的飛速發(fā)展，機器人的開發(fā)與應用范圍的不斷擴大。對于不同的工作任務和不同的工作環(huán)境，尤其是一些大型復雜的工作任務及環(huán)境，單體機器人在信息的獲取、處理及控制等方面能力有限的問題日益突出。因此，需要利用多機器人協(xié)作來提高工作能力。 多機器人系統(tǒng)是當前機器人技術(shù)領域的一個研究熱點，具有多學科交叉融合的顯著特點。本文以多機器人系統(tǒng)為研究背景，結(jié)合MAS(即多智能體系統(tǒng))的體系結(jié)構(gòu)以及協(xié)調(diào)與合作技術(shù)，針對多機器人系統(tǒng)中信息的

2、融合，多機器人協(xié)調(diào)中的任務分配與規(guī)劃，對抗環(huán)境下的多機器人協(xié)調(diào)等問題對進行了深入研究，提供了有效的解決方案，主要工作和貢獻如下： 1.從分析和研究多Agent的體系結(jié)構(gòu)入手，提出了一種基于多Agent的信息融合模型，每個Agent分別對局部環(huán)境進行觀測，對局部環(huán)境信息產(chǎn)生各自的信念，融合中心對不同Agent的信念進行融合并得出最終的決策。在多Agent協(xié)調(diào)的學習與對策中，重點研究與分析了多Agent強化學習算法和Markov對策

3、。 2.提出了一種多Agent的分布式?jīng)Q策方法，構(gòu)建了基于證據(jù)推理的Agent信息模型和基于可傳遞置信模型的多Agent決策框架，并給出了相應的算法。通過在機器人足球賽中的應用，對賽場環(huán)境信息及對手態(tài)勢進行分析，得出有效的決策結(jié)論。 3.提出了一種基于知識的強化函數(shù)設計方法。在實際應用系統(tǒng)中對強化學習算法進行了改進，將經(jīng)驗信息和先驗知識引入到強化函數(shù)中，構(gòu)建了綜合終極目標的獎懲信息和Agent動作策略的獎懲信息的強化函數(shù)

4、。在機器人足球賽中的應用和實驗結(jié)果表明，基于知識的強化函數(shù)的學習效果明顯優(yōu)于傳統(tǒng)的強化函數(shù)。 4.提出了一種基于分布式強化學習的多Agent協(xié)調(diào)模型并給出了相應的算法。在研究和分析多Agent環(huán)境中的分布式強化學習的基礎上，設計了一種多級模型來解決多Agent協(xié)調(diào)，利用協(xié)調(diào)級完成系統(tǒng)任務的分解與子任務分派，利用任務級完成各個子任務的執(zhí)行。在機器人足球賽中的結(jié)果表明，本方法的效果要優(yōu)于傳統(tǒng)的強化學習方法。 5.提出了一種基