基于效用評價的多機器人系統(tǒng)任務(wù)分配算法研究與應用.pdf

1、受國民經(jīng)濟及人民生活需求的驅(qū)動，機器人技術(shù)得到了快速的發(fā)展，一些領(lǐng)域?qū)C器人的要求越來越高，單個機器人能力的提高仍難以滿足新的需求，因此，機器人系統(tǒng)的設(shè)計和應用開始從單機器人系統(tǒng)轉(zhuǎn)向多機器人系統(tǒng)。與單機器人系統(tǒng)相比，多機器人系統(tǒng)有著無法比擬的優(yōu)勢，然而多機器人系統(tǒng)能否優(yōu)于單機器人系統(tǒng)的關(guān)鍵是多機器人系統(tǒng)中的機器人成員能否通力合作，高效地完成全局任務(wù)。近年來，多機器人系統(tǒng)任務(wù)分配成為多機器人系統(tǒng)研究領(lǐng)域的基礎(chǔ)性問題之一，其重要性隨系統(tǒng)規(guī)模

2、和任務(wù)復雜度的增加而迅速增加。 本文的主要內(nèi)容包括： 1.首先介紹了多機器人系統(tǒng)的研究背景及意義；分析了多機器人系統(tǒng)任務(wù)分配的研究現(xiàn)狀，并總結(jié)了多機器人系統(tǒng)任務(wù)分配研究中現(xiàn)存的問題。并簡要介紹了Q學習和自適應神經(jīng)模糊推理系統(tǒng)的理論知識。 2.提出一種基于效用評價的任務(wù)分配算法，在Q學習算法基礎(chǔ)上引入具有較好泛化能力的自適應神經(jīng)模糊推理系統(tǒng)，設(shè)計了基于模糊-神經(jīng)Q學習的效用評價網(wǎng)絡(luò)結(jié)構(gòu)。通過在線學習調(diào)整算法的參數(shù)值

3、，不斷提高效用評價的準確性。設(shè)計全局獎賞函數(shù)從而使每個機器人根據(jù)各自的任務(wù)評價進行任務(wù)分配，實現(xiàn)全局任務(wù)的分配。并對算法性能進行了分析。 3.研究了基于效用評價的任務(wù)分配算法在RoboCup2D足球仿真平臺中的應用，將該算法應用于Gdut_Tiji足球機器人球隊中，并具體描述了任務(wù)效用評價和任務(wù)選擇的實現(xiàn)，通過具體比賽驗證了算法的有效性。 論文最后對全文進行了總結(jié)，說明了主要研究成果，同時指出自己的不足和有待進一步研究的