多机器人任务规划方法研究
发布时间：2020-12-21 09:10
近年来,随着人工智能技术的发展,机器人技术受到国内外学者的广泛关注。目前,对单机器人的研究已取得很大进展,单机器人可完成诸如语音识别、图像识别、自然语言处理、自动控制等方面的工作。但在很多特殊场合,如外空探索、海底勘察、军事反恐、工业采矿、震后搜索与救援等,仅凭单个机器人的能力难以高效完成任务。由于多机器人在计算能力、拥有的资源以及空间分布等方面比单机器人具有明显的优势,可通过协调合作的方式完成单机器人无法完成的工作。因此,对多机器人协作的研究具有重要意义。本文主要从三个方面研究多机器人任务规划方法,分别是多机器人任务分配、多目标多机器人任务分配和多机器人路径规划。首先建立多机器人任务分配模型,并介绍一种新型群体智能优化算法——烟花算法。将烟花算法应用在解决多机器人任务分配问题上。通过优化烟花生成爆炸火花数目和爆炸幅度的计算公式以及选择策略提出一种改进的烟花算法。将改进烟花算法与原始烟花算法和几种常用的启发式算法进行对比以验证改进算法的性能。其次建立多目标多机器人任务分配模型,介绍几种典型的多目标优化算法NSGA-II、SPEA2和PESA。由于它们都是基于遗传算法的多目标优化算法,本...
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
终止条件为运行时间的多机器人任务分配结果
天津大学硕士学位论文28(a)R1(b)R2(c)R3(d)R4(e)R5(f)R6图2-3终止条件为运行时间的不同任务规模下算法收敛曲线图2-3描绘了七种算法在六个实例上某一次运行时的收敛曲线。实验过程中首先记录系统时间，当一次迭代完成时再次查询系统时间并记录当代最优结果。如果当前系统时间与算法开始执行时的系统时间之差大于表2-8所列的运行时间，则退出迭代并输出最后寻优结果。图2-3所画收敛曲线中，每一个数据代表一次迭代的最优结果，由于不同的算法在一次迭代中运行时间不同，所以不同算法运行收敛曲线的终止运行时间看似不同，其实是由于不同算法收敛曲线的时间
第2章基于烟花算法的多机器人任务分配31(b)优化结果标准差图2-4终止条件为评估次数的多机器人任务分配结果与2.5.3节的实验结果类似，在求解精度方面，改进烟花算法优于其他所有算法。但在稳定性方面，改进烟花算法效果不如遗传算法和禁忌搜索算法，并且在实例R3和实例R4上，改进烟花算法的稳定性不如人工蜂群算法。而人工鱼群算法在优化精度上仅次于改进烟花算法，但在稳定性方面处于中下水平。因此，人工鱼群算法不适用于对稳定性要求较高的场合。而对于遗传算法和禁忌搜索算法来说，由于其在稳定性方面的优势，比较适合应用在对求解精度要求不高但对为稳定性要求较高的场合。最后，人工蜂群算法和粒子群算法由于在优化精度和稳定性方面都不占优势，故实际应用时最好先对该算法进行改进或者设计一种适合具体应用的人工蜂群算法和粒子群算法。另外通过观察表2-11中的数据可以得到，当终止条件为评估次数并且任务规模和机器人数量较少时，即实例R1和实例R2，改进烟花算法和人工鱼群算法的优化性能不如禁忌搜索算法和遗传算法。这在一定程度上说明改进烟花算法和人工鱼群算法更适合解决大规模问题，而禁忌搜索算法和遗传算法倾向于解决小规模问题。
【参考文献】：
期刊论文
[1]基于改进人工势场法的飞行器轨迹规划[J]. 范世鹏,吴广,王亮,刘运鹏,李伶,祁琪. 航天控制. 2018(01)
[2]基于改进A*算法的最优路径搜索[J]. 朱云虹,袁一. 计算机技术与发展. 2018(04)
[3]人工蜂群算法综述[J]. 陈阿慧,李艳娟,郭继峰. 智能计算机与应用. 2014(06)
[4]一种新的自组装模块化群体机器人——对接机构设计与自组装控制[J]. 魏洪兴,刘淼,李德忠,王田苗. 机器人. 2010(05)
[5]多仿生机器鱼控制与协调[J]. 喻俊志,王硕,谭民. 机器人技术与应用. 2003(03)
[6]国际机器人足球(RoboCup)最新进展[J]. 陈小平. 机器人技术与应用. 2001(01)
博士论文
[1]面向智能制造的多机器人系统任务分配研究[D]. 王友发.南京大学 2016
[2]异构多机器人系统协同技术研究[D]. 刘亚波.浙江大学 2011
硕士论文
[1]Hypervolume指标及其在多目标进化算法中的应用研究[D]. 李珂.湘潭大学 2010
本文编号：2929576
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
终止条件为运行时间的多机器人任务分配结果
天津大学硕士学位论文28(a)R1(b)R2(c)R3(d)R4(e)R5(f)R6图2-3终止条件为运行时间的不同任务规模下算法收敛曲线图2-3描绘了七种算法在六个实例上某一次运行时的收敛曲线。实验过程中首先记录系统时间，当一次迭代完成时再次查询系统时间并记录当代最优结果。如果当前系统时间与算法开始执行时的系统时间之差大于表2-8所列的运行时间，则退出迭代并输出最后寻优结果。图2-3所画收敛曲线中，每一个数据代表一次迭代的最优结果，由于不同的算法在一次迭代中运行时间不同，所以不同算法运行收敛曲线的终止运行时间看似不同，其实是由于不同算法收敛曲线的时间
第2章基于烟花算法的多机器人任务分配31(b)优化结果标准差图2-4终止条件为评估次数的多机器人任务分配结果与2.5.3节的实验结果类似，在求解精度方面，改进烟花算法优于其他所有算法。但在稳定性方面，改进烟花算法效果不如遗传算法和禁忌搜索算法，并且在实例R3和实例R4上，改进烟花算法的稳定性不如人工蜂群算法。而人工鱼群算法在优化精度上仅次于改进烟花算法，但在稳定性方面处于中下水平。因此，人工鱼群算法不适用于对稳定性要求较高的场合。而对于遗传算法和禁忌搜索算法来说，由于其在稳定性方面的优势，比较适合应用在对求解精度要求不高但对为稳定性要求较高的场合。最后，人工蜂群算法和粒子群算法由于在优化精度和稳定性方面都不占优势，故实际应用时最好先对该算法进行改进或者设计一种适合具体应用的人工蜂群算法和粒子群算法。另外通过观察表2-11中的数据可以得到，当终止条件为评估次数并且任务规模和机器人数量较少时，即实例R1和实例R2，改进烟花算法和人工鱼群算法的优化性能不如禁忌搜索算法和遗传算法。这在一定程度上说明改进烟花算法和人工鱼群算法更适合解决大规模问题，而禁忌搜索算法和遗传算法倾向于解决小规模问题。
【参考文献】：
期刊论文
[1]基于改进人工势场法的飞行器轨迹规划[J]. 范世鹏,吴广,王亮,刘运鹏,李伶,祁琪. 航天控制. 2018(01)
[2]基于改进A*算法的最优路径搜索[J]. 朱云虹,袁一. 计算机技术与发展. 2018(04)
[3]人工蜂群算法综述[J]. 陈阿慧,李艳娟,郭继峰. 智能计算机与应用. 2014(06)
[4]一种新的自组装模块化群体机器人——对接机构设计与自组装控制[J]. 魏洪兴,刘淼,李德忠,王田苗. 机器人. 2010(05)
[5]多仿生机器鱼控制与协调[J]. 喻俊志,王硕,谭民. 机器人技术与应用. 2003(03)
[6]国际机器人足球(RoboCup)最新进展[J]. 陈小平. 机器人技术与应用. 2001(01)
博士论文
[1]面向智能制造的多机器人系统任务分配研究[D]. 王友发.南京大学 2016
[2]异构多机器人系统协同技术研究[D]. 刘亚波.浙江大学 2011
硕士论文
[1]Hypervolume指标及其在多目标进化算法中的应用研究[D]. 李珂.湘潭大学 2010
本文编号：2929576
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2929576.html
