RoboCup Rescue警察智能体高效行为的研究与实现

发布时间：2017-08-27 06:08

  本文关键词：RoboCup Rescue警察智能体高效行为的研究与实现

  更多相关文章： RoboCup救援仿真 警察智能体行为 人员分布 任务分配 动作模型

【摘要】：机器人救援仿真系统(RoboCup Rescue Simulation System)是典型的多智能体系统,它为促进多智能体技术、人工智能以及机器人等相关领域的研究提供了广泛的技术支持,在理论研究和实际应用方面都有巨大的价值。而警察智能体作为救援仿真系统中重要的智能体之一,其清障行为是整个救援团队高效运转的基础,对警察智能体的行为进行全面深入的研究就显得尤为重要。论文针对警察智能体的高效行为展开研究并提出一系列实现方案,具体工作如下：(1)警察智能体的行为研究对警察智能体的行为进行了分析和定义,将警察的行为归类成决策层的策略行为和执行层的动作行为,同时从面向任务的角度出发,将警察的行为分为任务获取、任务分配和任务执行三个过程。另外,从合理性、有效性和通畅性三个方面描述警察智能体行为高效性的特征。(2)警察智能体的人员分布策略根据救援仿真系统及警察智能体的特点,本文针对警察智能体的人员分布策略提出一种基于K-means算法的警察分区策略,适应不同情况下警力的有效分配实现。(3)警察智能体的任务分配策略根据救援仿真系统中智能体的通信情况,把警察智能体的任务分配分为两类：无中心智能体情境下的分布式任务分配和有中心智能体情景下的集中式任务分配;分别提出了基于任务优先级的任务分配策略和基于Hungarian算法的任务分配策略。(4)构建警察智能体的清障动作模型警察智能体的清障动作是贯彻其策略行为的保证,是实现警察智能体高效行为的基础。根据新的清障方式的特点,构建了“引导线”模型,该模型可使警察智能体沿着引导线清障前进,所走轨迹光滑平整,所清道路平滑顺畅。
【关键词】：RoboCup救援仿真 警察智能体行为 人员分布 任务分配 动作模型
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP242;TP18
【目录】：

• 中文摘要5-6
• Abstract6-9
• 第一章 绪论9-14
• 1.1 课题背景及意义9-10
• 1.2 多智能体系统高效行为研究现状10
• 1.3 机器人救援仿真研究现状10-12
• 1.3.1 国外研究现状10-11
• 1.3.2 国内研究现状11-12
• 1.4 本文主要研究内容及章节安排12-14
• 1.4.1 主要内容12-13
• 1.4.2 章节安排13-14
• 第二章 RoboCup救援仿真系统简介14-20
• 2.1 救援仿真系统(RCRSS)简介14-18
• 2.1.1 RCRSS模块14-15
• 2.1.2 RCRSS工作流程15-16
• 2.1.3 RCRSS仿真场景16-17
• 2.1.4 救援效果评价17-18
• 2.2 RCR智能体18-19
• 2.2.1 智能体的组成18
• 2.2.2 智能体体系结构18-19
• 2.3 本章小结19-20
• 第三章 警察智能体的行为研究20-26
• 3.1 警察智能体的行为分析20-23
• 3.1.1 智能体行为研究20
• 3.1.2 警察智能体行为定义20-22
• 3.1.3 警察智能体的策略行为22
• 3.1.4 警察智能体的动作行为22-23
• 3.2 警察智能体行为的高效性分析23-25
• 3.2.1 合理性23
• 3.2.2 有效性23
• 3.2.3 通畅性23-25
• 3.3 本章小结25-26
• 第四章 警察智能体的人员分布策略26-34
• 4.1 K-means算法描述26-27
• 4.1.1 K-means算法及其应用现状26
• 4.1.2 K-means算法原理26-27
• 4.2 基于K-means算法的警察分区策略27-30
• 4.2.1 K-means算法初始分区28-29
• 4.2.2 分区方法的修正29
• 4.2.3 警察获取指派分区29-30
• 4.2.4 警察分区的动态调整30
• 4.3 K-means分区基础上的二次分区30-31
• 4.3.1 二次分区目的30
• 4.3.2 二次分区原理及方法30-31
• 4.4 仿真实验及分析31-33
• 4.6 本章小结33-34
• 第五章 警察智能体的任务分配策略34-48
• 5.1 任务分配问题综述34-35
• 5.1.1 分布式任务分配34-35
• 5.1.2 集中式任务分配35
• 5.2 基于任务优先级的警察任务分配与协作35-41
• 5.2.1 分布式的警察任务分配方法研究现状35-36
• 5.2.2 基于任务优先级的警察任务分配策略原理36-38
• 5.2.3 清障任务列表的更新38-41
• 5.3 基于Hungarian算法集中式的任务分配方法41-45
• 5.3.1 集中式警察任务分配问题描述41-42
• 5.3.2 Hungarian算法描述42
• 5.3.3 基于Hungarian算法的中心智能体决策42-44
• 5.3.4 警察个体决策44-45
• 5.4 仿真实验与分析45-47
• 5.5 本章小结47-48
• 第六章 警察智能体的清障动作模型48-56
• 6.1 警察智能体清障机理48-50
• 6.1.1 障碍物(Blockade)48-49
• 6.1.2 清障仿真器(ClearSimulator)49-50
• 6.2 引导线模型原理及建模50-54
• 6.2.1 引导线模型原理50-51
• 6.2.2 引导线GuideLine类的定义51
• 6.2.3 基于引导线模型的清障工具51-54
• 6.3 仿真实验及分析54-55
• 6.4 本章小结55-56
• 第七章 总结与展望56-58
• 7.1 研究内容总结56
• 7.2 未来工作展望56-58
• 致谢58-59
• 参考文献59-62
• 附录62-71
• 攻读硕士学位期间发表的论文71-72
• 攻读硕士学位期间获得的奖励72

【参考文献】

中国期刊全文数据库 前10条

1 游峰;张荣辉;李福j;冯琼莹;徐建闽;;基于K-means算法的行人检测方法研究[J];公路交通科技;2014年07期

2 聂晓伟;;基于K-Means算法的雷达信号预分选方法[J];电子科技;2013年11期

3 刘美菊;刘冬;刘剑;;基于匈牙利算法的群控电梯调度的实现[J];沈阳建筑大学学报(自然科学版);2013年05期

4 张朝潮;杨宜民;;RoboCup救援仿真中多警察Agent的任务合作方法[J];计算机与现代化;2013年04期

5 TB俊涛;;青年大学生文明行为内容解析[J];教育教学论坛;2012年09期

6 唐苏妍;朱一凡;李群;雷永林;;多Agent系统任务分配方法综述[J];系统工程与电子技术;2010年10期

7 张晓翊;孟德欣;余翠兰;;基于K-means算法的学生试卷成绩分析[J];宁波大学学报(理工版);2010年04期

8 王小红;;改进的K-均值聚类算法在社团划分中的应用[J];青海师范大学学报(自然科学版);2009年02期

9 丁雄;;基于匈牙利算法的人力资源优化配置技术[J];湖南工业职业技术学院学报;2008年02期

10 孟宪春;丁承君;段萍;郭胜辉;;多智能体技术的发展和应用现状[J];河北工业大学学报;2006年03期

，

本文编号：744726