多機器人路徑規(guī)劃研究方法

《多機器人路徑規(guī)劃研究方法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、多機器人路徑規(guī)劃研究方法[字體：大中小]張亞鳴　雷小宇　楊勝躍　樊曉平　瞿志華　賈占朝摘要：在查閱大量文獻的基礎(chǔ)上對多機器人路徑規(guī)劃的主要研究內(nèi)容和研究現(xiàn)狀進行了分析和總結(jié)，討論了多機器人路徑規(guī)劃方法的評判標準，并闡述了研究遇到的瓶頸問題，展望了多機器人路徑規(guī)劃方法的發(fā)展趨勢。　　　　關(guān)鍵詞：多機器人；路徑規(guī)劃；強化學(xué)習(xí)；評判準則　　　Abstract:Thispaperanalyzedandconcludedthemainmethodandcurrentresearchofthepathplanningresearchformultirobot.T

2、hendiscussedthecriterionofpathplanningresearchformultirobotbasedlargeofliterature.Meanwhile,itexpoundedthebottleneckofthepathplanningresearchformultirobot，forecastedthefuturedevelopmentofmultirobotpathplanning.　　Keywords:multirobot；pathplanning;rEinforcementlearning;evaluating

3、criteria　　　　近年來，分布式人工智能(DAI)成為人工智能研究的一個重要分支。DAI研究大致可以分為DPS（distributedproblemsolving）和MAS（multiagentsystem）兩個方面。一些從事機器人學(xué)的研究人員受多智能體系統(tǒng)研究的啟發(fā)，將智能體概念應(yīng)用于多機器人系統(tǒng)的研究中，將單個機器人視做一個能獨立執(zhí)行特定任務(wù)的智能體，并把這種多機器人系統(tǒng)稱為多智能體機器人系統(tǒng)（MARS）。因此，本文中多機器人系統(tǒng)等同于多智能體機器人系統(tǒng)。目前，多機器人系統(tǒng)已經(jīng)成為學(xué)術(shù)界研究的熱點,而路徑規(guī)劃研究又是其核心部分。　　機器人路

4、徑規(guī)劃問題可以建模為一個帶約束的優(yōu)化問題，其包括地理環(huán)境信息建模、路徑規(guī)劃、定位和避障等任務(wù)，它是移動機器人導(dǎo)航與控制的基礎(chǔ)。單個移動機器人路徑規(guī)劃研究一直是機器人研究的重點，且已經(jīng)有許多成果[1~3]，例如在靜態(tài)環(huán)境中常見的有連接圖法、可視圖法、切線圖法、Voronoi圖法、自由空間法、柵格法、拓撲法、鏈接圖法、DempsterShafer證據(jù)理論建圖等；動態(tài)環(huán)境中常見的有粒子群算法、免疫算法、遺傳算法、神經(jīng)網(wǎng)絡(luò)、蟻群算法、模擬退火算法、人工勢場法等。然而，多機器人路徑規(guī)劃研究比單個機器人路徑規(guī)劃要復(fù)雜得多，必須考慮多機器人系統(tǒng)中機器人之間的避碰機制、機

5、器人之間的相互協(xié)作機制、通信機制等問題。　　　　1多機器人路徑規(guī)劃方法　　　　單個機器人的路徑規(guī)劃是找出從起始點至終點的一條最短無碰路徑。多個機器人的路徑規(guī)劃側(cè)重考慮整個系統(tǒng)的最優(yōu)路徑，如系統(tǒng)的總耗時間最少路徑或是系統(tǒng)總路徑最短等。從目前國內(nèi)外的研究來看，在規(guī)劃多機器人路徑時，更多考慮的是多機器人之間的協(xié)調(diào)和合作式的路徑規(guī)劃。　　　　　　目前國內(nèi)外多機器人路徑規(guī)劃研究方法分為傳統(tǒng)方法、智能優(yōu)化方法和其他方法三大類。其中傳統(tǒng)方法主要有基于圖論的方法（如可視圖法、自由空間法、柵格法、Voronoi圖法以及人工勢場方法等）；智能優(yōu)化方法主要有遺傳算法、蟻群算

6、法、免疫算法、神經(jīng)網(wǎng)絡(luò)、強化學(xué)習(xí)等；其他方法主要有動態(tài)規(guī)劃、最優(yōu)控制算法、模糊控制等。它們中的大部分都是從單個機器人路徑規(guī)劃方法擴展而來的。　　1）傳統(tǒng)方法多機器人路徑規(guī)劃傳統(tǒng)方法的特點主要體現(xiàn)在基于圖論的基礎(chǔ)上。方法一般都是先將環(huán)境構(gòu)建成一個圖，然后再從圖中尋找最優(yōu)的路徑。其優(yōu)點是比較簡單，比較容易實現(xiàn)；缺點是得到的路徑有可能不是最優(yōu)路徑，而是次優(yōu)路徑。薄喜柱等人[4]提出的一種新路徑規(guī)劃方法的基本思想就是基于柵格類的環(huán)境表示和障礙地圖的。而人工勢場方法的基本思想是將移動機器人在環(huán)境中的運動視為一種虛擬人工受力場中的運動。障礙物對移動機器人產(chǎn)生斥力，目標

7、點產(chǎn)生引力，引力和斥力周圍由一定的算法產(chǎn)生相應(yīng)的勢，機器人在勢場中受到抽象力作用,抽象力使得機器人繞過障礙物。其優(yōu)點是適合未知環(huán)境下的規(guī)劃，不會出現(xiàn)維數(shù)爆炸問題；但是人工勢場法也容易陷入局部最小，并且存在丟失解的部分有用信息的可能。顧國昌等人[5]提出了引用總體勢減小的動態(tài)調(diào)度技術(shù)的多機器人路徑規(guī)劃，較好地解決了這個問題。　　2）智能優(yōu)化方法多機器人路徑規(guī)劃的智能優(yōu)化方（算）法是隨著近年來智能計算發(fā)展而產(chǎn)生的一些新方法。其相對于傳統(tǒng)方法更加智能化，且日益成為國內(nèi)外研究的重點。　　遺傳算法是近年來計算智能研究的熱點，作為一種基于群體進化的概率優(yōu)化方法，適用

8、于處理傳統(tǒng)搜索算法難以解決的復(fù)雜和非線性問題，如多機