多機器人任務規(guī)劃方法研究
發(fā)布時間：2020-12-21 09:10
近年來,隨著人工智能技術的發(fā)展,機器人技術受到國內外學者的廣泛關注。目前,對單機器人的研究已取得很大進展,單機器人可完成諸如語音識別、圖像識別、自然語言處理、自動控制等方面的工作。但在很多特殊場合,如外空探索、海底勘察、軍事反恐、工業(yè)采礦、震后搜索與救援等,僅憑單個機器人的能力難以高效完成任務。由于多機器人在計算能力、擁有的資源以及空間分布等方面比單機器人具有明顯的優(yōu)勢,可通過協調合作的方式完成單機器人無法完成的工作。因此,對多機器人協作的研究具有重要意義。本文主要從三個方面研究多機器人任務規(guī)劃方法,分別是多機器人任務分配、多目標多機器人任務分配和多機器人路徑規(guī)劃。首先建立多機器人任務分配模型,并介紹一種新型群體智能優(yōu)化算法——煙花算法。將煙花算法應用在解決多機器人任務分配問題上。通過優(yōu)化煙花生成爆炸火花數目和爆炸幅度的計算公式以及選擇策略提出一種改進的煙花算法。將改進煙花算法與原始煙花算法和幾種常用的啟發(fā)式算法進行對比以驗證改進算法的性能。其次建立多目標多機器人任務分配模型,介紹幾種典型的多目標優(yōu)化算法NSGA-II、SPEA2和PESA。由于它們都是基于遺傳算法的多目標優(yōu)化算法,本...
【文章來源】：天津大學天津市 211工程院校 985工程院校 教育部直屬院校
【文章頁數】：83 頁
【學位級別】：碩士
【部分圖文】：
終止條件為運行時間的多機器人任務分配結果
天津大學碩士學位論文28(a)R1(b)R2(c)R3(d)R4(e)R5(f)R6圖2-3終止條件為運行時間的不同任務規(guī)模下算法收斂曲線圖2-3描繪了七種算法在六個實例上某一次運行時的收斂曲線。實驗過程中首先記錄系統(tǒng)時間，當一次迭代完成時再次查詢系統(tǒng)時間并記錄當代最優(yōu)結果。如果當前系統(tǒng)時間與算法開始執(zhí)行時的系統(tǒng)時間之差大于表2-8所列的運行時間，則退出迭代并輸出最后尋優(yōu)結果。圖2-3所畫收斂曲線中，每一個數據代表一次迭代的最優(yōu)結果，由于不同的算法在一次迭代中運行時間不同，所以不同算法運行收斂曲線的終止運行時間看似不同，其實是由于不同算法收斂曲線的時間
第2章基于煙花算法的多機器人任務分配31(b)優(yōu)化結果標準差圖2-4終止條件為評估次數的多機器人任務分配結果與2.5.3節(jié)的實驗結果類似，在求解精度方面，改進煙花算法優(yōu)于其他所有算法。但在穩(wěn)定性方面，改進煙花算法效果不如遺傳算法和禁忌搜索算法，并且在實例R3和實例R4上，改進煙花算法的穩(wěn)定性不如人工蜂群算法。而人工魚群算法在優(yōu)化精度上僅次于改進煙花算法，但在穩(wěn)定性方面處于中下水平。因此，人工魚群算法不適用于對穩(wěn)定性要求較高的場合。而對于遺傳算法和禁忌搜索算法來說，由于其在穩(wěn)定性方面的優(yōu)勢，比較適合應用在對求解精度要求不高但對為穩(wěn)定性要求較高的場合。最后，人工蜂群算法和粒子群算法由于在優(yōu)化精度和穩(wěn)定性方面都不占優(yōu)勢，故實際應用時最好先對該算法進行改進或者設計一種適合具體應用的人工蜂群算法和粒子群算法。另外通過觀察表2-11中的數據可以得到，當終止條件為評估次數并且任務規(guī)模和機器人數量較少時，即實例R1和實例R2，改進煙花算法和人工魚群算法的優(yōu)化性能不如禁忌搜索算法和遺傳算法。這在一定程度上說明改進煙花算法和人工魚群算法更適合解決大規(guī)模問題，而禁忌搜索算法和遺傳算法傾向于解決小規(guī)模問題。
【參考文獻】：
期刊論文
[1]基于改進人工勢場法的飛行器軌跡規(guī)劃[J]. 范世鵬,吳廣,王亮,劉運鵬,李伶,祁琪. 航天控制. 2018(01)
[2]基于改進A*算法的最優(yōu)路徑搜索[J]. 朱云虹,袁一. 計算機技術與發(fā)展. 2018(04)
[3]人工蜂群算法綜述[J]. 陳阿慧,李艷娟,郭繼峰. 智能計算機與應用. 2014(06)
[4]一種新的自組裝模塊化群體機器人——對接機構設計與自組裝控制[J]. 魏洪興,劉淼,李德忠,王田苗. 機器人. 2010(05)
[5]多仿生機器魚控制與協調[J]. 喻俊志,王碩,譚民. 機器人技術與應用. 2003(03)
[6]國際機器人足球(RoboCup)最新進展[J]. 陳小平. 機器人技術與應用. 2001(01)
博士論文
[1]面向智能制造的多機器人系統(tǒng)任務分配研究[D]. 王友發(fā).南京大學 2016
[2]異構多機器人系統(tǒng)協同技術研究[D]. 劉亞波.浙江大學 2011
碩士論文
[1]Hypervolume指標及其在多目標進化算法中的應用研究[D]. 李珂.湘潭大學 2010
本文編號：2929576
【文章來源】：天津大學天津市 211工程院校 985工程院校 教育部直屬院校
【文章頁數】：83 頁
【學位級別】：碩士
【部分圖文】：
終止條件為運行時間的多機器人任務分配結果
天津大學碩士學位論文28(a)R1(b)R2(c)R3(d)R4(e)R5(f)R6圖2-3終止條件為運行時間的不同任務規(guī)模下算法收斂曲線圖2-3描繪了七種算法在六個實例上某一次運行時的收斂曲線。實驗過程中首先記錄系統(tǒng)時間，當一次迭代完成時再次查詢系統(tǒng)時間并記錄當代最優(yōu)結果。如果當前系統(tǒng)時間與算法開始執(zhí)行時的系統(tǒng)時間之差大于表2-8所列的運行時間，則退出迭代并輸出最后尋優(yōu)結果。圖2-3所畫收斂曲線中，每一個數據代表一次迭代的最優(yōu)結果，由于不同的算法在一次迭代中運行時間不同，所以不同算法運行收斂曲線的終止運行時間看似不同，其實是由于不同算法收斂曲線的時間
第2章基于煙花算法的多機器人任務分配31(b)優(yōu)化結果標準差圖2-4終止條件為評估次數的多機器人任務分配結果與2.5.3節(jié)的實驗結果類似，在求解精度方面，改進煙花算法優(yōu)于其他所有算法。但在穩(wěn)定性方面，改進煙花算法效果不如遺傳算法和禁忌搜索算法，并且在實例R3和實例R4上，改進煙花算法的穩(wěn)定性不如人工蜂群算法。而人工魚群算法在優(yōu)化精度上僅次于改進煙花算法，但在穩(wěn)定性方面處于中下水平。因此，人工魚群算法不適用于對穩(wěn)定性要求較高的場合。而對于遺傳算法和禁忌搜索算法來說，由于其在穩(wěn)定性方面的優(yōu)勢，比較適合應用在對求解精度要求不高但對為穩(wěn)定性要求較高的場合。最后，人工蜂群算法和粒子群算法由于在優(yōu)化精度和穩(wěn)定性方面都不占優(yōu)勢，故實際應用時最好先對該算法進行改進或者設計一種適合具體應用的人工蜂群算法和粒子群算法。另外通過觀察表2-11中的數據可以得到，當終止條件為評估次數并且任務規(guī)模和機器人數量較少時，即實例R1和實例R2，改進煙花算法和人工魚群算法的優(yōu)化性能不如禁忌搜索算法和遺傳算法。這在一定程度上說明改進煙花算法和人工魚群算法更適合解決大規(guī)模問題，而禁忌搜索算法和遺傳算法傾向于解決小規(guī)模問題。
【參考文獻】：
期刊論文
[1]基于改進人工勢場法的飛行器軌跡規(guī)劃[J]. 范世鵬,吳廣,王亮,劉運鵬,李伶,祁琪. 航天控制. 2018(01)
[2]基于改進A*算法的最優(yōu)路徑搜索[J]. 朱云虹,袁一. 計算機技術與發(fā)展. 2018(04)
[3]人工蜂群算法綜述[J]. 陳阿慧,李艷娟,郭繼峰. 智能計算機與應用. 2014(06)
[4]一種新的自組裝模塊化群體機器人——對接機構設計與自組裝控制[J]. 魏洪興,劉淼,李德忠,王田苗. 機器人. 2010(05)
[5]多仿生機器魚控制與協調[J]. 喻俊志,王碩,譚民. 機器人技術與應用. 2003(03)
[6]國際機器人足球(RoboCup)最新進展[J]. 陳小平. 機器人技術與應用. 2001(01)
博士論文
[1]面向智能制造的多機器人系統(tǒng)任務分配研究[D]. 王友發(fā).南京大學 2016
[2]異構多機器人系統(tǒng)協同技術研究[D]. 劉亞波.浙江大學 2011
碩士論文
[1]Hypervolume指標及其在多目標進化算法中的應用研究[D]. 李珂.湘潭大學 2010
本文編號：2929576
本文鏈接：http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/2929576.html
