隨著機(jī)器人應(yīng)用領(lǐng)域的拓展,多機(jī)器人系統(tǒng)協(xié)作搜索目標(biāo)的研究在資源勘探、軍事偵察、反恐排雷、災(zāi)后搜索與救援等方面具有廣闊的應(yīng)用前景。目前,對(duì)移動(dòng)機(jī)器人的智能化控制要求越來越高,而智能優(yōu)化算法的自組織機(jī)制能自適應(yīng)地與多機(jī)器人系統(tǒng)相匹配,將智能優(yōu)化算法應(yīng)用于多機(jī)器人協(xié)作搜索具有較明顯的優(yōu)勢(shì)。本文針對(duì)障礙物和目標(biāo)位置無先驗(yàn)信息的未知環(huán)境,深入研究了基于智能優(yōu)化算法的多機(jī)器人目標(biāo)搜索問題。具體研究工作與貢獻(xiàn)總結(jié)如下:（1）針對(duì)未知環(huán)境下多機(jī)器人靜態(tài)單目標(biāo)搜索問題,提出了一種基于粒子群優(yōu)化與果蠅優(yōu)化算法的多群混合算法。首先,引入自適應(yīng)慣性權(quán)重改進(jìn)粒子群優(yōu)化算法,提出了多群自適應(yīng)系數(shù)的改進(jìn)果蠅算法,為改進(jìn)的粒子群優(yōu)化算法尋找下一個(gè)最優(yōu)的機(jī)器人位置提供了更好的選擇機(jī)制。其次,采用的多群策略擴(kuò)大了搜索范圍,提高了機(jī)器人搜索的多樣性,有效地避免了早熟收斂和陷入局部最優(yōu)。此外,當(dāng)機(jī)器人陷入局部最優(yōu)狀態(tài)時(shí),引入多尺度協(xié)同變異逃逸機(jī)制可以提高機(jī)器人的逃逸能力和避障能力,提高機(jī)器人的搜索速度和搜索成功率。從實(shí)驗(yàn)結(jié)果可以看出,該算法在迭代次數(shù)、成功率和效率等方面優(yōu)于兩種對(duì)比算法（自適應(yīng)機(jī)器人粒子群優(yōu)化算法、機(jī)器人粒子... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：129 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

仿真實(shí)驗(yàn)環(huán)境示意圖

博士學(xué)位論文25過增加“聚集度”或降低“進(jìn)化速度”，增大了慣性權(quán)重，有助于機(jī)器人保持多樣性。如圖2.4(i)所示，當(dāng)右子群在迭代68次找到目標(biāo)時(shí)，另一個(gè)機(jī)器人子群離目標(biāo)位置還有較長(zhǎng)的路要走。在此實(shí)驗(yàn)中，RPSO、A-RPSO和MFPSO的運(yùn)行時(shí)間分別為27.389242秒、22.519030秒、13.162226秒�？傊�，MFPSO算法試圖保持機(jī)器人之間的多樣性。多群策略擴(kuò)大了機(jī)器人的搜索范圍，可以提高搜索的多樣性和搜索速度，實(shí)現(xiàn)有效的搜索，較好的避免局部最優(yōu)和早熟收斂。與其它兩種算法相比，迭代次數(shù)和運(yùn)行時(shí)間小于對(duì)比算法，MFPSO算法更高效。(a)t=20(b)t=50(c)t=113(d)t=20(e)t=50(f)t=95(g)t=20(h)t=50(i)t=68圖2.4機(jī)器人初始位置分散在頂部區(qū)間的軌跡比較在圖2.5中，6個(gè)機(jī)器人的初始位置在同一區(qū)域(搜索空間的右上角)，機(jī)器人彼此靠得很近，機(jī)器人的多樣性也越來越校圖2.5(a-c)為RPSO的搜索軌跡，圖2.5(d-f)為A-RPSO的搜索軌跡，圖2.5(g-i)為MFPSO的搜索軌跡。因?yàn)樗鼈兊某跏妓俣群苄�，所以機(jī)器人在開始搜索時(shí)只有緩慢的運(yùn)動(dòng)，而由于多樣性的缺失，機(jī)器人搜索較慢。在此情況下，RPSO和A-RPSO都面臨著收斂速度慢的問題。雖然A-RPSO的方法已經(jīng)做了一些改進(jìn)，這有助于機(jī)器人更好地移動(dòng)，防止它們彼此靠得太近，但仍然只有一個(gè)全

未知環(huán)境下基于智能優(yōu)化算法的多機(jī)器人目標(biāo)搜索研究26局最優(yōu)解，解決多樣性問題的效果并不明顯。MFPSO由于多群策略的存在，使得算法有了更好的解決方案，而不是只使用一個(gè)機(jī)器人群進(jìn)行目標(biāo)搜索，而是將多個(gè)機(jī)器人群分為多個(gè)子群；子群在搜索空間中獨(dú)立移動(dòng)，弱化了向全局最優(yōu)靠攏的影響，因此多個(gè)子群改善了機(jī)器人搜索的多樣性和提高了搜索速度。同時(shí)，慣性權(quán)重的智能變化有助于保持機(jī)器人之間的多樣性。此外，IFOA在尋找最優(yōu)解時(shí)具有較好的發(fā)散性，每個(gè)機(jī)器人都利用果蠅的優(yōu)勢(shì)，為機(jī)器人找到下一個(gè)最佳位置提供更好的初始選擇機(jī)制。并且每一個(gè)機(jī)器人采用一組果蠅子群的策略，可以增強(qiáng)多樣性，實(shí)現(xiàn)有效的探索，避免局部最優(yōu)和早熟收斂。如圖2.5所示，MFPSO可以在迭代79次快速找到目標(biāo)，而RPSO在迭代113次找到目標(biāo)，A-RPSO在迭代92次找到目標(biāo)。RPSO、A-RPSO和MFPSO的運(yùn)行時(shí)間分別為27.389242秒、20.743172秒、15.424626秒。與RPSO和A-RPSO方法相比，MFPSO算法具有更好的性能。(a)t=40(b)t=70(c)t=113(d)t=40(e)t=70(f)t=92(g)t=40(h)t=70(i)t=79圖2.5機(jī)器人初始位置在同一區(qū)域的軌跡比較

【參考文獻(xiàn)】：
期刊論文
[1]蝙蝠算法研究及應(yīng)用綜述[J]. 許德剛,趙萍.  計(jì)算機(jī)工程與應(yīng)用. 2019(15)
[2]基于動(dòng)態(tài)圍捕點(diǎn)的多機(jī)器人協(xié)同策略[J]. 李瑞珍,楊惠珍,蕭叢杉.  控制工程. 2019(03)
[3]灰狼優(yōu)化算法研究綜述[J]. 張曉鳳,王秀英.  計(jì)算機(jī)科學(xué). 2019(03)
[4]智能仿生算法在移動(dòng)機(jī)器人路徑規(guī)劃優(yōu)化中的應(yīng)用綜述[J]. 于振中,李強(qiáng),樊啟高.  計(jì)算機(jī)應(yīng)用研究. 2019(11)
[5]柵格地圖中多機(jī)器人協(xié)作搜索目標(biāo)[J]. 曹翔,孫長(zhǎng)銀.  控制理論與應(yīng)用. 2018(03)
[6]基于自組織算法的情感機(jī)器人追捕任務(wù)分配[J]. 孫博寒,王浩,方寶富,凌兆龍,林杰華.  機(jī)器人. 2017(05)
[7]基于SURF特征的多機(jī)器人柵格地圖拼接方法[J]. 唐宏偉,孫煒,楊凱,林安平,呂云峰,程熙.  電子測(cè)量與儀器學(xué)報(bào). 2017(06)
[8]基于一種改進(jìn)A*算法的移動(dòng)機(jī)器人路徑規(guī)劃[J]. 孫煒,呂云峰,唐宏偉,薛敏.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[9]果蠅優(yōu)化算法研究綜述[J]. 王林,呂盛祥,曾宇容.  控制與決策. 2017(07)
[10]具有自適應(yīng)搜索策略的灰狼優(yōu)化算法[J]. 魏政磊,趙輝,韓邦杰,孫楚,李牧東.  計(jì)算機(jī)科學(xué). 2017(03)

博士論文
[1]風(fēng)管清掃機(jī)器人同時(shí)定位與地圖創(chuàng)建方法研究[D]. 王聰.湖南大學(xué) 2017
[2]加工時(shí)間可控的多目標(biāo)車間調(diào)度問題研究[D]. 盧超.華中科技大學(xué) 2017
[3]生物啟發(fā)的多機(jī)器人系統(tǒng)編隊(duì)控制與協(xié)同搜索[D]. 李峰.東華大學(xué) 2017
[4]自主移動(dòng)機(jī)器人運(yùn)動(dòng)控制與協(xié)調(diào)方法研究[D]. 繆志強(qiáng).湖南大學(xué) 2016
[5]多移動(dòng)機(jī)器人路徑規(guī)劃研究[D]. 馬勇.華中科技大學(xué) 2012
[6]多機(jī)器人系統(tǒng)的動(dòng)態(tài)路徑規(guī)劃方法研究[D]. 雷艷敏.哈爾濱工程大學(xué) 2011
[7]基于強(qiáng)化學(xué)習(xí)的多機(jī)器人追捕問題研究[D]. 李珺.哈爾濱工業(yè)大學(xué) 2010
[8]面向目標(biāo)搜索的群機(jī)器人協(xié)調(diào)控制及其仿真研究[D]. 薛頌東.蘭州理工大學(xué) 2009

碩士論文
[1]動(dòng)態(tài)環(huán)境中多機(jī)器人任務(wù)分配與路徑規(guī)劃[D]. 張飛.湖南大學(xué) 2018
[2]未知復(fù)雜環(huán)境下群機(jī)器人多目標(biāo)搜索研究[D]. 張?chǎng)?湖南科技大學(xué) 2017
[3]分布視覺下多移動(dòng)機(jī)器人的定位與協(xié)作圍捕研究[D]. 趙榮.江蘇科技大學(xué) 2017
[4]無人機(jī)影像序列拼接技術(shù)的研究與實(shí)現(xiàn)[D]. 潘梅.西南科技大學(xué) 2015
[5]面向多目標(biāo)搜索的群機(jī)器人協(xié)同控制研究[D]. 張?jiān)普?太原科技大學(xué) 2014
[6]不同定位機(jī)制下的群機(jī)器人目標(biāo)搜索與定位研究[D]. 昝云龍.太原科技大學(xué) 2012
[7]未知環(huán)境中移動(dòng)機(jī)器人目標(biāo)搜索方法的研究[D]. 馬志偉.延邊大學(xué) 2012



本文編號(hào)：3565167