一种面向任务的协同多智能体联盟形成方法技术

本发明专利技术公开了一种面向任务的协同多智能体联盟形成方法，包括如下步骤：首先确定需要执行的任务，以智能体的多个能力项作为任务特征向量的基，依据需要执行的任务的侧重点，建立各能力项的权值对比较表，利用AHP方法构建任务特征向量；然后结合需要执行的任务，建立各能力项的影响因素模型，并通过AHP计算每个影响因素对所属能力项的贡献度，累加计算出对应能力项的数值，将每个能力项的数值作为分量值建立能力特征向量；将所建立的任务特征向量以及能力特征向量进行点乘，获得该智能体面向该任务时的匹配值；最后从高到低依次选取匹配值大的智能体直到所有智能体的匹配值之和满足任务需求，则所选取的智能体形成联盟。

【技术实现步骤摘要】
一种面向任务的协同多智能体联盟形成方法
本专利技术属于智能机器人
，具体涉及一种面向任务的多智能体协同特征能力值的计算方法。
技术介绍
在多智能体系统中，如何通过有效协同来完成指定的任务是一个重要的工作，作为多智能体系统中的一种基本的问题求解机制、协作方法，联盟形成技术已经成为多智能体中的一个研究热点。联盟形成后获取联盟能力值即联盟内所有Agent协同的能力，因此，如何科学地计算各智能体协同的能力是一个很重要的问题。多智能体协同分配任务的过程中，需要知道各智能体面向不同任务的协同能力，即本专利技术要讨论的内容。文献(刁兴华,方洋旺,肖冰松,毛东辉.基于多智能体联盟的多机协同空战任务分配[J].北京航空航天大学学报,2014,09:1268-1275.)中将任务分成单个智能体可以完成的不可再分的最小任务目标单元，然后通过数学建模计算出单个智能体的能力，利用特征函数计算智能体和具体目标之间的成本收益，并通过离散粒子群优化算法来形成联盟。但在现实环境中，一个任务可能并不能分解成单个智能体可以完成的任务集合，只有联盟才能完成一个任务，这时候就需要计算多智能体面向任务的协同能力，作为多智能体联盟的数据依据。
技术实现思路
有鉴于此，本专利技术提供了一种面向任务的协同多智能体联盟形成方法，该方法结合任务环境和智能体自身的状态建立智能体特征能力的向量；通过计算智能体特征能力在任务向量上的投影来完成智能体协同能力与任务匹配值的计算，达到了能够满足任务需求的联盟形成效果，提高了联盟形成效率。为了达到上述目的，本专利技术的技术方案包括如下步骤：步骤一：建立任务特征向量：确定需要执行的任务，以智能体的多个能力项作为任务特征向量的基，依据需要执行的任务的侧重点，设定各能力项的权值，建立各能力项的权值对比较表，利用层次分析法AHP构建任务特征向量。步骤二：建立能力特征向量：结合需要执行的任务，建立各能力项的影响因素模型，并通过层次分析法AHP计算每个影响因素对所属能力项的贡献度，累加计算出对应能力项的数值，将每个能力项的数值作为分量值建立能力特征向量。步骤三：针对单个智能体，将其面向同一任务所建立的任务特征向量以及能力特征向量进行点乘，获得该智能体面向该任务时的匹配值。步骤四：针对同一任务，从所有智能体中，按从高到低依次选取匹配值大的智能体直到所有智能体的匹配值之和满足任务需求，则所选取的智能体形成联盟作为面向该任务的协同体。进一步地，能力项为n项，则步骤一具体为：步骤101、建立n×n维的对比较表，该对比较表中记载每个能力项中两两之间的权值的比值，由此形成对比较表矩阵。步骤102、计算对比较表矩阵的特征值，取其最大特征值对应的特征向量进行归一化处理后作为任务特征向量。进一步地，能力项有五项，分别为：通信能力、侦察能力、打击能力、机动能力以及能量。进一步地，所需的任务为侦察任务和打击任务：则面向侦察任务的对比较表矩阵为则最大特征值λmax＝5.223，根据一致性检验公式：其中n为对比较表的维数，n＝5，RI为1.12；则CR＝0.05575<0.1满足一致性检验；通过对λmax对应的特征向量进行归一化处理，取两位有效数字，得到面向侦察任务的任务特征向量。则面向打击任务的对比较表矩阵为则最大特征值λmax＝5.0651，根据一致性检验公式1和2；公式中n＝5，RI为1.12；则CR＝0.01453<0.1满足一致性检验；通过对λmax对应的特征向量进行归一化处理，取两位有效数字，得到面向侦察任务的任务特征向量。进一步地，将智能体作为节点建立关于多个智能体的无线网络，则每个智能体作为网络中节点，其通信能力的影响因素包括受节点的度，通信质量，移动性三个因素影响：节点的度为与当前节点通信的邻居节点的数量。通信质量为当前节点接收到的平均信号强度。移动性为当前节点与邻居节点的相对运动状态。每个智能体的侦察能力的影响因素包括该智能体上所搭载的侦察载荷设备上与侦察相关的参数，其中有侦察载荷设备的作用距离、最大搜索、总方位角、发现目标概率、同时跟踪目标数量、定位精度以及分辨率。每个智能体的打击能力的影响因素包括最大火力、弹药容量、目标距离以及首发命中率。每个智能体的机动能力的影响因素包括地形高程以及地形通行性。每个智能体的能量的影响因素包括油耗以及智能体上所搭载设备的电量、与目标的距离。进一步地，对于其中一个节点vi，节点的度为其中|Ni|为邻居节点个数。通信质量Quavi为其中s表示接收灵敏度，表示两个相邻节点vi和vj之间的链路通信质量，RSSI(vij)和RSSI(vji)分别表示两相邻节点vi和vj彼此检测到的信号强度。移动性的计算方法为：若节点vi检测到节点vj在t时刻和t-1时刻的信号强度分别为和那么两相邻节点vi和vj之间的相对运动状态表示为由的符号状态就得到两相邻节点之间的相对运动状态，任意节点的移动性是其相对于所有邻居节点的平均运动状态：当前智能体通信能力为其中，参数ω1，ω2，ω3为经验设定的归一化权重因子。进一步地，智能体上搭载的侦察载荷设备为电子信号侦察设备，合成孔径雷达SAR,CCD相机三种负载设备。将这三种负载设备中的作用距离、最大搜索总方位角、发现目标概率、同时跟踪目标数量、定位精度以及分辨率6种参数量化为数据形式，组成一个3×6的矩阵A。设定6种参数对侦察能力的影响权值，然后建立6种参数的对比较表，该表中记载每个参数两两之间的权值的比值，由此形成6种参数的对比较表矩阵，计算该矩阵的最大特征值并进行AHP一致性检验，若满足一致性检验，则将该最大特征值对应的特征向量进行归一化后获得向量B。将A与B相乘，得到三项设备对侦察能力的贡献度并进行归一化，获得对应电子信号侦察设备，合成孔径雷达SAR,CCD相机三种负载设备的贡献度u1、u2、u3。在面向侦察任务时，检测获得电子信号侦察设备和SAR受到敌方信号的干扰，设干扰系数为ρerd和ρsar，则该智能体面向侦察任务时的侦察能力为在面向打击任务时，三种负载设备中，电子信号侦察设备的最大发现距离为E0，则距离目标D处的发现概率为合成孔径雷达SAR的最大发现距离为S0，则距离目标D处的发现概率为CCD相机最大发现距离为C0，则距离目标D处的发现概率为则该智能体面向打击任务的侦察能力为进一步地，面向侦察任务时，智能体的打击能力为式中Fmax为火力最强的智能体表现出的火力值，fmax为当前智能体最大的火力值，fleft为弹药容量，θ首发命中率当面向打击任务时，智能体的打击能力为其中fdist为距离优势，表示为式中，为智能体最大攻击距离；为智能体不可逃逸区最大距离。进一步地，地形高程为地形坡度对机动的影响系数α，通行性为β，则智能体的机动能力为其中，Vmax为所有智能体的最大速度值，vmax为当前智能体的最大速度，α为坡度对速度的影响系数，β为通行性。其中以γ为当前坡度的正切值，则β的取值为，当地形为公路时取1，当地形为土路时取0.8，当地形为草地时取0.6，当地形为丘陵时取0.4，当地形为沙地时取0.3，当地形为林地时取0.1。进一步地，能量的计算为：面向侦察任务时，智能体能量为：式中，lleft为智能体剩余油量可以行驶的路程，Lmax为所有智能体能行驶的最大路程，el本文档来自技高网...

【技术保护点】
一种面向任务的协同多智能体联盟形成方法，其特征在于，包括如下步骤：步骤一：建立任务特征向量：确定需要执行的任务，以智能体的多个能力项作为所述任务特征向量的基，依据需要执行的任务的侧重点，设定各能力项的权值，建立各能力项的权值对比较表，利用层次分析法AHP构建任务特征向量；步骤二：建立能力特征向量：结合需要执行的任务，建立各能力项的影响因素模型，并通过层次分析法AHP计算每个影响因素对所属能力项的贡献度，累加计算出对应能力项的数值，将每个能力项的数值作为分量值建立能力特征向量；步骤三：针对单个智能体，将其面向同一任务所建立的任务特征向量以及能力特征向量进行点乘，获得该智能体面向该任务时的匹配值；步骤四：针对同一任务，从所有智能体中，按从高到低依次选取匹配值大的智能体直到所有智能体的匹配值之和满足任务需求，则所选取的智能体形成联盟作为面向该任务的协同体。

【技术特征摘要】
1.一种面向任务的协同多智能体联盟形成方法，其特征在于，包括如下步骤：步骤一：建立任务特征向量：确定需要执行的任务，以智能体的多个能力项作为所述任务特征向量的基，依据需要执行的任务的侧重点，设定各能力项的权值，建立各能力项的权值对比较表，利用层次分析法AHP构建任务特征向量；步骤二：建立能力特征向量：结合需要执行的任务，建立各能力项的影响因素模型，并通过层次分析法AHP计算每个影响因素对所属能力项的贡献度，累加计算出对应能力项的数值，将每个能力项的数值作为分量值建立能力特征向量；步骤三：针对单个智能体，将其面向同一任务所建立的任务特征向量以及能力特征向量进行点乘，获得该智能体面向该任务时的匹配值；步骤四：针对同一任务，从所有智能体中，按从高到低依次选取匹配值大的智能体直到所有智能体的匹配值之和满足任务需求，则所选取的智能体形成联盟作为面向该任务的协同体。2.如权利要求1所述的一种面向任务的协同多智能体联盟形成方法，其特征在于，所述能力项为n项，则步骤一具体为：步骤101、建立n×n维的对比较表，该对比较表中记载每个能力项中两两之间的权值的比值，由此形成对比较表矩阵；步骤102、计算所述对比较表矩阵的特征值，取其最大特征值对应的特征向量进行归一化处理后作为任务特征向量。3.如权利要求1或者2所述的一种面向任务的协同多智能体联盟形成方法，其特征在于，所述能力项有五项，分别为：通信能力、侦察能力、打击能力、机动能力以及能量。4.如权利要求3所述的一种面向任务的协同多智能体联盟形成方法，其特征在于，所需的任务为侦察任务和打击任务：则面向侦察任务的对比较表矩阵为则最大特征值λmax＝5.223，根据一致性检验公式：其中n为对比较表的维数，n＝5，RI为1.12；则CR＝0.05575<0.1满足一致性检验；通过对λmax对应的特征向量进行归一化处理，取两位有效数字，得到面向侦察任务的任务特征向量；则面向打击任务的对比较表矩阵为则最大特征值λmax＝5.0651，根据一致性检验公式1和2；公式中n＝5，RI为1.12；则CR＝0.01453<0.1满足一致性检验；通过对λmax对应的特征向量进行归一化处理，取两位有效数字，得到面向侦察任务的任务特征向量。5.如权利要求3所述的一种面向任务的协同多智能体联盟形成方法，其特征在于，将智能体作为节点建立关于多个智能体的无线网络，则每个智能体作为网络中节点，其通信能力的影响因素包括受节点的度，通信质量，移动性三个因素影响：所述节点的度为与当前节点通信的邻居节点的数量；所述通信质量为当前节点接收到的平均信号强度；所述移动性为当前节点与邻居节点的相对运动状态；每个智能体的侦察能力的影响因素包括该智能体上所搭载的侦察载荷设备上与侦察相关的参数，其中有侦察载荷设备的作用距离、最大搜索、总方位角、发现目标概率、同时跟踪目标数量、定位精度以及分辨率；每个智能体的打击能力的影响因素包括最大火力、弹药容量、目标距离以及首发命中率；每个智能体的机动能力的影响因素包括地形高程以及地形通行性；每个智能体的能量的影响因素包括油耗以及智能体上所搭载设备的电量、与目标的距离。6.如权利要求5所述的一种面向任务的协同多智能体联盟形成方法，其特征在...

【专利技术属性】
技术研发人员：方浩，卢少磊，陈杰，任伟，杨庆凯，尉越，王雪源，李俨，商成思，邵光远，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11