多机器人任务分配及路径规划方法技术

多机器人任务分配及路径规划方法，包括主要步骤如下：1：初始化多机器人与任务的信息：设置机器人的初始化状态参数、环境中任务的信息；获取机器人位置、速度以及最大电量和任务的位置等数据信息；2：多机器人任务分配：计算各机器人与任务之间的综合代价数据，综合考虑机器人电量、工作时间以及最大任务数等因素，按综合代价最小的准则将任务进行分配至机器人；3：机器人路径规划方法：依次使用本发明专利技术的改进免疫遗传算法对机器人进行路径规划。该方法能将多个任务有效的分配至多个机器人，并且在机器人路径规划过程中，使用改进的免疫遗传算法能有效的减少算法的迭代次数，提高免疫遗传算法的全局最优解的搜索效率，求解到的最优解更短。

Task assignment and path planning method for multi robot

Multi robot task allocation and path planning method, including the main steps are as follows: 1: initialization of multi robot and task information: task initialization parameter, environment settings of the robot's information; to get the position of the robot, speed and maximum power and task position data; 2: multi robot task allocation: Comprehensive cost calculation of the robot and task data, considering the robot power, working time and the maximum number of tasks and other factors, according to the criterion of minimum cost for tasks assigned to the robot; 3: robot path planning method: improved immune genetic algorithm in order to use the invention for robot path planning. This method can be more effective to a robot task allocation, and in robot path planning process, using the improved immune genetic algorithm can effectively reduce the number of iterations of the algorithm, improve the global optimal solution of the immune genetic algorithm to solve the search efficiency, the optimal solution is shorter.

【技术实现步骤摘要】
多机器人任务分配及路径规划方法
本专利技术属于多机器人
，涉及多机器人的任务分配以及路径规划的方法，特别涉及一种基于改进的免疫遗传算法的多机器人路径规划方法。
技术介绍
随着机器人技术的快速进步，机器人已经被广泛的应用在工业、军事、服务业以及危险环境探索等领域；伴随着各领域对机器人的要求不断提高，机器人的工作任务越来越复杂化，由于单个的机器人不管是在数据的获取还是处理数据的能力都难以满足当前的需求。相比较单机器人而言，多机器人具备诸多优点，如多机器人数据采集信息及处理结果共享，机器人合作完成复杂的工作等。但多机器人在环境探索策略的研究同时也比单机器人复杂度高，因此多机器人任务分配及环境探索成为目前移动机器人研究的重点和热门领域。多机器人任务分配是指将环境中的多个任务按照一定的规则分配给环境中的多个机器人，因为当多个机器人协同合作时，可以充分发挥各机器人所长，更优的完成任务。对于机器人环境探索任务中一个基础的问题是为机器人找出一条探索的最优路径，使得多机器人更好的完成环境探索任务。机器人路径规划的方法，近年来出现一些智能方法，如免疫遗传算法、改进遗传算法以及神经网络方法等。免疫遗本文档来自技高网...

【技术保护点】
一种多机器人任务分配及路径规划方法，其特征在于：所诉方法包括主要步骤如下：步骤1：初始化多机器人与任务的信息：设置机器人的初始化状态参数、环境中任务的信息；获取机器人位置、速度以及最大电量和任务的位置数据信息；步骤2：多机器人任务分配：计算各机器人与任务之间的综合代价数据，综合考虑机器人电量、工作时间以及最大任务数因素，按综合代价最小的准则将任务进行分配至机器人；步骤3：机器人路径规划方法：对免疫遗传算法的初始解部分采用随机生成与产生特定的初始解相结合，使得算法接近机器人路径的全局最优解；在免疫遗传算法计算路径抗体相似度时，充分考虑路径的环形因素，使用相似边的数量与路径抗体适应度部分的相似性综...

【技术特征摘要】
1.一种多机器人任务分配及路径规划方法，其特征在于：所诉方法包括主要步骤如下：步骤1：初始化多机器人与任务的信息：设置机器人的初始化状态参数、环境中任务的信息；获取机器人位置、速度以及最大电量和任务的位置数据信息；步骤2：多机器人任务分配：计算各机器人与任务之间的综合代价数据，综合考虑机器人电量、工作时间以及最大任务数因素，按综合代价最小的准则将任务进行分配至机器人；步骤3：机器人路径规划方法：对免疫遗传算法的初始解部分采用随机生成与产生特定的初始解相结合，使得算法接近机器人路径的全局最优解；在免疫遗传算法计算路径抗体相似度时，充分考虑路径的环形因素，使用相似边的数量与路径抗体适应度部分的相似性综合评价两条机器人路径的相似度。2.根据权利要求1所述的多机器人任务分配及路径规划方法，其特征在于：步骤2中的多机器人的任务分配方法，其分配过程充分考虑机器人位置、速度以及电量多因素，其具体步骤如下：(2-1)：随机或读取产生机器人及任务数据，机器人数据信息包括编号Rn、初始位置rp0、初始电量b0、剩余电量b1、速度v、当前分配到任务数n；任务数据包括：任务编号Tn、位置tp、分配否标识isA、分配至机器人编号toRn，分别构成机器人与任务队列；(2-2)：计算j号任务分配给i号机器人所需要的综合代价信息，并记录一个包含Rni、Tnj、nbij、ntij、cij及dij的数据表table，并按代价的升序排列；(2-3)：从table中取代价最小的一条数据record判断该记录中Tn对应的任务isA是否为true；如果是则重复此步骤，否则执行以下步骤；(2-4)：判断record中Rni对应bi1是否大于nbij，且ti1是否大于ntij，以及机器人已分配到任务没有数到达上限，如果条件全部满足则继续，否则跳转步骤S23中取代价次小的一条数据；(2-5)：更新record中Rni对应机器人的剩余时间ti1、剩余电量bi1、分配到任务数n数据，Tnj对应任务的toRn、isA数据；跳转步骤S23继续取下一条数据。3.根据权利要求2所述的多机器人任务分配及路径规划方法，其特征在于：多机器人任务分配：计算各机器人与任务之间的综合代价数据，综合考虑机器人电量、工作时间以及最大任务数因素，按综合代价最小的准则将任务进行分配至机器人，其过程具体包括：(1)任务分配的数学模型制定，具体如下：T表示任务，R表示机器人；Ri来表示多机器人系统中的第i个机器人，其中i∈[1,N]，N为机器人系统中的机器人数量；Ti来表示多机器人系统中的第i个任务，其中i∈[1,M]，M为机器人系统中的任务数量；i号机器人最大工作时间ti0，i号机器人剩余工作时间ti1,i号机器人完成j号任务所需消耗时间记为ntij；Dist(Ti,Rj)表示利用机器人Rj来完成Ti所需要行走的距离值，记为dij；Bettery(Ti,Rj)表示利用机器人Rj来完成Ti任务时机器人Rj所需要消耗的电量，记为nbij，由于每个机器的属性不同，每个机器人完成同一个任务其所需要消耗的电量是不相同的，因此本文用常数λij表示第i个机器人完成第j个任务单位距离消耗的电量；(2)任务分配综合代价值计算方法本发明设计了一个计算该综合代价值的函数，本发明的综合代价函数定义如公式(1)所示，该公式表示机器人完成任务所需的代价；Cost(Ti,Rj)表示利用机器人Rj来完成Ti所需要的代价值，记为cij；公式(1)至(3)中，Dist(Tj,Ri)代表机器人Ri与任务点Tj之间的距离，VRi代表机器人Ri的速度，Bettery(Tj,Ri)代表机器人Ri完成任务Tj过程中这段距离所需要消耗的电量，由于消耗电量不仅与距离有关，而且与其本身的属性有关，所以使用一个常量因子λij代表第i个机器人完成第j个任务单位距离所消耗电量；公式(1)中的代价函数含义是在机器人完成任务所需时间最短、所需电量最小的时候将这个任务分配给这个机器人；(3)任务分配至机器人需满足的条件：首先设当前机器人Ri分配到的k个任务清单有(T1,T2,...,Tk)；因此要使得下一个任务分配至该机器人必须满足如下条件：1)机器人Ri到此任务Tj之间的代价最小，数学表示如公式(4)所示：min{Cost(Tj,Ri),i∈[1,N]}(4)2)机器人剩余电量足够满足当前任务的消耗，具体表现为公式(5)：其中B(Ri)为机器人Ri的初始电量，Dist(Tj,Ri)代表机器人Ri与任务点Tj之间的距离，λij代表第i个机器人完成第j个任务单位距离所消耗电量；(4)多机器人任务分配步骤及流程，具体如下：A：随机或读取产生机器人及任务数据，机器人数据信息包括编号Rn、初始位置rp0、初始电量b0、剩余电量b1、速度v、当前分配到任务数n；任务数据包括：任务编号Tn、位置tp、分配否标识isA、分配至机器人编号toRn；分别构成机器人与任务队列；B：根据上文叙述部分的公式(1)至(3)计算j号任务分配给i号机器人所需要的代价信息，并记录一个包含Rni、Tnj、nbij、ntij、cij及dij的数据表table，并按代价的升序排列；C：从table中取代价最小的一条数据record判断该记录中Tn对应的任务isA是否为true；如果是则重复此步骤，否则执行以下步骤；D：判断record中Rni对应bi1是否大于nbij，且ti1是否大于ntij，以及机器人已分配到任务没有数到达上限，如果条件全部满足则继续，否则跳转步骤C中取代价次小的一条数据；E：更新record中Rni对应机器人的剩余时间ti1、剩余电量bi1、分配到任务数n数据，Tnj对应任务的toRn、isA数据；跳转步骤C中继续取下一条数据。4.根据权利要求1所述的多机器人任务分配及路径规划方法，其特征在于：步骤3中，免疫遗传算法产生初始解时本发明采用最邻近算法和随机法相结合；在计算抗体浓度时，计算相似度的过程中通过计算两条抗体路径边相同数量来判断抗体路径的相似性，从而计算抗体的浓度。5.根据权利要求4所述的多机器人任务分配及路径规划方法，其特征在于：本方使用一种新的免疫遗传初...

【专利技术属性】
技术研发人员：段勇，王宇，喻祥尤，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：辽宁,21