The present invention relates to a task allocation method based on K_means clustering balanced multi-robot system, which belongs to the field of multi-robot technology. The method comprises the following steps: S1: the number and location distribution of specified target tasks, the number and location distribution of robots; S2: calculating the division of machines by taking target tasks and robots as vertices. Cost matrix of each edge between human beings; S3: using K_means clustering method to decompose all target tasks into several task clusters; S4: determining the number of possible combinations of clustering and robots based on task clustering obtained by decomposition; S5: calculating the traversal cost and idle parts of each robot according to the clustering combination needed Ben; S6: Calculate the total cost of all robots; S7: Select the cluster combination with the smallest total cost as the optimal combination. The method of the invention considers two parameters, traversing distance and utilization ratio of the robot, so as to achieve a good balance between minimizing traversing distance and effectively allocating workload.
【技术实现步骤摘要】
基于K-均值聚类平衡多机器人系统的任务分配方法
本专利技术属于多机器人
,涉及一种基于K-均值聚类和竞争机制及负载平衡的多机器人系统中的任务分配方法。
技术介绍
多机器人系统在工业和空间搜索方面引起了极大的关注,因为机器人团队在理解能力和响应速度上比单个机器人有更多的缺欠。然而,针对各种困难的任务,使用多机器人代替单一的机器人已经非常流行,如行星探索或柔性自动化,机器人团队与单个机器人相比具有许多优点:鲁棒性(由于冗余)、有效性(由于并行性)、灵活性(由于重构性)。机器人团队成功的一个重要因素是在有效的途径内团队成员的协调能力;协调包括通过一个有效的(最好是分散的)机制分配和执行单个任务,即以成本效率的方式分配工作负载;多机器人任务分配(MRTA)是一类移动机器人团队必须按一定的优化标准(如最小的能耗、完成时间、遍历距离或平均延时)遍历一系列的目标位置(如送达或回收)的问题,MRTA问题可根据任务可用性的性质进一步分为静态问题和动态问题,如果机器人在执行任务之前就了解任务称为静态MRTA;如果机器人在执行任务的过程中接收任务称为动态MRTA。当涉及一个机器人时,该问题类似于旅行商问题(TSP),即机器人本身必须通过遍历最小的距离来实现所有的目标任务;当有一个以上的机器人时,该问题类似于多旅行商问题(MTSP),其中所有的机器人必须通过对资源(所有可用的机器人)合理利用并使用成本效益的方式来完成任务。现有文献中的实验都没有讨论机器人团队之间的工作负载平衡问题,也是从文献中发现,多机器人系统类似于多旅行商问题(MTSP),其中多旅行商问题的解决标准是在旅 ...
【技术保护点】
1.基于K‑均值聚类平衡多机器人系统的任务分配方法,其特征在于:该方法包含如下步骤:S1:指定目标任务的数量及位置分布,机器人的数量及位置分布;S2:以目标任务和机器人为顶点,计算除机器人之间外的每条边的成本矩阵;S3:采用K‑均值聚类方法将所有目标任务分解成若干个任务聚类;S4:根据分解获得的任务聚类,确定任务聚类与机器人的可能的组合数,并得到需要的任务聚类组合;S5:根据需要的任务聚类组合,计算每个机器人的遍历成本和闲置成本;S6:计算所有机器人的总成本;S7:选择总成本最小的聚类组合为最优的组合。
【技术特征摘要】
1.基于K-均值聚类平衡多机器人系统的任务分配方法,其特征在于:该方法包含如下步骤:S1:指定目标任务的数量及位置分布,机器人的数量及位置分布;S2:以目标任务和机器人为顶点,计算除机器人之间外的每条边的成本矩阵;S3:采用K-均值聚类方法将所有目标任务分解成若干个任务聚类;S4:根据分解获得的任务聚类,确定任务聚类与机器人的可能的组合数,并得到需要的任务聚类组合;S5:根据需要的任务聚类组合,计算每个机器人的遍历成本和闲置成本;S6:计算所有机器人的总成本;S7:选择总成本最小的聚类组合为最优的组合。2.根据权利要求1所述的基于K-均值聚类平衡多机器人系统的任务分配方法,其特征在于:所述步骤S2包含如下步骤:S21:将所有目标任务的位置两两连接,并且将所有目标任务的位置与每个机器人两两连接,即除机器人之间外,分别以目标任务的位置和机器人为顶点进行两两连接;S22:计算每条边的成本矩阵Cij,计算公式为:Cij=(dij*cij)其中,dij为连接顶点i和顶点j的边的距离,cij为单位距离的成本。3.根据权利要求2所述的基于K-均值聚类平衡多机器人系统的任务分配方法,其特征在于:所述步骤S3具体为采用K-均值聚类方法将所有的目标任务分解成若干个任...
【专利技术属性】
技术研发人员:张威,刘长虹,葛琳琳,王梓卉敏,牟新宇,
申请(专利权)人:辽宁石油化工大学,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。