基于K-均值聚类平衡多机器人系统的任务分配方法技术方案

本发明专利技术涉及一种基于K‑均值聚类平衡多机器人系统的任务分配方法，属于多机器人技术领域，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，确定聚类与机器人的可能的组合数；S5：根据需要的聚类组合，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。本发明专利技术方法考虑遍历距离和机器人的利用率两个参数，从而在最大限度的减小遍历距离和有效的分配工作量之间达到一个很好的平衡。

Task assignment method for balanced multi robot system based on K- means clustering

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行商之间的工作负载平衡；多旅行商问题是著名的旅行商问题的推广，虽然旅行商问题(TSP)和车辆的路径规划(VRP)存在大量的文献，但是MTSP却没有受到同样的关注。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于K-均值聚类平衡多机器人系统的任务分配方法，考虑遍历距离和机器人的利用率两个参数，从而在最大限度的减小遍历距离和有效的分配工作量之间达到一个很好的平衡。为达到上述目的，本专利技术提供如下技术方案：基于K-均值聚类平衡多机器人系统的任务分配方法，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。进一步，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。进一步，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务聚类，满足：其中，SDn表示第n个聚类从其中心到其任务聚类的遍历距离和，N为总的目标任务的数量，cn为第n个聚类的中心点，sj为任务子集，满足：其中，xj，yj分别表示目标任务j的坐标，b表示任务子集sj的任务个数。进一步，步骤S5中所述闲置成本为：其中，m为机器人总数，ri为第i个机器人，为第i个机器人在其竞争到的聚类中完成所有任务过程中的闲置成本，IC为完成所有目标任务的总的闲置成本，上式保证所有机器人的任务均衡，即闲置成本相近。进一步，步骤S6中所有机器人的总成本为：总成本(TC)＝遍历成本(∑Ci,j)+闲置成本(IC)进一步，步骤S7选择总成本最小的聚类组合为最优的组合，满足：其中，VR表示机器人顶点的集合；VT表示目标任务顶点的集合；xi,j表示i∈VT∪VR和j∈VT的(0/1)变量，如果xi,j＝1，则位置j必须在位置i遍历后直接遍历，满足：其中，U表示所有的顶点集合的数目，即U＝VR的数目+VT的数目。本专利技术的有益效果在于：本专利技术采用成本绩效和负载平衡的方式为机器人分配任务，提出了一种新的方法，使用k-均值聚类和竞争机制，同时关注两个目标，即总遍历成本最小化和机器人的工作负载平衡，本专利技术方法在有限的搜索空间和解决实时问题的能力两个方面确保了它的有效性，解决实际规模问题的能力通过具有各种数量的机器人和任务的许多基准问题进行测试，所提出的聚类通过距离总和来选择最佳竞争组合。附图说明为了使本专利技术的目的、技术方案和有益效果更加清楚，本专利技术提供如下附图进行说明：图1为本专利技术方法示意图；图2为本专利技术实施例算法示意图；图3为本专利技术实施例任务和资源的聚类示意图；图4为本专利技术实施例两个聚类的轮廓值示意图；图5为本专利技术实施例三个聚类的轮廓值示意图。具体实施方式下面将结合附图，对本专利技术的优选实施例进行详细的描述。多机器人任务分配问题要求一个机器人团队执行一定数量的任务，任务可能在机器人执行之前就已经分配了，随着机器人和任务的数量的增加，会使该问题成为NP难问题。对于多机器人的MRTA问题的大部分的研究集中在最大限度的减少总的遍历距离。本专利的工作是关注在MRTA中所有机器人的利用率，因此本专利技术考虑的问题是平衡的多机器人任务分配(BMRTA)问题。“m”个机器人和“N”个任务的位置，即成本函数C，是指定的从一个已知的位置移动到另一个已知位置的成本，本专利技术实施例假设成本矩阵是对称的，满足三角不等式，本专利技术的目标是找出一种将任务分配给机器人的分配方案以及每个机器人遍历分配给它的任务的路径，以便使总的遍历成本和闲置成本最小化。如图1所示，考虑遍历距离和机器人的利用率两个参数，从而在最大限度的减小遍历距离和有效的分配工作量之间达到一个很好的平衡。本专利技术方法的执行步骤如下：Step1：指定所需数量为“N”个任务的位置和“m”个机器人的位置。Step2：用Cij＝(dij*cij)来计算每个边的成本矩阵，其中dij是连接顶点i和j的边的距离，cij是遍历的单位成本。Step3：用K-均值聚类技术将“N”个任务分解成“n”个子任务，其中，cn为聚类中心索引，j：任务索引，N：任务数，SDn：第n个聚类从其中心到其任务聚类的遍历距离和。Step4：根据所选聚类的数目，使用公式mn确定可能的组合数，并得到需要竞争的组合，这里是聚类的竞争而不是任务的竞争。Step5：如果一个聚类或子聚类中的任务的数量是Kn，则对每个竞争组合的单个机器人的遍历成本，可以通过每个Kn和机器人的TSP问题(∑ci,j)来计算，并且可以根据公式：IC＝((∑C1,j≈∑C2,j)+...+∑Cm-1,j≈∑Cm,j))(2)计算出每个机器人的闲置成本。Step6：根据公式总成本(TC)＝遍历成本(∑Ci,j)+闲置成本(IC)(3)计算出每个机器人的总成本。Step7：选择与最小TC相对应的最优聚类竞争组合，即：VT为任务位置合集，VR为机器人位置合集。约束条件：上面三组约束分别表示：第一组约束，确保机器人恰好一次本文档来自技高网...

【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