一种基于局部信息的异构多智能体多阶段分布式拍卖算法制造技术

本发明专利技术公开了一种基于局部信息的异构多智能体多阶段分布式拍卖算法。主要解决智能体具有通讯约束以及任务与智能体类型具有多样化特点时的多任务分配问题。包括：异构智能体之间的局部信息通讯以及数据库的更新；考虑任务与智能体类型以及任务状态变化模型，以整体任务完成时间最短为优化目标的利益函数的设计；拍卖智能体对任务最优执行能力的计算以及拍卖智能体与竞拍智能体之间拍卖信息的传递；在分布式拍卖算法思想和局部信息条件下的异构多智能体任务分配。本发明专利技术的任务分配方法以整体任务完成时间最短为目标，实现了异构多智能体的动态任务分配，提高了智能体利用率，减少了整体任务的完成时间。

【技术实现步骤摘要】
一种基于局部信息的异构多智能体多阶段分布式拍卖算法
本专利技术涉及智能机器人任务分配算法
，更具体地，涉及一种基于局部信息的异构多智能体多阶段分布式拍卖算法。
技术介绍
近年来，人们对人工智能和复杂系统研究越来越深入，多智能体的相关研究在理论探索和实际应用等方面都有了很大突破。多智能体机器人进行协同工作，能够代替人完成一些超出人类所能承受极限的任务。国内外提出了很多种分布式算法针对多智能体调度问题进行了求解，但在当前的多智能体系统中，所要完成的任务数量较多，任务类型不一，任务状态存在动态变化的特点，而且智能体之间存在通讯约束以及结构类型多样化的问题，使得任务分配需要考虑局部信息以及动态调整。传统算法在解决此类局部信息下的多类型动态任务分配问题时可能陷入局部最优状态、死锁状态以及无法实现动态再分配等问题，不仅浪费了多智能体的资源，降低了多智能体资源利用率，而且延长了整体任务完成时间，降低了任务完成度。
技术实现思路
本专利技术提供一种克服上述问题或至少部分地解决上述问题的基于局部信息的异构多智能体多阶段分布式拍卖算法，该算法在以上问题的基础上可以实现对动态多阶段的任务分配，可以提高智能体的利用率，减少整体任务完成时间。本专利技术根据多点动态集结任务(MPDA)问题背景、任务与智能体类型、以及任务状态变化模型，以整体任务完成时间最短为优化目标，合理设计了利益函数；考虑了智能体的通讯约束、任务与智能体类型的多样化，基于分布式拍卖算法思想，在局部信息条件下对异构多智能体进行任务分配；根据动态任务分配问题的特点，依据任务完成情况对异构智能体进行了任务的多阶段分配。为达到以上目的，本专利技术提供一种基于局部信息的异构多智能体多阶段分布式拍卖算法，包括以下步骤：S1：异构智能体对局部信息进行获取、交换和处理，决定自身是否成为拍卖智能体；S2：拍卖智能体主持任务拍卖过程；S3：竞拍智能体参与任务竞拍过程。所述步骤S1中，进一步包括：S11：异构智能体统计通讯范围内的任务信息，向通讯范围内的其他异构智能体发送自身获得的局部信息，并对获得的数据进行处理，对数据库进行更新；S12：异构智能体根据数据库局部信息计算出异构智能体与任务之间的距离，找出距离自身最近的任务，同时判断自身是否是距离该任务最近的异构智能体，如果自身为该任务最近的异构智能体，则异构智能体决定自身成为该任务的拍卖智能体；S13:异构智能体每间隔一定的时间进行一次通讯，若发现任务被完成，则进行下一阶段的拍卖，跳转至步骤S11，直至所有任务被完成。进一步，所述的步骤S11中，所述的环境为异构多智能体工作环境，假设环境中的异构多智能体、任务点都处于同一平面，建立笛卡尔直角坐标系对环境进行建模，并确定每个任务点和智能体的坐标，所述环境为多智能体的工作环境，环境中分布M(M∈Z+)个具有任务执行能力的智能体以及N(N∈Z+)个属性和状态量随时间变化的任务点。任务点tj(j＝1,2,…,N)的特征参数包括：初始任务状态量sj(0)、径向增长速度αj以及在工作环境中的坐标位置(xj,yj)；智能体ri(i＝1,2,…,M)的能力参数包括：移动速度vi、单位时间内完成的任务量βi以及在工作环境中的坐标位置(xi,yi)。设定所有任务的位置信息和初始任务量信息在任务分配之前所有智能体都能获得，其他信息属于局部信息，考虑智能体通讯约束，假设异构智能体的通讯范围是一个正圆，以智能体的位置为中心，智能体的最长直线通讯距离为通讯半径，智能体只能获得其通讯范围内的任务信息，然后通过与其他智能体通讯获得通讯范围之内的其他智能体的信息，智能体将获取的局部信息储存在自身数据库中。智能体ri通过智能体信息矩阵储存所有智能体的信息，信息矩阵的每一行分别储存一个智能体的信息，包括智能体的编号Noi、智能体在工作环境中的位置坐标、执行能力βi、移动速度vi、目标任务编号Goal以及该智能体信息的数据更新时间，智能体ri的智能体信息矩阵可表示为：智能体通过任务信息矩阵储存所有任务的信息，按照任务编号，任务信息矩阵的每一行储存一个任务的全部信息，包括任务编号Noj、任务在环境中的位置坐标、径向任务量增长速度αj、初始任务量sj(0)、实时任务量sj(t)、是否完成Isfinish以及数据更新时间。当智能体检测到任务完成则Isfinish等于1，未完成则Isfinish等于-1，每次更新任务信息时记录该任务的数据更新时间，智能体ri的任务信息矩阵可表示为：在局部信息交换及处理过程中，智能体首先处理数据包中的任务信息矩阵，智能体将数据包中的任务信息矩阵按照任务编号与自身数据库中的任务信息矩阵逐条对比，比较编号相同的任务的数据更新时间，如果智能体发现数据包中存在某个任务的数据更新时间晚于自身数据库中对应的数据更新时间，则将数据库中该任务的信息存入数据库中，覆盖掉原有的信息，数据更新时间记为数据包中该任务的数据更新时间，如果智能体发现自身数据库中任务信息矩阵中该任务的数据更新时间更晚，则不更改数据库中的信息，智能体信息矩阵的局部信息交换过程与任务信息矩阵方法相同。设编号为1的智能体对比任务信息矩阵发现任务2的数据更新时间晚于自身数据库中的任务2信息，且任务2未完成，则智能体1经过局部信息交换后的任务信息矩阵更新为：在以上工作环境的基础上，分析任务分配所需要考虑的任务点特征参数和智能体能力参数等因素，根据任务点特征参数及任务状态量变化的特点，建立任务点状态变化模型。假设任务的任务状态量是变化的，且近似为一个半径为r的正圆的面积，Δt时间内任务的任务量以径向位移Δr向外增长，设任务tj在t时刻的周长为lj(t)，则周长lj(t)可表示为：t时刻作用在任务tj上的智能体的执行能力总和为βij，在没有外界干预时，则任务tj在t时刻的任务量变化率可表示为：其中任务量径向增长速度可表示为：任务的周长与任务tj的t时刻状态量sj(t)的平方根的比值为k，在无外界干预下，可以得到在智能体作用下的任务tj的任务状态变化模型为：进一步，所述步骤S12中，智能体与任务之间的欧氏距离为智能体与任务之间的路程，智能体ri与任务tj之间的距离可计算为：已知智能体ri的运动速度为vi，则智能体ri在执行任务tj的移动过程中消耗的时间Tij为：异构智能体若接收到对应类型任务的拍卖信息且没有任务目标，则该异构智能体成为该任务的竞拍智能体，如果拍卖智能体主持的拍卖任务为自身对应类型的任务，则拍卖智能体也作为竞拍智能体参加拍卖过程。所述步骤S2中，进一步包括：S21：各任务的拍卖智能体计算拍卖任务的最优执行能力，同时向通讯范围的其他异构智能体发送拍卖信息；S22:拍卖智能体整理投标信息，选出投标价格最高的异构智能体，向投标价格最高的异构智能体发送中标信息；S23:拍卖智能体统计本文档来自技高网...

【技术保护点】
1.一种基于局部信息的异构多智能体多阶段分布式拍卖算法，其特征在于，包括以下步骤：/nS1：异构智能体对局部信息进行获取、交换和处理，决定自身是否成为拍卖智能体；/nS2：拍卖智能体主持任务拍卖过程；/nS3：竞拍智能体参与任务竞拍过程。/n

【技术特征摘要】
1.一种基于局部信息的异构多智能体多阶段分布式拍卖算法，其特征在于，包括以下步骤：
S1：异构智能体对局部信息进行获取、交换和处理，决定自身是否成为拍卖智能体；
S2：拍卖智能体主持任务拍卖过程；
S3：竞拍智能体参与任务竞拍过程。


2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，进一步包括：
S11：异构智能体统计通讯范围内的任务信息，向通讯范围内的其他异构智能体发送自身获得的局部信息，并对获得的数据进行处理，对数据库进行更新；
S12：异构智能体根据数据库局部信息计算出异构智能体与任务之间的距离，找出距离自身最近的任务，同时判断自身是否是距离该任务最近的异构智能体，如果自身为该任务最近的异构智能体，则异构智能体决定自身成为该任务的拍卖智能体；
S13:异构智能体每间隔一定的时间进行一次通讯，若发现任务被完成，则进行下一阶段的拍卖，直至所有任务被完成。


3.根据权利要求2所述的方法，其特征在于，所述步骤S11中，建立笛卡尔直角坐标系对多智能体的工作环境进行建模，并确定每个任务点和智能体的坐标，设定环境中分布M(M∈Z+)个具有任务执行能力的智能体以及N(N∈Z+)个属性和状态量随时间变化的任务点。
任务点tj(j＝1,2,…,N)的特征参数包括：初始任务状态量sj(0)、径向增长速度αj以及在工作环境中的坐标位置(xj,yj)；
智能体ri(i＝1,2,…,M)的能力参数包括：移动速度vi、单位时间内完成的任务量βi以及在工作环境中的坐标位置(xi,yi)。
设定所有任务的初始信息在任务分配之前所有智能体都能获得，其他信息属于局部信息，考虑智能体通讯约束，智能体只能获得其通讯范围内的任务信息。
假设异构智能体的通讯范围是一个正圆，以智能体的位置为中心，智能体的最长直线通讯距离为通讯半径，
智能体ri通过智能体信息矩阵储存所有智能体的信息，信息矩阵的每一行分别储存一个智能体的信息，智能体通过任务信息矩阵储存所有任务的信息，按照任务编号，任务信息矩阵的每一行储存一个任务的全部信息。
在局部信息交换及处理过程中，智能体首先处理数据包中的任务信息矩阵，将其中的任务信息矩阵按照任务编号与自身数据库中的任务信息矩阵逐条对比。
如果智能体发现数据包中存在某个任务的数据更新时间晚于自身数据库中对应的数据更新时间，则将数据库中该任务的信息存入数据库并覆盖原有信息，如果智能体发现自身数据库任务信息矩阵中该任务的数据更新时间更晚，则不更改数据库中的信息。


4.根据权利要求3所述的方法，其特征在于，分析任务分配所需要考虑的任务点特征参数和智能体能力参数等因素，根据任务点特征参数及任务状态量变化的特点，建立任务点状态变化模型。
假设任务的任务状态量是变化的，且近似为一个半径为r的正圆的面积，Δt时间内任务的任务量以径向位移Δr向外增长，设任务在t时刻的周长为lj(t)，t时刻作用在任务tj上的智能体的执行能力总和为βij，在没有外界干预时，则任务tj在t时刻的任务量变化率可表示为：



其中任务径向增长速度可表示为：



任务的周长与任务tj的t时刻状态量sj(t)的平方根的比值为k，在无外界干预下，...

【专利技术属性】
技术研发人员：裘智峰，王一帆，管建锋，张亮，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43