一种群体机器人的多目标搜索与围捕控制方法及系统技术方案

本发明专利技术涉及群体机器人控制技术领域，具体涉及一种群体机器人的多目标搜索与围捕控制方法及系统，所述方法为：获取基本元件库中的多个基本元件，根据所述多个基本元件组合得到的拓扑结构形成基因调控网络模型；提取基因调控网络模型中的参数，根据适应度函数对所述参数进行多目标优化，得到优化好的基因调控网络模型；根据优化好的基因调控网络确定群体聚合形态，控制群体机器人以所述群体聚合形态进行多目标搜索与围捕，本发明专利技术能够在复杂的动态环境中对多目标进行围捕，并具有良好的适应性。并具有良好的适应性。并具有良好的适应性。

【技术实现步骤摘要】
一种群体机器人的多目标搜索与围捕控制方法及系统


[0001]本专利技术涉及群体机器人控制
，具体涉及一种群体机器人的多目标搜索与围捕控制方法及系统。

技术介绍

[0002]基因调控网络指细胞内(或特定一个基因组内)基因和基因之间的相互作用关系所形成的网络，在众多相互作用关系之中，又特指基于基因调控所导致的基因间的作用。基因调控网络是生物体内控制基因表达的机制，其研究有广泛的生物学意义，是发生遗传学和分子遗传学的重要研究领域。
[0003]基因编程通过用户对基因编程函数的定义，几乎可以产生任意的可带参数的基因结构。基因编程所产生的带有参数的网络结构拥有与深度神经网络相似的性能，并且拥有深度神经网络所不具备的可解释性，在系统的实际部署和未来的潜力方面具有很大的优势。使用基因编程可充分挖掘出群体中个体的行为规则，阐明群体聚合形态生成的基本原理，实现与群体聚合形态生成的耦合，为动态环境下群体聚合与涌现提供理论支撑，提升了基于群体智能的无人集群系统的智能性、适应性、鲁棒性和扩展性。
[0004]在基因调控网络方面，Guo等人提出了机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种群体机器人的多目标搜索与围捕控制方法，其特征在于，所述方法包括以下步骤：获取基本元件库中的多个基本元件，根据所述多个基本元件组合得到的拓扑结构形成基因调控网络模型；提取基因调控网络模型中的参数，根据适应度函数对所述参数进行多目标优化，得到优化好的基因调控网络模型；根据优化好的基因调控网络确定群体聚合形态，控制群体机器人以所述群体聚合形态进行多目标搜索与围捕。2.根据权利要求1所述的一种群体机器人的多目标搜索与围捕控制方法，其特征在于，所述提取基因调控网络模型中的参数，根据适应度函数对所述参数进行多目标优化，得到优化好的基因调控网络模型，包括：步骤S210、随机生成树结构的初始种群，对初始种群中每个个体随机生成包含多套元件参数的参数种群；步骤S220、采用差分进化算法对参数种群进行训练，根据设定的约束违反值和适应度函数值从参数种群中确定初始种群中每个个体的优选参数，从而得到当代种群；步骤S230、复制当代种群，对当代种群进行交叉、变异、补充，得到新的种群，根据所述新的种群和所述当代种群得到下一代种群；步骤S240、对下一代种群中每个个体随机生成包含多套元件参数的参数种群，并执行步骤S220进行迭代计算；步骤S250、重复执行步骤S220至步骤S240，直至迭代次数达到设定阈值，根据最后得到的种群中的每个个体确定优化得到的基因调控网络。3.根据权利要求2所述的一种群体机器人的多目标搜索与围捕控制方法，其特征在于，所述根据所述新的种群和所述当代种群得到下一代种群，包括：合并所述新的种群和所述当代种群得到合并种群；计算合并种群中个体之间的拥挤度；利用非支配排序算法对合并种群中每个个体进行非支配排序，根据排序结果和拥挤度确定保留的个体，将保留的个体作为下一代种群。4.根据权利要求3所述的一种群体机器人的多目标搜索与围捕控制方法，其特征在于，所述利用非支配排序算法对合并种群中每个个体进行非支配排序，包括：分别计算每个个体的约束违反值、适应度函数值；如果两个个体的约束违反值不相等，则将约束违反值...

【专利技术属性】
技术研发人员：范衠，林培涵，马培立，王琛，宁为博，李晓明，王诏君，李文姬，
申请(专利权)人：汕头大学，
类型：发明
国别省市：