基于目标导向的聚集策略的多智能体控制方法技术

本发明专利技术公开了一种基于目标导向的聚集策略的多智能体控制方法，根据各简单智能体的位置和控制智能体的位置判断控制智能体的行为状态，包括以下步骤：根据目的地和简单智能群体的全局中心确定驱赶区域，所述驱赶区域以目的地为顶点，以目的地与全局中心的连线为中心线；当存在一简单智能体位于驱赶区域以外时，触发控制智能体收集行为；简单智能体到全局中心的距离和到目的地的距离之和具有最大值的将被控制智能体选为目标点去收集；当所有简单智能体均位于驱赶区域以内时，触发控制智能体驱赶行为，控制智能体移动，并控制着简单智能群体向目标点推进，当简单智能群体到达目标区域时，完成控制任务。完成控制任务。完成控制任务。

【技术实现步骤摘要】
基于目标导向的聚集策略的多智能体控制方法


[0001]本专利技术涉及群体智能启发式算法领域，具体涉及一种基于目标导向的聚集策略的多智能体控制方法。

技术介绍

[0002]受自然界的启发，群智能系统可以描述为系统中相对基本的个体之间的相互作用。由于在自然界中发现的群智能解决方法十分有效，因此仿生算法是近些年的研究热点，包括蚁群算法，鸟群算法和控制智能体算法等。群智能系统中的多智能体控制是一个复杂的问题，可以分为高层次的路径规划和低层次的单智能体动力学。多智能体控制是一种通过控制智能体(强智能体)控制一群简单智能群体(弱智能体)的控制方法。
[0003]多智能体控制的一个典型应用场景就是牧羊犬赶羊，这样的场景在现实生活中很常见。通常作为简单智能群体的种群的数量成百上千，而控制智能体的数量很少。控制智能体主要有两个行为：收集种群、驱赶种群到目标点。以驱赶为例，即使用一只或者多只控制智能体，将一群在空间中随机分布的简单智能体，驱赶到一个指定的目标点。控制智能体驱赶问题背后的原理，其实就是一种控制智能体对简单智能群体的控制。多智能体控制技术有很多应用场景，比如：使用机器人进行放牧、人群控制、对于泄露石油清理、保护飞机免受鸟类的袭击、救灾和救援行动、管理群居野生动物、保护微生物、军事上无人车辆在战场的控制。
[0004]现有的传统模型中，典型的有SPPL模型，该模型在执行收集行为时，简单选择种群最外面的简单智能体作为收集目标点，而没有考虑控制智能体的位置和简单智能群体的全局中心的位置。因此在某些情况下将会导致控制智能体来回移动，影响最后的驱赶效率。因此该模型如果用于实际的机器人控制等应用场景，可能由于算法效率低下的原因，导致达不到现实中的实时性要求。

技术实现思路

[0005]本专利技术的目的在于克服现有技术中所存在SPPL模型等现有技术效率低，不能满足多智能体控制的实时性要求的不足，提供一种基于目标导向的聚集策略的多智能体控制方法。
[0006]为了实现上述专利技术目的，本专利技术提供了以下技术方案：
[0007]一种基于目标导向的聚集策略的多智能体控制方法，根据各简单智能体的位置和控制智能体的位置判断控制智能体的行为状态，包括以下步骤：
[0008]根据目的地和简单智能群体的全局中心确定驱赶区域，所述驱赶区域以目的地为顶点，以目的地与全局中心的连线为中心线；
[0009]当存在一简单智能体位于驱赶区域以外时，触发控制智能体收集行为；简单智能体到到全局中心的距离记作第一距离，简单智能体到目的地的距离记作第二距离，第一距离和第二距离的和记作距离和；控制智能体选择距离和最大的简单智能体作为目标点去收
集；
[0010]当所有简单智能体均位于驱赶区域以内时，触发控制智能体驱赶行为，控制智能体移动，并控制着简单智能群体向目标点推进，当简单智能群体到达目标区域时，完成控制任务。
[0011]优选地，所述简单智能体的下一个位置根据简单智能体的当前位置和下一步要移动的方向和距离获得，简单智能体的下一个位置的位置向量A
i
′
的计算方式如下所示：
[0012][0013]其中，A
i
表示简单智能体a
i
的位置向量；H
′
i
为下一步要移动的方向，表示从当前位置移动到下一个位置的移动方向；δ为简单智能体的移动速度。
[0014]优选地，所述下一步要移动的方向根据外部排斥力内部排斥力局部中心吸引力C
i
、惯性力H
i
以及噪声∈
i
五个向量进行计算；上述5个向量归一化为单位向量后，线性加权组合得到下一步要移动的方向H
i
′
，计算方式如下所示：
[0015][0016]其中，h为惯性力的权重；c为局部中心吸引力的权重；ρ
a
为内部排斥力的权重；ρ
s
为外部排斥力的权重；e为噪声的权重。
[0017]优选地，所述外部排斥力计算方式如下所示：
[0018][0019]其中，S表示控制智能体的位置向量，A
i
表示简单智能体a
i
的位置向量；
[0020]所述内部排斥力的计算方式如下所示：
[0021][0022]其中，A
j
表示简单智能体a
i
的邻居a
j
的位置向量，k代表简单智能体a
i
的邻居个数；
[0023]所述局部中心吸引力C
i
的计算方式如下所示：
[0024]C
i
＝LCM
i
‑
A
i
[0025]其中，LCM
i
为局部中心位置，表示距离简单智能体a
i
最近的k个邻居的中心位置。
[0026]优选地，所述驱赶区域为扇形。
[0027]优选地，扇形驱赶区域的半径为|Γ
‑
D|+f(N)，夹角为预设值2θ；简单智能体与目的地连线记作AL；目的地D与全局中心的连线记作CL；θ表示CL和AL的夹角，记作偏离角；所有简单智能体的偏离角θ的最大值记作最大偏离角θ
max
；所有简单智能体与目的地的距离的最大值记作最大距离d
max
；则触发条件表示为：d
max
≤|Γ
‑
D|+f(N)且θ
max
≤θ，触发驱赶行为；反之则触发收集行为。
[0028]优选地，最大偏离角θ
max
的计算方式如下所示：
[0029][0030]其中，A
i
表示简单智能体a
i
的位置，D为目的地的位置，S为控制智能体的位置，Γ为全局中心GCM的位置，N为简单智能体的数量；
[0031]最大距离d
max
的计算方式如下所示：
[0032][0033]优选地，在收集行为时，为第一距离和第二距离分别设置权重α,β，所述控制智能体的控制方式如下所示：
[0034][0035]D
max
＝α|A
max
‑
Γ|+β|A
max
‑
D|
ꢀꢀ
(9)
[0036][0037][0038]公式(8)表示选择最大距离和的简单智能体i
max
；其中α、β是自定义权重；公式(9)的D
max
表示最大距离和，A
max
表示最大距离和的简单智能体i
max
的位置；公式(10)表示收集行为时，根据最大距离和的简单智能体的位置A
max
选择控制智能体的下一个收集点P
c
；其中ξ
c
表示权重；公式(11)表示控制智能体以速度δ
...

【技术保护点】

【技术特征摘要】
1.一种基于目标导向的聚集策略的多智能体控制方法，其特征在于，根据各简单智能体的位置和控制智能体的位置判断控制智能体的行为状态，包括以下步骤：根据目的地和简单智能群体的全局中心确定驱赶区域，所述驱赶区域以目的地为顶点，以目的地与全局中心的连线为中心线；当存在一简单智能体位于驱赶区域以外时，触发控制智能体收集行为；简单智能体到到全局中心的距离记作第一距离，简单智能体到目的地的距离记作第二距离，第一距离和第二距离的和记作距离和；控制智能体选择距离和最大的简单智能体作为目标点去收集；当所有简单智能体均位于驱赶区域以内时，触发控制智能体驱赶行为，控制智能体移动，并控制着简单智能群体向目标点推进，当简单智能群体到达目标区域时，完成控制任务。2.根据权利要求1所述的基于目标导向的聚集策略的多智能体控制方法，其特征在于，所述简单智能体的下一个位置根据简单智能体的当前位置和下一步要移动的方向和距离获得，简单智能体的下一个位置的位置向量A
′
i
的计算方式如下所示：其中，A
i
表示简单智能体a
i
的位置向量；H
′
i
为下一步要移动的方向，表示从当前位置移动到下一个位置的移动方向；δ为简单智能体的移动速度。3.根据权利要求2所述的基于目标导向的聚集策略的多智能体控制方法，其特征在于，所述下一步要移动的方向根据外部排斥力内部排斥力局部中心吸引力C
i
、惯性力H
i
以及噪声∈
i
五个向量进行计算；上述5个向量归一化为单位向量后，线性加权组合得到下一步要移动的方向H
′
i
，计算方式如下所示：其中，h为惯性力的权重；c为局部中心吸引力的权重；ρ
a
为内部排斥力的权重；ρ
s
为外部排斥力的权重；e为噪声的权重。4.根据权利要求3所述的基于目标导向的聚集策略的多智能体控制方法，其特征在于，所述外部排斥力计算方式如下所示：其中，S表示控制智能体的位置向量，A
i
表示简单智能体a
i
的位置向量；所述内部排斥力的计算方式如下所示：其中，A
j
表示简单智能体a
i
的邻居a
j
的位置向量，k代表简单智能体a
i
的邻居个数；所述局部中心吸引力C
i
的计算方式如下所示：
C
i
＝LCM
i
‑
A
i
其中，LCM
i
为局部中心位置，表示距离简单智能体a
i
最近的k个邻居的中心位置。5.根据权利要求1所述的基于目标导向的聚集策略的多智能体控制方法，其特征在于，所述驱赶区域为扇...

【专利技术属性】
技术研发人员：李涛，李佳，姚军，敬博涛，古平，
申请(专利权)人：重庆大学，
类型：发明
国别省市：