基于演化博弈的多智能体编队的分层模型预测控制方法技术

本发明专利技术提供了一种基于演化博弈的多智能体编队的分层模型预测控制方法，能够在受到通讯约束的情况下，每个智能体只需要获得局部的邻居信息就可以无碰撞地形成编队的目标，并且该发明专利技术对于时变的通信网络也同样适用。在提高了控制性能和安全性能的同时，降低了计算的复杂程度，减少了通信负担。实现了在受到通讯约束的情况下，每个智能体只需要获得局部的邻居信息就可以无碰撞地形成编队的目标，解决了传统集中式控制方法需要系统的全部信息，需要较强的计算能力和通信能力的问题，以及已有的leader

【技术实现步骤摘要】
基于演化博弈的多智能体编队的分层模型预测控制方法


[0001]本专利技术属于多智能体编队控制
，具体涉及一种基于演化博弈的多智能体编队的分层模型预测控制方法。

技术介绍

[0002]群体行为是自然界中普遍存在的现象，如鸟群的编队迁徙，鱼群的结队巡游，蚁群的协同工作以及细菌的聚集而生等等，这种集体合作能够使生物群体在觅食生存、逃避天敌等方面有着单个个体难以实现的优势，有利于完成复杂的、具有一定目的或功能性的活动。多智能体控制是人们效仿自然界群体行为提出来的，其中编队控制是当前多智能体领域研究的热点。编队控制要求通过设计合适的控制协议，使多个移动的智能体同时运动到期望的目标点，并在运动过程中保持给定的几何图形。编队控制的应用前景广泛，如军事侦查、安全巡逻、搜索救援等领域。
[0003]传统的集中式编队控制方法需要系统的全部信息和较大的通信能力、计算能力，动态性能和实时性能较差。而分布式控制为每个智能体设计一个局部的控制器，并在一定程度上考虑了全局控制目标，因而只需要借助局部的邻居信息就能够实现群体的行为，从而解决全局性的任务。在减少计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于演化博弈的多智能体编队的分层模型预测控制方法，其特征在于，包括以下步骤：步骤1，建立多智能体系统，所述多智能体系统中，某个智能体l指定为leader智能体，其余智能体作为它的follower智能体；所述leader智能体为所有智能体规划一个整体的移动路线，作为其邻居的空间参考；所述follower智能体通过与其邻居智能体保持固定的相对位置来实现编队；所述leader智能体中设有局部模型预测控制器；每个follower智能体中均设有D3SD预测模型；步骤2，将leader智能体当前的状态数据传递给所述局部模型预测控制器，得到当前时刻最优控制输入量和预测的下一时刻的状态；其中，所述局部模型预测控制器通过模型预测控制算法为leader智能体构建优化问题，所述优化问题是最终目标状态已知情况下，使下一时刻目标状态下对应的当前时刻的控制输入量最小，获得当前时刻最优控制输入量；将当前时刻最优控制输入量输入leader智能体的局部模型预测控制器，得到下一时刻leader智能体的位置；将预测的下一时刻的状态传递给邻居follower智能体；根据演化博弈的性质为每个follower智能体构建预测模型，记为D3SD预测模型；每个follower智能体以当前状态作为输入量，通过D3SD预测模型对自身follower智能体进行局部优化，使下一时刻状态与其邻居状态形成一个编队，得到最优控制输入；步骤3，根据得到的各个智能体的最优控制输入对所述的多智能体进行编队优化。2.根据权利要求1所述的方法，其特征在于，每个follower智能体中还包括局部控制器，所述步骤2中，通过D3SD预测模型对自身follower智能体进行局部优化的方式为：首先根据当前的状态通过D3SD预测模型预测自己下一时刻的状态，然后将其传递给邻居的局部控制器，并且接收邻居的预测数据，通过求解局部优化问题得到自己的最优控制输入。3.根据权利要求1所述的基于演化博弈的多智能体编队的分层模型预测控制方法，其特征在于，所述步骤2中，为leader智能体构建的优化问题为：其中，u
l
和z
l
分别代表智能体l的控制输入和状态，H
...

【专利技术属性】
技术研发人员：戴荔，周小婷，孙中奇，冉德超，曹璐，季明江，夏元清，翟弟华，张金会，崔冰，刘坤，闫莉萍，邹伟东，郭泽华，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：