本发明专利技术提供一种松散的集群控制方法装置、设备、介质和产品，其中，该方法包括：获取集群中智能体的自身状态、所述智能体的局部通信范围内的邻居智能体集合和所述智能体在所述局部感知范围内的最低浓度信息素位置，所述自身状态包括自身位置；基于所述自身位置和所述邻居智能体集合，通过虚拟势力函数确定所述智能体的虚拟势力项；基于所述自身位置和所述最低浓度信息素位置，确定所述智能体的信息素浓度项；根据所述虚拟势力项和所述信息素浓度项确定所述智能体的控制量。能够实现在复杂环境中，集群通信连通保持约束条件下，集群对动态区域和目标的最优覆盖。区域和目标的最优覆盖。区域和目标的最优覆盖。
【技术实现步骤摘要】
一种松散的集群控制方法、装置、设备、介质和产品
[0001]本专利技术涉及无人集群领域，尤其涉及一种松散的集群控制方法、装置、设备、介质和产品。
技术介绍
[0002]无人集群通过相互的合作和协调形成集群行为，可以完成个体无法实现的复杂任务，提高任务的完成度、执行效率和成功概率等。近些年，集群控制方法吸引了人们的极大关注，主要分为蜂拥算法和抗蜂拥算法。蜂拥算法方面，有些人考虑能量最小化和安全性，提出采用最优控制协议实现集群的协同；有些论文提出基于通信拓扑变化的分布式快速同步集群控制方法，有效提高算法的收敛速度；还有些论文提出基于分布式角度控制策略的双积分集群控制方法，实现集群队形的保持。但这些方法限制了集群执行一些复杂任务的能力，缺乏灵活性，比如说监视场景，要求集群在执行动态区域覆盖的同时对目标进行覆盖。
[0003]不同于蜂拥算法，抗蜂拥算法是由独居性生物的个体行为激发灵感获得。这类算法考虑了集群间的避碰问题，未定义集群的期望形态，每个个体朝最大化个体增益，且与其他集群分离的方向移动。因此，这类方法在动态区域覆盖和目标跟踪问题上具有很好的性能。然而，抗蜂拥算法存在无法保证集群的通信连接，传输集群协同必要信息的问题，但通信连通又是动态区域覆盖等集群行为的至关重要的前提。
[0004]综上所述，现有方法一定程度上限制了集群的灵活性，且无法保证集群间的通信连接，或者存在通信冗余连接，仅考虑集群间的显式交互，而忽略了与环境的隐式交互等问题，有待进一步研究和解决。
技术实现思路
[0005]本专利技术提供一种松散的集群控制方法、装置、设备、介质和产品，旨在解决现有技术存在限制集群的灵活性，无法保证集群间的通信连接，或者存在通信冗余连接，仅考虑集群间的显式交互，而忽略了与环境的隐式交互，导致集群控制效果不佳等问题。本专利技术可以实现在复杂环境中，集群通信连通保持约束条件下，集群对动态区域和目标的最优覆盖。
[0006]第一方面，本专利技术提供了一种松散的集群控制方法，包括：获取集群中智能体的自身状态、所述智能体的局部通信范围内的邻居智能体集合和所述智能体在所述局部感知范围内的最低浓度信息素位置，所述自身状态包括自身位置，所述局部通信范围根据预先设定的局部通信半径确定，所述局部感知范围根据预先设定的局部感知半径确定；基于所述自身位置和所述邻居智能体集合，通过虚拟势力函数确定所述智能体的虚拟势力项；基于所述自身位置和所述最低浓度信息素位置，确定所述智能体的信息素浓度项；根据所述虚拟势力项和所述信息素浓度项确定所述智能体的控制量，所述控制量用于控制所述智能体的加速度。
[0007]进一步地，所述基于所述自身位置和所述邻居智能体集合，通过虚拟势力函数确
定所述智能体的虚拟势力项，包括：从所述邻居智能体集合中获取必要交互邻居智能体集合，并获取所述必要交互邻居智能体集合的位置；基于所述自身位置和所述必要交互邻居智能体集合的位置，通过虚拟势力函数确定所述智能体的虚拟势力项。
[0008]进一步地，所述从所述邻居智能体集合中获取必要交互邻居智能体集合，包括：基于所述邻居智能体集合，确定所述智能体的局部通信拓扑子图；基于所述局部通信拓扑子图，通过Prims算法确定对应所述局部通信拓扑子图的最小生成树；根据所述最小生成树中的节点确定所述必要交互邻居智能体集合。
[0009]进一步地，所述基于所述局部通信拓扑子图，通过Prims算法确定对应所述局部通信拓扑子图的最小生成树，包括：获取所述智能体的度和所述邻居智能体集合的度，所述智能体的度表示所述邻居智能体集合的个数，所述邻居智能体集合的度表示所述邻居智能体集合中每个所述邻居智能体在对应的局部通信范围内的邻居智能体的个数；根据所述智能体的度、所述邻居智能体集合的度和空间邻接矩阵确定对应所述邻居智能体集合的权重系数；基于所述局部通信拓扑子图，根据所述权重系数，通过所述Prims算法确定对应所述局部通信拓扑子图的最小生成树。
[0010]进一步地，所述根据所述智能体的度、所述邻居智能体集合的度和空间邻接矩阵确定对应所述邻居智能体集合的权重系数之前，还包括：获取所述邻居智能体集合的位置；基于所述自身位置和所述邻居智能体集合的位置确定所述空间邻接矩阵。
[0011]进一步地，所述基于所述自身位置和所述最低浓度信息素位置，确定所述智能体的信息素浓度项，包括：获取所述智能体的局部感知范围内的信息素浓度扩散速率、预设的信息素释放速率和预设的信息挥发速率，所述局部感知范围根据预先设定的局部感知半径确定；基于所述信息素浓度扩散速率与所述预设的信息素释放速率的差值与所述预设的信息挥发速率的比值，确定所述智能体的局部感知范围内的信息素浓度，并获取所述信息素浓度对应的位置；基于所述局部感知范围内的信息素浓度，获取最低信息素浓度以及所述最低信息素浓度对应的最低浓度信息素位置；基于所述最低浓度信息素位置与所述自身位置的差值，确定所述智能体的信息素浓度项。
[0012]第二方面，本专利技术还提供了一种松散的集群控制装置，包括：第一处理模块，用于获取集群中智能体的自身状态、所述智能体的局部通信范围内的邻居智能体集合和所述智能体在所述局部感知范围内的最低浓度信息素位置，所述自身状态包括自身位置，所述局部通信范围根据预先设定的局部通信半径确定，所述局部感知范围根据预先设定的局部感知半径确定；第二处理模块，用于基于所述自身位置和所述邻居智能体集合，通过虚拟势力函数确定所述智能体的虚拟势力项；第三处理模块，用于基于所述自身位置和所述最低浓度信息素位置，确定所述智能体的信息素浓度项；第四处理模块，用于根据所述虚拟势力项和所述信息素浓度项确定所述智能体的控制量，所述控制量用于控制所述智能体的加速度。
[0013]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述松散的集群控制方法的步骤。
[0014]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述松散的集群控制方法的步骤。
[0015]第五方面，本专利技术还提供一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一种所述松散的集群控制方法的步骤。
[0016]本专利技术提供的一种松散的集群控制方法、装置、设备、介质和产品，通过获取集群中智能体的自身状态、智能体的局部通信范围内的邻居智能体集合和智能体在局部感知范围内的最低浓度信息素位置，自身状态包括自身位置，局部通信范围根据预先设定的局部通信半径确定，局部感知范围根据预先设定的局部感知半径确定；基于自身位置和邻居智能体集合，通过虚拟势力函数确定智能体的虚拟势力项；基于自身位置和最低浓度信息素位置，确定智能体的信息素浓度项；根据虚拟势力项和信息素浓度项确定智能体的控制量，控制量用于控制智能体的加速度。可以看出，本专利技术通过将虚拟势力项和信息素浓度项结合获得集群中各智能体的控制量，实本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种松散的集群控制方法，其特征在于，包括：获取集群中智能体的自身状态、所述智能体的局部通信范围内的邻居智能体集合和所述智能体在所述局部感知范围内的最低浓度信息素位置，所述自身状态包括自身位置，所述局部通信范围根据预先设定的局部通信半径确定，所述局部感知范围根据预先设定的局部感知半径确定；基于所述自身位置和所述邻居智能体集合，通过虚拟势力函数确定所述智能体的虚拟势力项；基于所述自身位置和所述最低浓度信息素位置，确定所述智能体的信息素浓度项；根据所述虚拟势力项和所述信息素浓度项确定所述智能体的控制量，所述控制量用于控制所述智能体的加速度。2.根据权利要求1所述的松散的集群控制方法，其特征在于，所述基于所述自身位置和所述邻居智能体集合，通过虚拟势力函数确定所述智能体的虚拟势力项，包括：从所述邻居智能体集合中获取必要交互邻居智能体集合，并获取所述必要交互邻居智能体集合的位置；基于所述自身位置和所述必要交互邻居智能体集合的位置，通过虚拟势力函数确定所述智能体的虚拟势力项。3.根据权利要求2所述的松散的集群控制方法，其特征在于，所述从所述邻居智能体集合中获取必要交互邻居智能体集合，包括：基于所述邻居智能体集合，确定所述智能体的局部通信拓扑子图；基于所述局部通信拓扑子图，通过Prims算法确定对应所述局部通信拓扑子图的最小生成树；根据所述最小生成树中的节点确定所述必要交互邻居智能体集合。4.根据权利要求3所述的松散的集群控制方法，其特征在于，所述基于所述局部通信拓扑子图，通过Prims算法确定对应所述局部通信拓扑子图的最小生成树，包括：获取所述智能体的度和所述邻居智能体集合的度，所述智能体的度表示所述邻居智能体集合的个数，所述邻居智能体集合的度表示所述邻居智能体集合中每个所述邻居智能体在对应的局部通信范围内的邻居智能体的个数；根据所述智能体的度、所述邻居智能体集合的度和空间邻接矩阵确定对应所述邻居智能体集合的权重系数；基于所述局部通信拓扑子图，根据所述权重系数，通过所述Prims算法确定对应所述局部通信拓扑子图的最小生成树。5.根据权利要求4所述的松散的集群控制方法，其特征在于，所述根据所述智能体的度、所述邻居智能体集合的度和空间...
【专利技术属性】
技术研发人员：丘腾海，王乐乐，蒲志强，刘振，易建强，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。