一种多智能体路径规划方法、导航服务器及可读存储介质技术

本发明专利技术提供了一种多智能体路径规划方法、导航服务器及可读存储介质，其中方法步骤包括：S1调度处理装置搜集多智能体路径规划数据，并依据浮动资源定义对其进行抽象处理；S2调度处理装置根据定义的冲突类型、规划动作、浮动资源定义设定基因编码结构，以根据步骤S1处理后的路径规划数据生成初始基因数据；S3调度处理装置调用多目标遗传算法NSGA

【技术实现步骤摘要】
一种多智能体路径规划方法、导航服务器及可读存储介质


[0001]本专利技术涉及多智能体路径规划领域（Multi
‑
Agent Path Finding, MAPF），尤其涉及利用浮动资源搜索算法来处理多智能体路径规划的方法、导航服务器及可读存储介质。

技术介绍

[0002]路径规划算法，是在已知起点与终点的情况下，根据地图或周围实时的环境信息搜索出一条可行路径的算法。为统一表述，本申请将用“智能体”指代规划算法的对象（例如包括：无人车、无人机、或其他能够自动导航寻路的装置、或机器均可以用智能体进行抽象）。
[0003]通常，对于单个智能体的路径规划这一需求，有着非常多成熟的解决方法，如最短路算法。常用于实际应用中的最短路算法有很多，如 Dijstra 算法、Floyd 算法、A
‑
Star 算法等；这些算法都是多项式算法（计算复杂度为多项式复杂度）。但是，多智能体路径规划是一个 NP
‑
hard 问题（不能确保在多项式时间内找到解），所以无法直接将单个智能体的路径规划算法直接拓展至多个智能体的场景。虽然目前尚未存在非常成熟且通用的多智能体路径规划算法，但依然有着非常多相关的成果。
[0004]首先，是基于规则的体系，如：1）Hierarchical Cooperative：其按一定的优先级对智能体进行排序，优先级高的智能体先进行搜路，优先级低的智能体搜路时，将会把高优先级的个体当做障碍物。2）其他特殊规则：将地图中的点特殊化，如某点只能以某种方式通过、或达成某些条件时某些边无法通过等特殊化的处理。这些方法的好处是计算复杂度低，基本上就是单个智能体规划算法的直接拓展；但是，由于这些方法没有从全局出发考虑问题，在一些复杂的情况下，如：多个智能体需要从不同的方向经过同一个路口等情况时，这些方法无法收敛。
[0005]其次，是基于搜索的体系，如：1）Conflict Based Search（CBS）：其将智能体路径中的冲突分析当做核心，每出现一个冲突，就将其作为约束加入规划模型中，随后再进行一次搜路。在每一个约束加入模型时，都需要拓展搜索树上的一个节点，而每一个节点，都需要考虑所有智能体路径的冲突情况，所以，虽然CBS可以找到全局最优解，但它的计算复杂度是指数复杂度。当智能体超过一定数量时（例如通常为10~20时），算法的计算时间就已完全不可接受。
[0006]综上所述，在现有的多智能体路径规划算法中，存在这样的难题：1)多智能体路径规划是一个NP
‑
hard问题，没有理论保证能在多项式时间内找到最优解；2)对于已知的快速（多项式时间）求解算法，无法保证能找到解。
[0007]为此，在上述背景下，本专利技术试图提出新的分析手段，从而在一定程度上降低分析多智能体路径规划这一问题的难度，并由此提出一种新的求解方法，以至少保证其具备必定收敛的特性，使得能够获得全局最优解。

技术实现思路

[0008]为了实现上述目的，根据本专利技术的第一个方面，提供了一种多智能体路径规划方法，其方法步骤包括：S1调度处理装置搜集多智能体路径规划数据，并依据浮动资源定义对其进行抽象处理；其中浮动资源定义为，为坐标点对序列， 代表一个逻辑步骤对应的执行顺序，且其具有时间上的先后顺序，用
ꢀꢀ
进行抽象，以抽象化各智能体的路径规划数据；S2调度处理装置根据定义的冲突类型、浮动资源定义设定基因编码结构，以根据步骤S1处理后的路径规划数据生成初始基因数据；其中冲突类型包括：前向冲突，反向冲突，占位冲突，容量冲突，其算法中基因编码结构设定为：，其中w为原地等待的步骤次数；d为起点变换的目标点；s为原地等待与起点变换的数量，n为智能体的数量；m为算法种群大小；S3调度处理装置调用多目标遗传算法NSGA
‑
II程序，以执行NSGA
‑
II程序中包括的生成、评价、选择计算过程，来对步骤S2生成的初始基因数据进行求解，直至达到收敛条件获得全局最优解。
[0009]为了实现上述目的，根据本专利技术的第二个方面，还提供了一种多智能体路径规划方法，步骤包括：S1调度处理装置搜集多智能体路径规划数据，并依据浮动资源定义对其进行抽象处理；S2调度处理装置根据定义的冲突类型、规划动作、浮动资源定义设定基因编码结构，以根据步骤S1处理后的路径规划数据生成初始基因数据；S3调度处理装置调用多目标遗传算法NSGA
‑
II程序，并基于多目标优化模型计算获得的评价目标，来执行NSGA
‑
II程序中包括的生成，评价，选择计算过程，来对步骤S2生成的初始基因数据进行求解，直至达到收敛条件获得全局最优解。
[0010]根据本专利技术第二个方面，所述浮动资源定义为：，其中为坐标点对序列， 代表一个逻辑步骤对应的执行顺序，且其具有时间上的先后顺序，用
ꢀꢀ
进行抽象。
[0011]根据本专利技术第二个方面，步骤S1中抽象过程包括：判断若智能体原地不动，则记录智能体从原地运动至原地，若智能体运动则记录其占用的浮动资源。
[0012]根据本专利技术第二个方面，所述冲突类型包括：前向冲突，反向冲突，占位冲突，容量冲突。
[0013]根据本专利技术第二个方面，所述规划动作包括：原地等待，在某一步中静止不动，等待其他智能体完成当前步骤的任务；起点变化，在其他智能体均原地等待的情况下，某一智能体移动至新地点，以新地点作为起点重新规划。
[0014]根据本专利技术第二个方面，步骤S2中的基因编码结构定义为：，其中w为原地等待的步骤次数；d为起点变换的目标点；s为原地等待与起点变换的数量，n为智能体的数量；m为算法种群大小。
[0015]根据本专利技术第二个方面，步骤S3中多目标优化模型为拥有两个目标的多目标优化
模型，即：评价目标一：获取所有多智能体执行任务的代价 ；其中， 是智能体集合， 是其中一个智能体， 是智能体对应的代价；评价目标二：把冲突当作约束转为目标；把冲突当作约束转为目标；其中，T 是步骤集合， 是判断在步骤
ꢀꢀ
时，智能体
ꢀꢀ
与
ꢀꢀ
是否资源冲突的布尔表达式，故
ꢀꢀ
代表智能体
ꢀꢀ
在步骤
ꢀꢀ
所占用的浮动资源， 代表智能体 y 在步骤
ꢀꢀ
所占用的浮动资源；等号表示两个浮动资源存在冲突，不等号表示不冲突，系数
ꢀꢀ
用于衡量浮动资源冲突的代价，系数
ꢀꢀ
用于衡量浮动资源冲突的基本代价。
[0016]为了实现上述目的，根据本专利技术的第三个方面，还提供了一种导航服务器，其与多智能体通通信连接，提供导航规划信息，其中所述导航服务器包括：存储模块，处理模块，通信模块，能源模块，所述能源模块为存储模块，处理模块，通信模块供能，所述存储模块存有包括上述中任一所述的多智能体路径规划方法，以供所述处理模块执行该些步骤后获得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多智能体路径规划方法，步骤包括：S1调度处理装置搜集多智能体路径规划数据，并依据浮动资源定义对其进行抽象处理；其中浮动资源定义为，为坐标点对序列， 代表一个逻辑步骤对应的执行顺序，且其具有时间上的先后顺序，用
ꢀꢀ
进行抽象，以抽象化各智能体的路径规划数据；S2调度处理装置根据定义的冲突类型、浮动资源定义设定基因编码结构，以根据步骤S1处理后的路径规划数据生成初始基因数据；其中冲突类型包括：前向冲突，反向冲突，占位冲突，容量冲突，其中基因编码结构设定为：，其中w为原地等待的步骤次数；d为起点变换的目标点；s为原地等待与起点变换的数量，n为智能体的数量；m为算法种群大小；S3调度处理装置调用多目标遗传算法NSGA
‑
II程序，以执行NSGA
‑
II程序中包括的生成、评价、选择计算过程，来对步骤S2生成的初始基因数据进行求解，直至达到收敛条件获得全局最优解。2.一种多智能体路径规划方法，步骤包括：S1调度处理装置搜集多智能体路径规划数据，并依据浮动资源定义对其进行抽象处理；S2调度处理装置根据定义的冲突类型、规划动作、浮动资源定义设定基因编码结构，以根据步骤S1处理后的路径规划数据生成初始基因数据；S3调度处理装置调用多目标遗传算法NSGA
‑
II程序，并基于多目标优化模型计算获得的评价目标，来执行NSGA
‑
II程序中包括的生成，评价，选择计算过程，来对步骤S2生成的初始基因数据进行求解，直至达到收敛条件获得全局最优解。3.根据权利要求2所述的多智能体路径规划方法，其中所述浮动资源定义为，其中为坐标点对序列， 代表一个逻辑步骤对应的执行顺序，且其具有时间上的先后顺序，用
ꢀꢀ
进行抽象。4.根据权利要求2所述的多智能体路径规划方法，其中步骤S1中对多智能体路径规划进行抽象处理步骤包括：判断若智能体原地不动，则记录智能体从原地运动至原地，若智能体运动则记录其占用的浮动资源。5.根据权利要求2所述的多智能体路径规划方法，其中所...

【专利技术属性】
技术研发人员：向英杰，赵越，
申请(专利权)人：上海仙工智能科技有限公司，
类型：发明
国别省市：