一种基于基因调控网络的智能体集群区域覆盖方法及系统技术方案

本发明专利技术公开了一种基于基因调控网络的智能体集群区域覆盖方法、系统、设备及介质，涉及智能控制技术领域，所述基因调控网络包括上层网络和下层网络，其中所述方法包括：实时获取智能体的位置信息以及与其邻近的所有障碍物的位置信息；在上层网络中，根据智能体的位置信息和所有障碍物的位置信息，生成由智能体和所有障碍物形成的三维浓度地图，再将三维浓度地图映射到二维平面以获取智能体所处的影响区域；在下层网络中，根据影响区域的形态特征确定智能体在下一时刻的运动速度；控制智能体按照运动速度运行，以进行区域覆盖。本发明专利技术通过引入基因调控网络调整智能体的当前运行状态，使得智能体集群达到更好的区域覆盖效果。使得智能体集群达到更好的区域覆盖效果。使得智能体集群达到更好的区域覆盖效果。

【技术实现步骤摘要】
一种基于基因调控网络的智能体集群区域覆盖方法及系统


[0001]本专利技术涉及智能控制
，具体是涉及一种基于基因调控网络的智能体集群区域覆盖方法、系统、设备及介质。

技术介绍

[0002]智能体因响应速度快、使用成本低等特点受到空前的关注并得到迅速发展。但是由于环境复杂性和任务多样性，单个智能体通常难以满足很多实际任务需求，考虑到执行任务的效率，智能体的协同控制技术得到广泛的研究。
[0003]智能体集群的区域覆盖问题是指控制每个智能体运动以使得智能体集群所形成的感知范围逐步覆盖整个区域，从而实现对该区域的高效侦察或监控，可广泛应用于大气监测、森林火灾探测、交通控制等领域。目前已有学者提出利用虚拟势场函数来构建出智能体运动控制模型以实现智能体集群的区域覆盖，但是由于虚拟势场函数的本质是调节智能体之间的引力和斥力，很容易造成智能体集群在运动过程中发生死锁问题，从而导致区域覆盖效果不佳。

技术实现思路

[0004]本专利技术提供一种基于基因调控网络的智能体集群区域覆盖方法、系统、设备及介质，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
[0005]第一方面，提供一种基于基因调控网络的智能体集群区域覆盖方法，所述基因调控网络包括上层网络和下层网络，所述方法包括：针对智能体集群中的每个智能体，实时获取所述智能体的位置信息以及与其邻近的所有障碍物的位置信息；在所述上层网络中，根据所述智能体的位置信息和所述所有障碍物的位置信息，生成由所述智能体和所述所有障碍物形成的三维浓度地图，再将所述三维浓度地图映射到二维平面以获取所述智能体所处的影响区域；在所述下层网络中，根据所述影响区域的形态特征确定所述智能体在下一时刻的运动速度；控制所述智能体按照所述运动速度运行，以进行区域覆盖。
[0006]进一步地，所述所有障碍物为所述智能体集群中除所述智能体之外与所述智能体之间的距离落在给定探测范围内的所有智能体。
[0007]进一步地，所述根据所述智能体的位置信息和所述所有障碍物的位置信息，生成由所述智能体和所述所有障碍物形成的三维浓度地图包括：根据所述智能体的位置信息，确定所述智能体产生的个体浓度场；根据所述所有障碍物的位置信息，确定所述所有障碍物产生的综合浓度场；将所述个体浓度场和所述综合浓度场进行融合，得到由所述智能体和所述所有障
碍物形成的三维浓度地图。
[0008]进一步地，所述将所述个体浓度场和所述综合浓度场进行融合，相应的公式为：其中，为所述基因调控网络中的一种基因以生成所述综合浓度场对应的综合浓度地图，为时间，为S型函数，和为给定调节参数，为所述基因调控网络中的另一种基因以生成所述三维浓度地图，为所述个体浓度场。
[0009]进一步地，所述根据所述影响区域的形态特征确定所述智能体在下一时刻的运动速度包括：当识别所述影响区域为非圆形区域时，按照既定采样步长从所述影响区域的外边界线上获取若干个采样点；获取所述智能体与每个采样点之间的距离，再结合所述智能体的当前运动速度和给定的智能体最小避碰距离，确定所述智能体在下一时刻的运动速度。
[0010]进一步地，所述智能体在下一时刻的运动速度的计算公式为：其中，为所述智能体在下一时刻的运动速度，为所述若干个采样点的数量，指代S型函数，为所述智能体最小避碰距离，为所述智能体与第j个采样点之间的距离，为给定调控参数，为所述智能体的当前运动速度。
[0011]进一步地，所述根据所述影响区域的形态特征确定所述智能体在下一时刻的运动速度还包括：当识别所述影响区域为圆形区域时，将所述智能体的当前运动速度作为所述智能体在下一时刻的运动速度。
[0012]第二方面，提供一种基于基因调控网络的智能体集群区域覆盖系统，所述基因调控网络包括上层网络和下层网络，所述系统包括：获取模块，用于针对智能体集群中的每个智能体，实时获取所述智能体的位置信息以及与其邻近的所有障碍物的位置信息；生成模块，用于运行所述上层网络，根据所述智能体的位置信息和所述所有障碍物的位置信息，生成由所述智能体和所述所有障碍物形成的三维浓度地图，再将所述三维浓度地图映射到二维平面以获取所述智能体所处的影响区域；确定模块，用于运行所述下层网络，根据所述影响区域的形态特征确定所述智能体在下一时刻的运动速度；
控制模块，用于控制所述智能体按照所述运动速度运行，以进行区域覆盖。
[0013]第三方面，提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序以实现如第一方面所述的基于基因调控网络的智能体集群区域覆盖方法。
[0014]第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的基于基因调控网络的智能体集群区域覆盖方法。
[0015]本专利技术至少具有以下有益效果：利用基因调控网络内部所包含的上层网络对单个智能体所在的局部信息进行解析，可以获取到该智能体在当前时刻下所处的影响区域，再利用基因调控网络内部所包含的下层网络对该影响区域的形态特征进行解析，可以获取到该智能体在下一时刻的运动速度，以避开邻近智能体所覆盖的区域，通过以上两个解析过程对智能体集群中的每个智能体的运行状态进行实时调整，可以实现智能体集群的区域覆盖任务，克服现有技术中需要依赖虚拟势场函数所带来的智能体集群在运动过程中的死锁问题，达到更好的区域覆盖效果。
附图说明
[0016]附图用来提供对本专利技术技术方案的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术的技术方案，并不构成对本专利技术技术方案的限制。
[0017]图1是本专利技术实施例中的一种基于基因调控网络的智能体集群区域覆盖方法的流程示意图；图2是本专利技术实施例中的三维浓度地图的示意图；图3是本专利技术实施例中的三维浓度地图映射后的二维平面示意图；图4是本专利技术实施例中的一种基于基因调控网络的智能体集群区域覆盖系统的组成示意图；图5是本公开实施例中的计算机设备的硬件结构示意图。
具体实施方式
[0018]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0019]需要说明的是，虽然在系统示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于系统中的模块划分，或流程图中的顺序执行所示出或描述的步骤。本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序，应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如包含了一系列步骤或单元的过程、方法、系统、产品或装置不必限定于清楚列出的那些步骤或单元，而是可以包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于基因调控网络的智能体集群区域覆盖方法，其特征在于，所述基因调控网络包括上层网络和下层网络，所述方法包括：针对智能体集群中的每个智能体，实时获取所述智能体的位置信息以及与其邻近的所有障碍物的位置信息；在所述上层网络中，根据所述智能体的位置信息和所述所有障碍物的位置信息，生成由所述智能体和所述所有障碍物形成的三维浓度地图，再将所述三维浓度地图映射到二维平面以获取所述智能体所处的影响区域；在所述下层网络中，根据所述影响区域的形态特征确定所述智能体在下一时刻的运动速度；控制所述智能体按照所述运动速度运行，以进行区域覆盖。2.根据权利要求1所述的基于基因调控网络的智能体集群区域覆盖方法，其特征在于，所述所有障碍物为所述智能体集群中除所述智能体之外与所述智能体之间的距离落在给定探测范围内的所有智能体。3.根据权利要求1所述的基于基因调控网络的智能体集群区域覆盖方法，其特征在于，所述根据所述智能体的位置信息和所述所有障碍物的位置信息，生成由所述智能体和所述所有障碍物形成的三维浓度地图包括：根据所述智能体的位置信息，确定所述智能体产生的个体浓度场；根据所述所有障碍物的位置信息，确定所述所有障碍物产生的综合浓度场；将所述个体浓度场和所述综合浓度场进行融合，得到由所述智能体和所述所有障碍物形成的三维浓度地图。4.根据权利要求3所述的基于基因调控网络的智能体集群区域覆盖方法，其特征在于，所述将所述个体浓度场和所述综合浓度场进行融合，相应的公式为：其中，为所述基因调控网络中的一种基因以生成所述综合浓度场对应的综合浓度地图，为时间，为S型函数，和为给定调节参数，为所述基因调控网络中的另一种基因以生成所述三维浓度地图，为所述个体浓度场。5.根据权利要求1所述的基于基因调控网络的智能体集群区域覆盖方法，其特征在于，所述根据所述影响区域的形态特征确定所述智能体在下一时刻的运动速度包括：当识别所述影响区域为非圆形区域时，按照既定采样步长从所述影响区域的外边界线上...

【专利技术属性】
技术研发人员：李文姬，关朝滔，王诏君，范衠，邱昊，彭泫知，朱翔，余欣冉，邓浩源，郝志峰，
申请(专利权)人：汕头大学，
类型：发明
国别省市：