【技术实现步骤摘要】
一种面向复杂多边形区域的多智能体协同覆盖探索规划模型及方法
[0001]本专利技术属于多智能体协同领域,具体地指一种面向复杂多边形区域的多智能体协同覆盖探索规划模型及方法
。
技术介绍
[0002]随着人工智能的发展,对于很多复杂的任务,单个智能体无法完成或完成时间成本很高,因此需要多个智能体协同来完成任务,从而使多智能体协同成为一大研究热门
。
[0003]区域覆盖问题是多智能体协同完成任务的比较普遍的一种
。
为了在限定的条件下,协同多个智能体,来对目标区域实现全面覆盖,最终需要投入的智能体和时间成本都是最少,即总成本最低的情况下最有效的完成任务
。
[0004]本专利技术主要针对多智能体协同,对复杂不规则海域进行覆盖的问题
。
因为当今海洋资源丰富,而人力探索较为危险,因此需要无人智能体来对复杂海域进行探索
。
探索的第一步就是利用多智能体进行区域覆盖
。
[0005]国内外研究者们在基于多智能体协同的不规则海域区域覆盖问题上都取得了一定的研究成果
。
他们通过优化算法
、
改进协同机制和应用先进的通信技术,提高了海域区域覆盖的效率和准确性
。
然而,仍然存在一些挑战,例如海洋环境的复杂性
、
通信限制和路径规划的优化等问题,需要进一步的研究和探索
。
未来的工作可以聚焦于算法改进
、
系统优化和应用拓展,以提升基
【技术保护点】
【技术特征摘要】
1.
一种面向复杂多边形区域的多智能体协同覆盖探索规划模型,其特征在于,包括:最优覆盖方向选定模块
、
最优预设轨迹生成模块
、
最优协同路径规划模块;所述最优覆盖方向选定模块:用于选取智能体覆盖复杂多边形海域的整体运动方向;所述最优预设轨迹生成模块:用于生成智能体覆盖全部区域的最少转角预设轨迹;所述最优协同路径规划模块:在智能体数确定的情况下,以最小覆盖成本为优化目标,建立优化数学模型
。2.
根据权利要求1所述的一种面向复杂多边形区域的多智能体协同覆盖探索规划模型,其特征在于,所述最优覆盖方向选定模块的整体运动方向垂直于不规则多边形区域的最小高度方向,具体地,使多边形区域在二维坐标系上旋转,测量其不同方向的高度,最佳扫描轨迹方向是高度最小的方向
。3.
根据权利要求1所述的一种面向复杂多边形区域的多智能体协同覆盖探索规划模型,其特征在于,所述最优预设轨迹生成模块,具体如下:已知智能体的扫描宽度为
L
,得覆盖预设轨迹数:式中,
N
l
为预设轨迹的行数;
h
min
为不规则多边形海域的最小高度;
L
为智能体的扫描宽度;
s∈(0,1)
,表示两个图像之间的重叠部分,这种重叠通常是连接图像以组成航拍图所必需的,而后可得两行预设轨迹之间的距离
d
l
为:假设表示区域的多边形以最佳覆盖方向平行于全局参考系
x
轴的方式旋转,覆盖轨迹可以由具有相同
y
坐标的两个平面点
(x,y)
得出:
x
坐标由纵坐标为
y
i
的水平直线与待覆盖区域边界的交点取得,一旦点被计算出来,它们就会旋转回原来的方向;覆盖轨迹的极值点,以及智能体起始位置的坐标,为图
G
=
(V,E)
的点集
V
,图中的每个节点都已编号,第一架智能体的起始点编号为1,与第一行覆盖轨迹相关的节点的编号为2和3,与第二行相关的节点的编号为4和5,依此类推
。
最后,每行覆盖轨迹都与后续的偶数和奇数节点相关联,边集
E
由连接图的
N
个节点的所有线段组成,从而形成一个完整的图,即为最优预设轨迹
。4.
根据权利要求3所述的一种面向复杂多边形区域的多智能体协同覆盖探索规划模型,其特征在于,还包括,将图
G
表示为
N
×
N
成本矩阵
C
,其元素
C
ij
由节点
i
和
j
空间坐标之间的欧式距离得出,其中,矩阵
C
对称,即
C
ij
=
C
ji
,
其元素满足三角不等式,即
C
ij
+C
jk
≥C
ik
,(j,k),(i,k)∈E。5.
根据权利要求1所述的一种面向复杂多边形区域的多智能体协同覆盖探索规划模型,其特征在于,所述最优协同路径规划模块,将最优协同路径规划问题转化为
VRP
问题,将
每个智能体视作智能体,覆盖轨迹的每个极值点视为客户;通过提出新的约束,强制智能体在它们的路径图中使用一些预先指定的边;最后通过求解
VRP
,可以获得每个智能体执行的一组路径路线
。6.
根据权利要求5所述的一种面向复杂多边形区域的多智能体协同覆盖探索规划模型,其特征在于,所述最优协同路径规划模块,具体如下:将成本矩阵
C
中的元素
C
ij...
【专利技术属性】
技术研发人员:王海,王明辰,蔡英凤,张洲宇,张舜尧,张桂荣,秦启瑞,
申请(专利权)人:江苏大学,
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。