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

本发明专利技术公开了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，改进设计了一个面向复杂不规则海域的多智能体协同区域覆盖模型及算法，使其能够提高在复杂海域情况下的探索成本和最优成本下的区域覆盖效率，并且及时规避突发威胁，针对复杂海域下多智能体协同探查技术需要根据探查工作的实际需求，对多个智能体进行协调控制与规划，兼顾探查的精度与探查的速度，为后期各类海洋工程提供精确的测量数据，最大化保障海洋工程的安全性与经济性

【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，以提升基于多智能体协同的不规则海域区域覆盖的性能和应用范围
。

技术实现思路

[0006]本专利技术针对上述问题，主要解决了多智能体协同复杂不规则海域区域覆盖中，路径规划过程中预设轨迹与轨迹交叉的问题
。
[0007]针对目前大多数多智能体协同区域覆盖算法不适应复杂的不规则多边形海域，智能体重复遍历
、
轨迹交叉，算法收敛性交叉，无法避开突发危险，不能满足多智能体协同在复杂海域情况下的最优区域覆盖的问题
。
本专利技术基于混合粒子群算法，改进设计了一个面向复杂不规则海域的多智能体协同区域覆盖模型算法，使其能够提高在复杂海域情况下的探索成本和最优成本下的区域覆盖效率，并且及时规避突发威胁
。
本专利技术通过以下技术方案实现上述技术目的
。
[0008]本专利技术提出了一种面向复杂不规则多边形海域的多智能体协同区域覆盖规划模型与算法，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
、
威胁规避模块
、
最优路径动态求解算法；
[0009]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；
[0010]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；
[0011]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；
[0012]威胁规避模块：在智能体探索到威胁目标后，及时重新对路径进行局部规划以规避危险
。
[0013]所述最优路径动态求解算法：以上述最优协同路径规划模块为基础，在覆盖过程中遇到目标，动态修正规划路径，以保证在不进入威胁范围的情况，求取全局最优的多智能体协同区域覆盖路径
。
[0014]进一步，所述最优覆盖方向选定模块，具体设计如下：
[0015]本专利技术假设智能体对需要覆盖的区域，在垂直于给定扫掠方向的预设轨迹中来回运动，如图2所示
。
[0016]在沿着这些预设轨迹进行飞行时，智能体姿态保持稳定，摄像头垂直对准海平面
。
但在该轨迹的末尾，它会在该区域外形成一条曲线以返回到下一条预设轨迹
。
此外，圈数与给定区域的覆盖时间直接相关
。
因此，本专利技术的第一步是找到最佳覆盖方向，该方向垂直于不规则多边形区域的最小高度的方向
。
在这个方向上，该区域可以用最少的轨迹数覆盖，因此也可以用最少的曲线覆盖，正如图2所示
。
在考虑路径长度
、
时间和能量等成本的情况下，转弯较少的路径更有效
。
[0017]为了找到给定多边形区域的最佳覆盖方向
。
如图3所示，使多边形在二维坐标系
(
所述二维坐标系是基于多边形区域形状所在屏幕的二维坐标系
)
上旋转，并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
。
[0018]进一步，所述最优预设轨迹生成模块，即在找到最佳扫描方向后，就可以将预设轨迹分布在该区域上
。
两条轨迹之间的距离
(m)
，为两条轨迹之间的距离被选择为机载相机在海平面上的覆盖面积的函数，已知智能体的扫描宽度为
L
，
L
为
150m
，可得覆盖预设轨迹数：
[0019][0020]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：
[0021][0022]假设表示区域的多边形以最佳覆盖方向平行于全局参考二维坐标系
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：
[0023][0024]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
。
[0025]覆盖轨迹的极值点，以及智能体起始位置的坐标
(
基地或仓库
)
，为图
G
＝
(V,E)
的点集
V。
图中的每个节点都已编号，因此第一架智能体的起始点编号为1，其他智能体的起始点编号以此类推，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编号节点相关联
。
边集
E
由连接图的
N
个节点的所有线组成，从而形成一个完整的图，即为最优预设轨迹，如图4所示
。
[0026]将图
G
表示为
N
×
N
成本矩阵
C
，其元素...

【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：