一种基于制造技术

本发明专利技术涉及一种基于

【技术实现步骤摘要】
一种基于KM算法的机器人
‑
任务分配方法


[0001]本专利技术属于机器人领域领域，具体涉及一种基于
KM
算法的机器人
‑
任务分配方法
。

技术介绍

[0002]机器人领域中任务分配的应用包括搜救任务
、
巡逻行动等，如攻击或监视，物理灾害管理等
。
如何智能化地实现多机器人系统多任务分配是无人装备领域的热点话题
。
[0003]在多机器人系统中用于解决任务分配问题的主要技术是基于拍卖
(
或市场
)
的方法，基于博弈论的方法，基于优化的方法
(
启发式算法，匈牙利算法等
)
和机器学习技术
。
根据所使用的技术，可以找到最优或几乎总是近似的解决方案，各种方法存在不同程度的可伸缩性
、
复杂性和适应性
。
基于拍卖的技术通常具有较高的计算成本，使得它们不适用于大规模系统
。
此外，确定性优化技术在大中型系统中具有较高的计算成本和较低的可扩展性，但它们适合于小型系统
(
比如系统中只有4台机器人
)
，在小型系统中具有非常好的效率
。
博弈论方法具有非常低的成本，使它们成为提供具有中等到良好效率的快速解决方案的理想选择，这些方法也可以用于大型系统，因为它们具有非常好的可伸缩性
。
启发式和学习方法成本适中，效率高，可扩展性好，根据具体问题，可以在中等规模的环境中使用，有时也可以在更大规模的环境中使用，机器学习技术在动态任务分配和动态环境中非常突出，但多数模型停留在学术实验室环境，目前很难在现实中落地
。
鉴于某些应用场景属于小型系统
(
机器人数量小于
10)
，基于确定性优化的方法
(
比如匈牙利算法
)
有较高的计算效率，且能寻找到问题的最优解，但在无法找到完备匹配的情况下，匈牙利算法将无法找到最优解
。
[0004]本专利技术采用基于
Kuh_Munkras(KM)
算法的机器人
‑
任务分配方法，相比于传统的枚举法和启发式算法，
KM
算法的精度和速度都具有明显优势，能够更好地适应机器人领域的实时性和准确性要求
。

技术实现思路

[0005](
一
)
要解决的技术问题
[0006]本专利技术要解决的技术问题是如何提供一种基于
KM
算法的机器人
‑
任务分配方法，以解决多机器人系统中的任务分配问题
。
[0007](
二
)
技术方案
[0008]为了解决上述技术问题，本专利技术提出一种基于
KM
算法的机器人
‑
任务分配方法，该方法包括如下步骤：
[0009]S1、
首先初始化机器人集合和任务目标集合的节点顶标值，其中，
v1
为待分配的任务集合，
v2
为机器人集合；设
v1
中顶标为
lx[i],v2
中顶标为
ly[j]，为满足
lx[i]+ly[j]≥W[i,j]的前提，赋值
lx[i]＝
max
1≤j≤n
{W[i,j]},ly[j]＝0，
W[i,j]是边
<i,j>
的权值；
[0010]S2、
然后，在二分图中找出所有节点和满足找出
lx[i]+ly[j]＝
W[i,j]的边构成的子图，即相等子图；
[0011]S3、
在相等子图中使用匈牙利算法搜索最大匹配，并判断该最大匹配是否为完备匹配，若是，则输出该完备匹配，即为最佳匹配，结束流程；若否，修改可行顶标值，继续寻找相等子图，重复上述步骤
。
[0012](
三
)
有益效果
[0013]本专利技术提出一种基于
KM
算法的机器人
‑
任务分配方法，本专利技术与现有技术相比的优点在于：
[0014]本专利技术提供了一种易于实现
、
高效且有效的机器人任务分配方法，此算法在稠密图上的效率高于其他算法，可以应用于多机器人系统执行巡逻营救等分配任务中
。
附图说明
[0015]图1为本专利技术的任务分配
KM
算法执行流程示意图；
[0016]图2为
KM
算法的第一步；
[0017]图3为
KM
算法的第二步；
[0018]图4为
KM
算法的第三步；
[0019]图5为
KM
算法最终匹配结果
。
具体实施方式
[0020]为使本专利技术的目的
、
内容和优点更加清楚，下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述
。
[0021]本专利技术涉及机器人
‑
任务分配方法，特别是指一种基于
Kuh_Munkras(KM)
算法的机器人
‑
任务分配方法
。
[0022]本专利技术的目的在于提供一种高效且准确的机器人任务分配方法，使机器人系统可以根据自身载荷自主分配任务目标，保证完成所有任务的总耗时最小
。
[0023]该专利技术提出了一种基于
KM
算法的机器人任务分配方法，将整数规划问题转化为二分图最佳匹配问题，通过匈牙利算法求解二分图最大匹配问题，进而使用
KM
算法求解最佳匹配问题
。
[0024]机器人
‑
任务分配问题可以描述为：
n
个机器人分配
n
项任务，一个机器人只能分配一项任务，一项任务只能分配给一个机器人，一个机器人做某项任务是需要特定时间的，如何分配任务，保证总时间开销最小
。
[0025]记
x
ij
为第
j
项任务是否由第
i
个机器人完成，即当
x
ij
＝0时表示第
j
项任务不是由第
i
个机器人完成，当
x
ij
＝1时表示第
j
项任务是由第
i
个机器人完成，则任务分配问题的整数规划模型为
:
[0026][0027][0028][0029]x
ij
＝
{0,1},i,j
＝
1,2,...,n
[0030]令
C
...

【技术保护点】

【技术特征摘要】
1.
一种基于
KM
算法的机器人
‑
任务分配方法，其特征在于，该方法包括如下步骤：
S1、
首先初始化机器人集合和任务目标集合的节点顶标值，其中，
v1
为待分配的任务集合，
v2
为机器人集合；设
v1
中顶标为
lx[i],v2
中顶标为
ly[j]
，为满足
lx[i]+ly[j]≥W[i,j]
的前提，赋值
lx[i]
＝
max
1≤j≤n
{W[i,j]},ly[j]
＝0，
W[i,j]
是边
<i,j>
的权值；
S2、
然后，在二分图中找出所有节点和满足找出
lx[i]+ly[j]
＝
W[i,j]
的边构成的子图，即相等子图；
S3、
在相等子图中使用匈牙利算法搜索最大匹配，并判断该最大匹配是否为完备匹配，若是，则输出该完备匹配，即为最佳匹配，结束流程；若否，修改可行顶标值，继续寻找相等子图，重复上述步骤
。2.
如权利要求1所述的基于
KM
算法的机器人
‑
任务分配方法，其特征在于，机器人
‑
任务分配问题描述为：
n
个机器人分配
n
项任务，一个机器人只能分配一项任务，一项任务只能分配给一个机器人，一个机器人做某项任务是需要特定时间的，如何分配任务，保证总时间开销最小
。3.
如权利要求2所述的基于
KM
算法的机器人
‑
任务分配方法，其特征在于，记
x
ij
为第
j
项任务是否由第
i
个机器人完成，即当
x
ij
＝0时表示第
j
项任务不是由第
i
个机器人完成，当
x
ij
＝1时表示第
j
项任务是由第
i
个机器人完成，则任务分配问题的整数规划模型为
:::x
ij
＝
{0,1},i,j
＝
1,2,...,n
令
C
＝
(c
ij
)
，
X
＝
(x
ij
)
，则矩阵
C
称为任务分配问题的价值系数矩阵，
X
称为分配问题解的匹配矩阵；机器人
‑
任务分配问题转化为二分图最佳匹配问题
。4.
如权利要求3所述的基于
KM
算法的机器人
‑
任务分配方法，其特征在于，二分图匹配问题是二分图的一个子图
g
，该子图
g
满足以下条件：在这个子图
g
中，不存在有任意的两条边依附于同一个顶点
。5.
如权利要求4所述的基于
KM
算法的机器人
‑
任务分配方法，其特征在于，设
M
是一个带权二分图的完备匹配，给定每一个点一个顶标，不妨设
v1
中顶标为
lx[i],v2
中顶标为
ly[j],
如果对于任意的

【专利技术属性】
技术研发人员：刘朋杰，王浩枫，刘洪宇，杨恒，任建新，
申请(专利权)人：北京计算机技术及应用研究所，
类型：发明
国别省市：