【技术实现步骤摘要】
本专利技术涉及一种多机器人的协同工作控制方法，具体涉及一种基于优先度的多机器人的任务分配方法。
技术介绍
1、随着技术的进步和机器人应用领域的不断扩大，机器人作业场景的复杂性不断提高，机器人执行的任务变得越来越多样化。从简单的物品搬运到复杂的环境监测和协作任务，机器人的应用场景日益广泛，这导致了在同一作业场景中需要执行各种不同类型的任务。伴随作业场景的扩大，需要更多机器人来覆盖更大的区域，随着机器人的数量逐渐增多，需要执行的任务数量也随之增加，这些任务通常不是孤立存在的，它们可能存在先后顺序的依赖关系，或者彼此之间存在某种协同关系，这大大增加了任务分配的难度。任务之间的复杂关系和多样性使得难以手动管理和优化任务分配，随着任务数量的增加，手动分配任务不仅变得更加耗时，难以适应需要迅速响应的作业场景，这迫切需要兼具灵活性和快速响应的任务分配方法。
2、在当前的研究和实践中，粒子群算法、遗传算法等自然启发算法以及神经网络算法被应用于多机器人任务分配。这些算法在解决一定规模和复杂性的任务分配问题上表现出色，但随着机器人数量和任务数量的不断增加，它们在处理多机器人的多任务分配问题时面临着一些困难，其中主要的问题之一是计算量的急剧增加。随着机器人和任务的增多，任务分配问题的搜索空间呈指数级增长。传统的自然启发式算法，如粒子群算法和遗传算法，通常需要在大规模解空间中进行搜索，这导致了计算复杂性的急剧增加。问题规模的增加会导致算法的执行时间显著延长，使得这些方法在实际应用中变得不切实际。在多机器人任务分配中，存在着许多局部最优解，而
3、尽管粒子群算法、遗传算法等自然启发算法以及神经网络算法在一些情境下表现出色，但对于多机器人的多任务分配的大规模、高复杂性问题，它们面临的计算复杂性、局部最优解、实时性和鲁棒性等方面的挑战使得它们的应用受到限制。因此，有必要探索更高效、更简便的任务分配算法，以满足日益增长的机器人数量和任务复杂性的需求。
技术实现思路
1、为更加高效、简便地对多机器人系统的任务进行分配，满足日益增长的机器人数量和任务复杂性的需求，本专利技术提出一种基于优先度的多机器人任务分配方法，包括以下步骤：
2、步骤1，获取多机器人系统内的机器人信息和任务点信息；
3、步骤2，计算任务点的整体优先度；
4、步骤3，根据整体优先度对任务点进行集合划分，形成不同整体优先度等级的任务点集合；
5、步骤4，按照整体优先度等级从高到低的顺序，依次对多个具有不同整体优先度等级的集合进行操作，将集合内的任务点分配给多机器人，并执行任务点的作业。
6、进一步地，通过以下公式，计算各任务点的整体优先度rel：
7、
8、其中，a为前置权重系数，a优选为1；rel(p)为所计算的第p个任务点的整体优先度，当任务点p是任务点q的前置任务点时，即任务点q的完成依赖于任务点p的率先完成，pre(p,q)=1，当任务点p不属于任务点q的前置任务点时，即任务点p是否完成不影响任务点q的进程，pre(p,q)=0；w(p)为第p个任务点的动态权重。
9、进一步地，其中动态权重确定方式是w(p)=1+α*urgency(p)，其中α 是调整参数，其取值范围为[0,1]，urgency(p) 是任务点p的紧急性属性参数。
10、进一步地，其中将集合内的任务点分配给多机器人，具体步骤包括：
11、（1）起始点选择：从集合中随机选取一个任务点作为起始点，将该起始点作为初始的机器人的待作业任务点集合的中心点；
12、（2）距离指数计算和中心点更新：计算每个任务点与当前的中心点之间的距离指数，选择最大距离指数所对应的任务点作为下一个待作业任务点集合的中心点；
13、（3）重复前一步骤，直到选择出除起始点外的与机器人数量一致的多个待作业任务点集合的中心点；
14、（4）以前述多个待作业任务点集合的中心点为基础，使用聚类算法，将任务点均匀分配给多个机器人，从而形成各机器人的待作业任务点集合。
15、进一步地，其中将集合内的任务点分配给多机器人，具体步骤包括：
16、（1）起始点选择：从集合中选择局部离群因子最小的任务点作为初始任务点集合的中心点；
17、（2）距离指数计算和中心点更新：计算每个任务点与当前的中心点之间的距离指数，选择最大距离指数所对应的任务点作为下一个待作业任务点集合的中心点；
18、（3）重复前一步骤，直到选择与机器人数量一致的多个待作业任务点集合的中心点；
19、（4）以前述多个待作业任务点集合的中心点为基础，使用聚类算法，将任务点均匀分配给多个机器人，从而形成各机器人的待作业任务点集合。
20、进一步地，其中任务点的作业，具体为：机器人首先对待作业任务点集合中距离最近的任务点进行作业，其后根据集合中的各任务点的细分优先度的大小先后进行作业，直至待作业的任务点数量为0
21、进一步地，其中任务点的细分优先度计算如下：
22、，其中，ope(p)为机器人在第p个任务点的作业时间，tra(p)为机器人从第p-1个任务点到达第p个任务点的距离或时间，c为权重系数，c优选为1。
23、进一步地，其中距离指数采用欧氏距离。
24、进一步地，其中距离指数采用以下公式计算得到：
25、，其中ope(p)为机器人在所计算的第p个任务点的作业时间，i代表具有相同整体优先度的任务点组成的集合中的任务点编号，trac(p)为第p个任务点至当前任务点集合的中心点的距离，d为权重系数。
26、进一步地，其中步骤1中获取机器人信息包括：获取机器人数量、属性、位置坐标和当前状态信息。
27、本专利技术还提出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前述任一所述方法的步骤。
28、本专利技术提供的基于优先度的多机器人任务分配方法，在提高任务执行效率、更好地应对任务关联性和优先级、以及适应大规模问题等方面具有显著的优势，在实际应用中取得了良好的效果。
29、该方法通过考虑各任务点之间的前置和依赖关系，确定任务点的整体优先度，系统更全面地理解任务之间的关联性。这有助于确保任务点的执行顺序是合理的，能够更好地满足任务之间的先后顺序要求；该方法引入任务点的优先度概念，使系统能够更灵活地处理任务的执行顺序。通过考虑任务的相对优先级，系统可以更有针对性地选择执行哪些任务，从而更好地满足任务的紧急性或重要性。该方法将任务点根据整体优先度划分为不同集合，有助于系统更有效地管理和调度任务，高整体优先度的任务点被划分到优先级较高的集合，确保这些任务点得到更早的执行，从而降低整体任务执行的时间；当任务点集合本文档来自技高网...
【技术保护点】
1.一种基于优先度的多机器人任务分配方法，包括以下步骤：
2.根据权利要求1所述的基于优先度的多机器人任务分配方法，根据以下公式计算任务点的整体优先度：
3. 根据权利要求2所述的基于优先度的多机器人任务分配方法，其中动态权重确定方式是W(p)=1+α*urgency(p)，其中α 是调整参数，其取值范围为[0,1]，urgency(p) 是任务点p的紧急性属性参数。
4.根据权利要求1所述的基于优先度的多机器人任务分配方法，其中将集合内的任务点分配给多机器人，具体步骤包括：
5.根据权利要求1所述的基于优先度的多机器人任务分配方法，其中将集合内的任务点分配给多机器人，具体步骤包括：
6.根据权利要求1所述的基于优先度的多机器人任务分配方法，其中任务点的作业，具体为：机器人首先对待作业任务点集合中距离最近的任务点进行作业，其后根据集合中的各任务点的细分优先度的大小先后进行作业，直至待作业的任务点数量为0。
7.根据权利要求6所述的基于优先度的多机器人任务分配方法，其中任务点的细分优先度计算如下：
9.根据权利要求4或5中任一权利要求所述的基于优先度的多机器人任务分配方法，其中距离指数采用以下公式计算得到：
10.根据权利要求1所述的基于优先度的多机器人任务分配方法，其中步骤1中获取机器人信息包括：获取机器人数量、属性、位置坐标和当前状态信息。
...【技术特征摘要】
1.一种基于优先度的多机器人任务分配方法，包括以下步骤：
2.根据权利要求1所述的基于优先度的多机器人任务分配方法，根据以下公式计算任务点的整体优先度：
3. 根据权利要求2所述的基于优先度的多机器人任务分配方法，其中动态权重确定方式是w(p)=1+α*urgency(p)，其中α 是调整参数，其取值范围为[0,1]，urgency(p) 是任务点p的紧急性属性参数。
4.根据权利要求1所述的基于优先度的多机器人任务分配方法，其中将集合内的任务点分配给多机器人，具体步骤包括：
5.根据权利要求1所述的基于优先度的多机器人任务分配方法，其中将集合内的任务点分配给多机器人，具体步骤包括：
6.根据权利要求1所述的基于优先度...
【专利技术属性】
技术研发人员：刘元建，程通，张晓龙，甘亚光，
申请(专利权)人：纳博特南京科技有限公司，
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。