动态环境下多智能体系统的协作研究

作     者：袁猛 

作者单位：南京邮电大学 

学位级别：硕士

导师姓名：许斌

授予年度：2022年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：动态环境 多智能体技术 多智能体系统 多智能体协作 多智能体围捕 

摘      要：随着智能制造、工程控制以及计算机技术的发展,在工程应用领域,采用多智能体技术的多智能体系统已经广泛应用在机器人控制、工业生产等众多领域。多智能体协作围捕研究是动态环境下多智能体系统协作的重要研究领域,其中动态目标围捕是多智能体协作研究的代表。在动态目标围捕场景中,存在两个问题:一个是障碍物的存在严重阻碍了智能体移动的速度和稳定性,另一个是多智能体在对多目标围捕时如何协同分配围捕目标。本文围绕多智能体围捕任务中的多智能体协同任务分配问题、动态环境下智能体避障问题以及对多目标围捕问题进行研究,旨在实现对目标的动态围捕。首先,针对动态环境下多智能体围捕任务分配问题,提出了基于多目标分类的围捕任务分配算法（Multi-Objective Classification Rounding-Up Task Assignment,MOCRTA）。该算法基于最优路径规划结果计算智能体点到各分配点的距离,用于对智能体点分类;对分类结果采用距离加权方式计算新的分类中心点;使用基于多目标分类的围捕任务分配算法对各智能体点进行迭代计算,获得围捕任务分配结果。通过仿真实验,验证了MOCRTA算法在解决多智能体围捕任务分配问题的有效性。其次,针对动态环境下智能体避障问题,提出了基于动态窗口的实时避障算法（Dynamic Window Real-time Obstacle Avoidance,DWROA）。该算法融合了路径规划思想和动态窗口法;路径规划算法根据静态地图信息规划出最优静态路径,并提取局部路径点;动态窗口法在两个相邻的路径点间进行局部规划,并在局部路径点的引导下,智能体实时避障结束后快速回到最优静态路径上,确保全局路径最优。对于环境中动态和静态障碍物问题,基于动态窗口的实时避障算法改进了障碍物距离评价子函数,提升对动态障碍物的适应性。通过仿真实验,验证了DWROA算法在解决动态环境下避障问题的有效性。最后,针对多智能体动态多目标的围捕问题,提出了基于围捕势点的阶段引导围捕算法（Round-up Potential Point Stage Guidance,RPPSG）。该算法基于智能体的位置使用MOCRTA算法对围捕目标进行分配,对分配后的结果计算围捕势点;根据智能体到围捕势点的距离情况进行阶段性引导,在远距离状态下采用DWROA算法对智能体实时引导并避障,当在近距离状态下则采用局部目标点引导算法对智能体做动态引导;采用上述方法分阶段引导智能体至围捕势点,直到围捕形状建立;在此基础上,多智能体协作缩小围捕形状实现对目标围捕。通过仿真实验,验证了RPPSG算法在解决多智能体动态多目标的围捕问题的有效性。