检索结果-南通市图书馆

高技术通讯 2009年第10期19卷 1054-1060页

作者：余伶俐蔡自兴刘晓莹高平安中南大学信息科学与工程学院长沙410083

提出了一种求解群集机器人协作任务规划问题的均分点蚁群算法(EDPACA)。通过多组蚂蚁群相互协作搜索,构架了一种新蚁群算法的解结构,并设计了更合理的评估函数,使其在评价时充分考虑均衡任务点探测,最后利用2-opt技术解决了各子周游路... 详细信息

提出了一种求解群集机器人协作任务规划问题的均分点蚁群算法(EDPACA)。通过多组蚂蚁群相互协作搜索,构架了一种新蚁群算法的解结构,并设计了更合理的评估函数,使其在评价时充分考虑均衡任务点探测,最后利用2-opt技术解决了各子周游路径的交叉问题,获得了总代价最优的解。该算法将蚁群技术首次应用于集群机器人的任务调度规划中,成功解决了中大规模任务规划问题。仿真实验结果表明,均分点蚁群算法能提高群集机器人执行任务的效率,同时也是解决多旅行商问题的另种新思路。

关键词：蚁群算法群集机器人任务规划

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于自组织结对行为的群集机器人分群控制方法

引用

西北工业大学学报 2015年第1期33卷 147-152页

作者：杨盼盼刘明雍雷小康李越西北工业大学航海学院陕西西安710072

针对群集机器人的分群问题,以E-puck群集机器人系统为研究平台,从外部刺激信息在群集内有效传播的角度出发,提出了一种基于自组织结对行为的群集机器人分群控制方法。该方法利用机器人航向的变化表征其应激反应强度,并引入两两结对行为... 详细信息

针对群集机器人的分群问题,以E-puck群集机器人系统为研究平台,从外部刺激信息在群集内有效传播的角度出发,提出了一种基于自组织结对行为的群集机器人分群控制方法。该方法利用机器人航向的变化表征其应激反应强度,并引入两两结对行为实现刺激信息在群集内部传播的最大化。在此基础上,结合传统的"分离/组队/聚合"规则对机器人的运动行为进行协调,实现了机器人群集在外部刺激下的自发分群行为。实验结果表明:该方法不仅能实现机器人群集的应激分群运动,而且分群后的子群仍具备良好的稳定性。

关键词：群集机器人分群控制结对行为自组织

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于选择性交互的群集机器人协同避险方法

引用

计算机仿真 2021年第2期38卷 335-338,356页

作者：张瑾琪闫茂德杨盼盼张博宇长安大学电子与控制工程学院陕西西安710064

群集机器人的协同避险,表征为机器人对外部威胁的集体应对行为。针对基于“平均一致性”规则的速度选择机制在群集机器人协同避险过程中效率低下的问题,提出一种将“速度平均”和“速度选择”相结合的选择性速度协同策略,实现外部威胁... 详细信息

群集机器人的协同避险,表征为机器人对外部威胁的集体应对行为。针对基于“平均一致性”规则的速度选择机制在群集机器人协同避险过程中效率低下的问题,提出一种将“速度平均”和“速度选择”相结合的选择性速度协同策略,实现外部威胁信息在群内的定向传播,达到群集机器人稳定高效避险的目的。仿真结果表明,所提出的基于选择性交互的协同避险算法能够实现群集机器人的避险运动,且避险效率优于基于“速度一致性”规则的群集机器人系统。

关键词：群集机器人协同避险选择性交互隐式信息传播

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于选择性交互模型的群集机器人协同避险方法研究

基于选择性交互模型的群集机器人协同避险方法研究

引用

作者：张瑾琪长安大学

学位级别：硕士

随着科学技术的不断发展,以机器人为代表的自动化和系统集成技术也得到快速进步,并在医疗、工业、军事等领域得到广泛应用。针对复杂的应用场景和多变的作业环境,群集机器人协同避险行为在工程实践中的应用越来越常见。然而,经典的协同... 详细信息

随着科学技术的不断发展,以机器人为代表的自动化和系统集成技术也得到快速进步,并在医疗、工业、军事等领域得到广泛应用。针对复杂的应用场景和多变的作业环境,群集机器人协同避险行为在工程实践中的应用越来越常见。然而,经典的协同方式多采用“平均一致性”的交互规则,导致群集机器人的避险效率不高。鉴于此,本文对群集机器人协同避险方法进行研究。利用感知范围内特定邻居间的交互信息,提出一种选择性交互模型,可促进外部威胁信息在群内的传播,提高群集避险效率。继而,设计了基于选择性交互模型的群集机器人避险控制算法,并进一步设计了视角受限下的群集机器人避险控制算法,最后通过Webots仿真实验平台验证了算法的有效性。主要研究工作和成果如下:(1)针对群集机器人协同避险问题,建立了群集机器人选择性交互模型,设计了群集机器人协同运动策略,进而提出了基于选择性交互模型的群集机器人协同避险控制算法,实现了外部威胁下的群集机器人自发避险行为。仿真实验验证了算法的有效性。(2)针对机器人传感器的感知半径和感知视野有限问题,提出了一种视角受限下的群集机器人协同运动策略,设计了视角受限下群集机器人协同避险控制算法,达到了视角受限群集机器人稳定高效避险的目的。仿真实验验证了算法的有效性。(3)以E-puck群集机器人系统为对象,利用基于选择性交互模型的协同避险思想,结合E-puck机器人的运动学模型及量测信息,设计了面向E-puck群集机器人系统的协同避险控制算法,在Webots仿真平台上的群集机器人协同避险实验验证了算法的可行性和有效性。

关键词：群集机器人协同避险选择性交互模型视角受限捕食者-群集追逃模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种自组织的群集机器人系统规模估计算法的研究

一种自组织的群集机器人系统规模估计算法的研究

引用

作者：王奕恒上海交通大学

学位级别：硕士

随着机器人技术的发展和应用的需要，作为一种具有自组织性、可扩展性和高可靠性的多机器人系统，群集机器人已经成为国内外相关领域的研究热点。在群集机器人系统中，机器人系统的规模数目是群体的重要基本参数，而对群体规模的估计也... 详细信息

随着机器人技术的发展和应用的需要，作为一种具有自组织性、可扩展性和高可靠性的多机器人系统，群集机器人已经成为国内外相关领域的研究热点。在群集机器人系统中，机器人系统的规模数目是群体的重要基本参数，而对群体规模的估计也是许多相关算法的前提条件。传统的分布式系统规模估计算法在群集机器人的背景下，由于存在健壮性较低和通讯条件要求较高等问题难以直接应用。因此，一种适合群集机器人系统的规模估计算法具有重要的研究价值。本课题提出一种基于信息素浓度的群体系统规模估计算法。算法的基本思想是：总量恒定的虚拟信息素在整个群体机器人系统中扩散;所有个体持有的信息素量基本相等后，机器人可以根据信息素的浓度估算群体的规模大小。在我们的算法中，信息素基于Gossip协议的扩散方式进行传播，并引入Session机制，保证了传输的可靠性和单个节点的通讯量不会随着系统规模增加而显著提高;在扩散过程中，机器人记录邻居节点的信息素历史交换量，从而在节点失效或通信出错导致信息素丢失的情况下，机器人个体可以自动恢复本地信息素以保证群体中信息总量不变;在角色分配上，通过自主竞争机制保证群体内有且只有一个机器人担任信息素源节点，使得算法适用于群体不断分割和合并的场景。本课题的主要研究工作包括：（1）群集机器人系统群体规模估计算法的设计：设计了一种适合群集机器人的规模估计算法，解决了三个主要问题：完全分布式场景下信息素可靠扩散、信息素总量异常情况下的自动恢复和群体中机器人角色的自主分配。（2）基于仿真环境的算法实现和数据分析：在仿真器中实现课题提出的算法和对比算法，确立实验场景;采集和比较实验数据，验证算法的准确性、动态特性和可扩展性。（3）在实际机器人上的算法实现：将算法移植到自主设计的真实机器人实验平台上，验证算法在真实环境下的正确性。在仿真器和实际机器人平台上的实验表明：本课题中提出的基于信息素的算法能够准确的估计群集机器人的系统规模;与其他算法相比，在条件相同情况下具有更好的动态特性、容错性和可扩展性。本算法是一种完全分布式的算法，可以适用于具有大规模节点的群集机器人系统的实际应用。

关键词：群集机器人规模估计信息素实体机器人

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：