蜂擁算法及其在移動(dòng)傳感器網(wǎng)絡(luò)中的應(yīng)用.pdf

1、與遺傳算法和蟻群算法一樣,蜂擁算法(Flocking)源自自然界奇妙現(xiàn)象,在分布式控制領(lǐng)域有著得天獨(dú)厚的優(yōu)勢(shì),一直被各個(gè)領(lǐng)域的研究者們所重視。近年來蜂擁算法在可移動(dòng)機(jī)器人網(wǎng)絡(luò),移動(dòng)傳感器網(wǎng)絡(luò)以及無人飛行器(Unmanned Arial Vehicles, UAVs)等領(lǐng)域的應(yīng)用,則使其成為分布式控制領(lǐng)域一個(gè)新的研究熱點(diǎn)。本文以蜂擁算法及其在移動(dòng)傳感器網(wǎng)絡(luò)中的應(yīng)用為研究課題,主要研究了以下三部分內(nèi)容。
　　一、考慮蜂擁算法在實(shí)際應(yīng)用

2、過程中可能遇到的實(shí)際因素,從考慮速度時(shí)滯,引入多跳網(wǎng)絡(luò),多領(lǐng)導(dǎo)者情況以及部分智能體接收到領(lǐng)導(dǎo)者信息的情況等方面入手,對(duì)現(xiàn)有的蜂擁算法進(jìn)行了多方面的擴(kuò)展。其中,多跳網(wǎng)絡(luò)的引入提高了網(wǎng)絡(luò)的連通度,進(jìn)而提升了系統(tǒng)速度一致的收斂速度;多領(lǐng)導(dǎo)者蜂擁算法則在傳統(tǒng)多領(lǐng)導(dǎo)者蜂擁算法的基礎(chǔ)上,引入一個(gè)排斥勢(shì)能函數(shù),減少“尷尬”位置關(guān)系的存在,縮短了系統(tǒng)達(dá)到漸近穩(wěn)定需要的時(shí)間;部分智能體接收到領(lǐng)導(dǎo)者信息情況下的蜂擁算法則能保證整個(gè)系統(tǒng)蜂擁群的形成。

3、　　二、定性地分析和比較了現(xiàn)有的一致性濾波算法,主要包括分布式卡爾曼濾波算法(Distributed Kalman Filter, DKF),卡爾曼一致性濾波算法(Kalman Consensus Filter, KCF)以及次優(yōu)離散卡爾曼一致性濾波算法(Sub-Optimal Discrete Kalman Consensus Filter,SOD-KCF)。同時(shí),仿真實(shí)驗(yàn)驗(yàn)證了在不同連通度和節(jié)點(diǎn)觀測(cè)噪聲情況下,SOD-KCF算法在平

4、均估計(jì)誤差和一致性參數(shù)方面優(yōu)于其余兩種算法,為耦合目標(biāo)跟蹤(Coupled Target Trakcing,CTT)算法中一致性濾波算法的選擇提供了參考。
　　三、設(shè)計(jì)了應(yīng)用在移動(dòng)傳感器網(wǎng)絡(luò)中的離散時(shí)間耦合目標(biāo)跟蹤算法,并通過理論推導(dǎo)和仿真實(shí)驗(yàn)驗(yàn)證了算法的穩(wěn)定性。在此基礎(chǔ)上,從考慮速度時(shí)滯,引入多跳網(wǎng)絡(luò),多目標(biāo)情況以及部分傳感器節(jié)點(diǎn)能感知到目標(biāo)狀態(tài)的情況等方面對(duì)算法進(jìn)行了擴(kuò)展,并通過理論推導(dǎo)和仿真實(shí)驗(yàn)驗(yàn)證了算法的穩(wěn)定性。最后,從估