基于動(dòng)態(tài)道路分區(qū)模型的機(jī)器人救援協(xié)作.pdf

1、機(jī)器人救援仿真(RCRS)提供關(guān)于實(shí)時(shí)、動(dòng)態(tài)、復(fù)雜未知環(huán)境下的多智能體協(xié)作機(jī)制的研究，是一個(gè)富有實(shí)際研究意義和挑戰(zhàn)性的課題。課題基于RCRSS仿真平臺(tái)進(jìn)行多智能體協(xié)作的研究，利用城市救援環(huán)境的基本特點(diǎn)，在系統(tǒng)底層建立針對(duì)道路和建筑物的分區(qū)模型，促進(jìn)道路和交通的信息整合，針對(duì)醫(yī)療救護(hù)智能體本文提出基于人工免疫算法的救援策略，并在底層道路模型的基礎(chǔ)上設(shè)計(jì)了三類異構(gòu)智能體基于加權(quán)協(xié)同圖算法的協(xié)作策略，提高了整體救援效率。
　　首先，智能

2、體所處的仿真環(huán)境是整個(gè)智能體協(xié)作的基礎(chǔ)，由于機(jī)器人無法感受到全局的環(huán)境信息，所以單獨(dú)執(zhí)行任務(wù)會(huì)有局限性，相對(duì)性，不確定性，本文提出一種基于道路分區(qū)模型的智能體協(xié)作方法。此方法利用道路的幾何和周邊環(huán)境特性，建立道路分區(qū)模型，對(duì)地圖中的信息進(jìn)行細(xì)化處理，首先將整個(gè)世界模型進(jìn)行動(dòng)態(tài)分區(qū)，然后利用凸包算法將各分區(qū)著火建筑物進(jìn)行外圍火點(diǎn)的構(gòu)建，為消防智能體提供消防策略，最后通過聚類等算法將著火點(diǎn)集中處理，在靜態(tài)分區(qū)的基礎(chǔ)上，建立動(dòng)態(tài)的道路模型，從

3、而讓智能體更好地了解環(huán)境信息，展開救援協(xié)作。
　　其次，針對(duì)救護(hù)隊(duì)救援智能體，為了提升救護(hù)隊(duì)智能體全局救援效率，將城市災(zāi)后救援所遇到的問題和解決策略進(jìn)行類似人工免疫網(wǎng)絡(luò)的構(gòu)建，將救援環(huán)境，智能體，協(xié)作策略等轉(zhuǎn)換到人工免疫系統(tǒng)模型中的抗原、抗體中去，通過選取親和度、激勵(lì)抑制水平等參數(shù)，完成對(duì)整個(gè)救護(hù)隊(duì)智能體人工免疫系統(tǒng)的任務(wù)決策，人工免疫算法的引進(jìn)，使救護(hù)隊(duì)智能體的動(dòng)作更具有目的性和針對(duì)性，優(yōu)化了救援協(xié)作策略，救援效率得到初步提高。

4、
　　最后，在底層動(dòng)態(tài)道路分區(qū)模型的基礎(chǔ)上，為了使Robocup Rescue中各類智能體間更好地交互協(xié)作，提出了一種基于加權(quán)協(xié)同圖的協(xié)作算法，利用加權(quán)協(xié)同圖對(duì)Robocup Rescue中六類智能體角色進(jìn)行建模，利用加權(quán)圖的結(jié)構(gòu)組成理想團(tuán)隊(duì)，測(cè)試不同分配方式對(duì)救援效果的影響，同時(shí)，提出了基于加權(quán)協(xié)同圖的學(xué)習(xí)算法，此算法從平時(shí)仿真中的分配實(shí)例、觀測(cè)值及一個(gè)接近最優(yōu)的角色分配策略算法中獲得一個(gè)加權(quán)協(xié)同圖算法。通過此算法，使得智能體協(xié)