面向障礙物與引導(dǎo)者的多智能體群集算法研究.pdf

1、智能體是人工智能領(lǐng)域中一個很重要的研究方向，多智能體的群集是多智能體之間協(xié)同合作完成任務(wù)的例子之一。多智能體群集的研究為設(shè)計(jì)實(shí)用的工程群體模型提供理論依據(jù)，對工程系統(tǒng)的優(yōu)化設(shè)計(jì)也具有很大的啟發(fā)作用，為發(fā)展分布式協(xié)調(diào)控制以及多智能體系統(tǒng)奠定了基礎(chǔ)，所以多智能體群集算法的研究具有很大的理論價值和工程指導(dǎo)意義。
　　現(xiàn)有的多智能體避障算法中只考慮智能體速度的大小，而沒有考慮智能體速度的方向，這導(dǎo)致智能體在躲避障礙物過程中下一時刻速度的方

2、向不確定，對此提出多智能體避障MAAO算法。首先對該算法進(jìn)行了理論分析，經(jīng)分析和仿真實(shí)驗(yàn)得出MAAO算法的時間復(fù)雜度為O(n2)，但是對多智能體群集具有更快的收斂速度，證明了MAAO算法具有更高的躲避障礙物的效率。
　　其次現(xiàn)有的多智能體群集算法均是在所有智能體均知道目標(biāo)信息的條件下完成的，這在工程應(yīng)用中具有一定的冗余性，并且在一定情況下是不現(xiàn)實(shí)的。所以在此引入引導(dǎo)者，即只有部分被選為引導(dǎo)者的智能體知道目標(biāo)信息，從而引導(dǎo)其他智能體

3、完成群集。本文在理論上分析了引導(dǎo)者的可行性，然后通過實(shí)驗(yàn)仿真證實(shí)了理論的可行性，在引導(dǎo)者所占比例不同的情況下統(tǒng)計(jì)多智能體的群集時間。得出引導(dǎo)者的比例越大，群集所用時間越短的結(jié)論。
　　最后對所有智能體均不知道目標(biāo)信息的條件下進(jìn)行了研究。在所有智能體均不知道目標(biāo)信息且通信距離時變的條件下，對多智能體的群集進(jìn)行了研究。多智能體的群集由必然事件成為了概率性事件時，本文給出了群集概率的計(jì)算方法，并且通過統(tǒng)計(jì)的實(shí)際值與理論的計(jì)算值進(jìn)行對比，