论文部分内容阅读
多Agent追逃问题是人工智能和分布式协作领域的经典问题。这类问题与许多现实中的追逃过程相对应(例如警方追捕犯罪分子)。在现实中,对于单个追捕者无法捕获的逃避者,需要由追捕者团队协作进行围捕。所以,设计追捕者团队的协作追捕策略是许多相关研究关注的目标。在设计协作追捕策略时,追捕者的能力是需要考虑的重要因素。值得注意的是,已有相关研究在考虑追捕者能力时,通常都假设追捕者的各项能力是确定性的。然而,在一些现实追逃场景中,这个假设不一定能够成立,即追捕者的一部分能力存在不确定性。由于已有相关研究提出的追捕策略通常依赖于确定性的追捕者能力设定,所以追捕者能力的不确定性会影响这些追捕策略的效果。有鉴于此,本文研究考虑追捕者能力不确定性的多Agent追逃问题。在已有研究的基础上,对追捕者不同能力的不确定性进行建模。然后通过分析问题模型,为追捕者设计能够有效应对能力不确定性的协作追捕策略。本文具体的贡献如下:·研究追捕者速度不确定的多Agent追逃问题,设计了能够应对追捕者速度不确定性的策略。实验显示本文提出的策略在追捕者速度存在不确定性时优于对比策略。·研究追捕者能量有限且能耗不确定的多Agent追逃问题,系统性地考虑这个问题的不同情况并分别设计速度控制算法和路径规划算法作为子算法。这些子算法被整合到一个基于模拟退火的自适应算法中。实验数据表明,本文提出的策略能够取得比对比策略更好的效果,且更好地适应了追捕者最大速度值的变化和逃避者策略的变化。·研究追捕者对抗能力不确定的多Agent追逃问题,系统性地分析了这个问题的不同子案例,然后设计了分别适用于这些子案例的追捕策略。实验结果表明,本文提出的策略可以取得比对比策略更好的效果。特别是,当环境明显影响追捕者与逃避者正面冲突的结果时,本文提出的策略优势更加明显。·研究追捕者隐藏能力不确定的多Agent追逃问题,按照两种具有代表性的策略思路分别设计追捕策略。通过仿真实验,本文系统性地分析并得出了两种策略思路分别适用的情况。综上所述,本文系统性地分析研究了上述追捕者能力不确定性的影响,并且设计了能够适应这些追捕者能力不确定性的协作追捕策略。本文的工作对追逃问题的理论研究和现实应用中的机器人协作追捕有一定的促进作用。