论文部分内容阅读
近年来,多智能体协同区域覆盖在很多实际问题中得到了广泛的应用,如多船海底协同探测,复杂环境中多飞行器对运动目标协同搜索、对陆地基地的协同侦察监视等。多智能体同时到达固定区域的区域覆盖控制问题已经取得了大量的研究成果。然而,在实际应用中,被覆盖的区域可能是固定的,也可能是运动的,区域的大小可能发生变化,变化可能是已知的,也可能是未知的;多个智能体也可能由于初始空间位置的限制,不能或者不需要同时到达需要覆盖的区域。这些问题对多智能体协同区域研究提出了新的挑战,因此需要进一步拓展多智能体协同区域覆盖问题的研究。本文分别针对多智能体同时协同固定区域覆盖、分时协同固定区域覆盖、同时协同运动区域覆盖以及分时协同运动区域覆盖等几个理论问题开展研究,取得了如下的研究结果:
首先,针对任务区域内点的重要程度,给出了基于关键点的区域概率密度分布描述;建立了多智能体感知模型和任务区域的数学描述;分别构造了同时协同固定区域覆盖问题、分时协同固定区域覆盖问题、同时协同运动区域覆盖问题以及分时协同运动区域覆盖问题的覆盖性能指标。
其次,考虑感知区域变化情况下多智能体同时协同覆盖固定区域的控制问题,给出了一种基于感知能力的感知集完整分割方法;分别针对无向感知集和有向感知集情况设计了智能体的期望最优速度和速度跟踪控制律;提出了无向感知集和有向感知集情况下多智能体同时协同固定区域覆盖算法,证明了该算法的收敛性;仿真结果说明了该算法的可行性和有效性。
然后,针对多智能体分时协同覆盖固定区域的控制问题,给出了基于可视集的区域覆盖指标函数分解方法;提出了有效Boosting函数方法避免指标函数陷入局部最优;基于有效Boosting函数设计了智能体的最优期望速度,并给出了智能体的最优期望速度跟踪控制律;提出了多智能体分时协同固定区域覆盖算法,证明了该算法的收敛性,并在特定条件下比较分析了同时协同和分时协同固定区域覆盖算法的性能。
再次,针对多智能体同时协同覆盖运动区域的控制问题,给出了一类运动区域的等任务分割方法,将运动区域分割为有限个子区域;给出了将同时协同覆盖运动区域的问题转换为动态编队控制问题的等价覆盖性能指标;提出了基于动态编队的多智能体同时协同运动区域覆盖算法,并证明了该算法的收敛性。
最后,针对多智能体分时协同覆盖运动区域的控制问题,给出了一种基于改进共轭梯度法的多智能体位置优化算法,并证明了算法的收敛性;设计了保证各个智能体有限时间内到达其期望位置的最优跟踪控制律;提出了分时协同运动区域覆盖算法,并在特定条件下比较分析了同时协同和分时协同运动区域覆盖性能。
首先,针对任务区域内点的重要程度,给出了基于关键点的区域概率密度分布描述;建立了多智能体感知模型和任务区域的数学描述;分别构造了同时协同固定区域覆盖问题、分时协同固定区域覆盖问题、同时协同运动区域覆盖问题以及分时协同运动区域覆盖问题的覆盖性能指标。
其次,考虑感知区域变化情况下多智能体同时协同覆盖固定区域的控制问题,给出了一种基于感知能力的感知集完整分割方法;分别针对无向感知集和有向感知集情况设计了智能体的期望最优速度和速度跟踪控制律;提出了无向感知集和有向感知集情况下多智能体同时协同固定区域覆盖算法,证明了该算法的收敛性;仿真结果说明了该算法的可行性和有效性。
然后,针对多智能体分时协同覆盖固定区域的控制问题,给出了基于可视集的区域覆盖指标函数分解方法;提出了有效Boosting函数方法避免指标函数陷入局部最优;基于有效Boosting函数设计了智能体的最优期望速度,并给出了智能体的最优期望速度跟踪控制律;提出了多智能体分时协同固定区域覆盖算法,证明了该算法的收敛性,并在特定条件下比较分析了同时协同和分时协同固定区域覆盖算法的性能。
再次,针对多智能体同时协同覆盖运动区域的控制问题,给出了一类运动区域的等任务分割方法,将运动区域分割为有限个子区域;给出了将同时协同覆盖运动区域的问题转换为动态编队控制问题的等价覆盖性能指标;提出了基于动态编队的多智能体同时协同运动区域覆盖算法,并证明了该算法的收敛性。
最后,针对多智能体分时协同覆盖运动区域的控制问题,给出了一种基于改进共轭梯度法的多智能体位置优化算法,并证明了算法的收敛性;设计了保证各个智能体有限时间内到达其期望位置的最优跟踪控制律;提出了分时协同运动区域覆盖算法,并在特定条件下比较分析了同时协同和分时协同运动区域覆盖性能。