[發明專利]一種面向動態任務的多智能機器人任務分配方法

有效

• 申請號: 201711394738.0
• 申請日: 2017-12-21
• 公開（公告）號: CN108416488B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 裘智峰;陳杰;楊寧;管建鋒;郭宇騫;桂衛華
• 申請（專利權）人: 中南大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/12
• 代理公司: 長沙朕揚知識產權代理事務所(普通合伙) 43213
• 代理人: 何湘玲

1.一種面向動態任務的多智能機器人任務分配方法，其特征在于，包括如下步驟：

S1：獲取智能機器人的能力參數、環境信息和目標任務初始特征參數以及相關約束條件；

S2：根據動態任務狀態量變化，設計動態收益模型；

S3：基于改進遺傳算法，生成動態任務分配方案，智能機器人根據所述任務分配方案執行任務；所述步驟S3，包括：

S31：初始化遺傳參數，并進行編碼，設置適應度函數；

S32：計算每個種群的適應度值；

S33：選擇算子，提出差額考核選取：首先進行預選擇，再進行正式選取，選擇不同模板的S條染色體組成群體P(k)；

S34：進行單點交叉，實時檢測每條染色體是否陷入全局死鎖狀況，若存在則采取修復策略；

S35：變異，設計變異算子，不再隨機變異某個基因位，而是在染色體上非死鎖任務基礎上，保留收益值最大的基因編碼和位置不變，在其余的基因中隨機選取兩個進行位置交換；

S36：產生群體k+1，判斷遺傳算法進化代數是否達到設置的最大進化代數，若達到，確立最佳分配方案，智能機器人開始執行目標任務；否則，回到步驟S32；

S37：一旦有任務完成，會存在無目標任務的空閑智能機器人，判斷完成的任務數是否達到系統中給定的任務數，若是，則輸出最優解，否則，回到步驟S31，再次運用遺傳算法對空閑智能機器人分配新的任務，直至系統任務被全部被執行完后，結束。

2.根據權利要求1所述的方法中，其特征在于，所述步驟S1中，進一步包括：

S11：建立坐標系對環境進行建模，環境中分布多個具有任務執行能力的智能機器人、屬性和狀態量隨時間變化的任務點以及若干個靜態障礙物；

S12：根據環境信息，分析任務分配需要考慮的因素并整理出相關約束條件。

3.根據權利要求2所述的方法，其特征在于，所述步驟S11中，所述的環境為智能機器人工作環境，環境中分布N(N∈Z+)個任務點、M(M∈Z+)個智能機器人和B(B∈Z+)個靜態障礙物，確定每個任務點、智能機器人和障礙物的近似坐標。

4.根據權利要求2所述的方法，其特征在于，所述步驟S12中，根據任務點狀態量變化特點，建立任務點狀態量模型，分析任務分配需要考慮的因素，包括任務點特征參數、智能機器人能力參數以及靜態障礙物屬性參數；

任務j(j＝1,2,…,N)點特征參數包括：初始狀態量S_j(0)、增長速率α_j以及在環境中所處的近似坐標位置(x_j,y_j)；

智能機器人i(i＝1,2,…,M)能力參數包括：運動速度v_i、單位時間內執行任務量為β_i以及在環境中的所處的近似坐標位置(x_i,y_i)；

假設任務的狀態量是變化的，在無外界干預下，任務j(j＝1,2,…,N)的狀態量用方程表示為：

式中：為任務j單位時間內的狀態變化量,α_j為任務點j的狀態增長率；

工作在任務j上的智能機器人集合為Λ_j，在無外界干預下，任務j(j＝1,2,…,N)的狀態量用方程表示為：

從單個智能機器人的角度看，每個智能機器人需要避免與其他智能機器人發生碰撞，也要避免與障礙物碰撞，用函數H1描述智能機器人與障礙物發生碰撞的情況：

式中：Z_i(t)表示智能機器人i在t時刻所處的位置狀態，O_b表示障礙物的位置區域，H₁(Z_i(t),Z_b)＝1表示智能機器人i至少和一個障礙物發生碰撞；

同理用函數H₂描述智能機器人之間發生碰撞的情況：

式中：d_safe為智能機器人之間的安全距離；

因此，智能機器人在前往目標任務過程中的約束條件為：