[发明专利]一种基于Hilbert曲线探测的多机器人协作地图构建方法

权利要求书

1.一种基于多Agent粒子群优化和Hilbert曲线探测的多机器人协作地图构建方法，其特征在于，所述方法包括以下步骤：

步骤1：根据机器人的探测半径，将所需探测的环境划分为若干子区域，为MAPSO进行全局优化做准备；

步骤2：采用多Agent粒子群算法进行全局优化，使处于当前位置的四个机器人找到近似最优目标区域；如果每个机器人都找到有效探测区域，则继续执行步骤3；如果每个机器人都没有找到有效探测区域，则转到步骤5；如果只有部分机器人没有找到有效探测区域，则按照当前的位置进行下一轮MAPSO算法规划，即返回步骤2，直到每个机器人都找到有效探测区域；

步骤3：四个机器人采用分布式结构对目标区域进行一步Hilbert曲线探测；

步骤4：判断是否四个机器人全部都完成Hilbert曲线探测过程，如果是，则机器人将进行信息融合，绘制探测的结果图，并转到步骤2；否则，返回步骤3，进行下一步Hilbert曲线探测。

步骤5：任务结束。

2.根据权利要求1所述的多机器人协作地图构建方法，其特征在于，所述步骤1具体是采用栅格法进行地图建模，根据未知环境的整体大小设定正方形区域作为待探测区域，把待探测区域分割为一些子区域，其中每个子区域的边长均为机器人探测半径的整数倍，而每个子区域再分割即为传统的栅格，栅格的大小相当于机器人的可探测范围。

3.根据权利要求1所述的多机器人协作地图构建方法，其特征在于，所述步骤2中的采用多Agent粒子群算法进行全局优化的过程包括以下几个部分：

(1)初始化粒子群体：MAPSO首先随机地初始化一群粒子，其中第i个粒子在d维解空间的位置为X_i＝(X_i1,X_i2,X_i3,...,X_id)，初始化粒子的两个极值个体最优值(p_best)和全局最优值(g_best)；

(2)竞争：每个粒子按照从环境中选取离自己最近的8个粒子作为选取邻居粒子，并根据计算适应度值调整自己的位置信息；

(3)更新：粒子通过动态跟踪p_best和g_best来更新其速度和位置，其公式如下：

v_id(t+1)＝wv_id(t)+c₁r₁[p_best(t)-x_id(t)]+c₂r₂[g_best(t)-x_id(t)]     (1)

x_id(t+1)＝x_id(t)+v_id(t+1)     (2)

式中，v_id(t+1)表示t+1时刻第i个粒子在d维解空间的速度，x_id(t+1)表示t+1时刻第i个粒子在d维解空间的位置，c₁＝c2＝2，为加速因子，w＝0.7298为惯性因子，r₁和r₂是介于[0,1]之间的随机数，t代表时刻t；

(4)计算适应度值：根据适应度函数计算每个粒子的适应度值，其公式如下：

f_fitness＝w₁D₁-w₂D₂+w₃S₁     (3)

式中，D₁代表机器人的下一个探测目标与当前位置的距离总和，实验中，希望该值越小；D₂代表下一个目标区域中，各机器人的距离总和；当机器人处于下一个目标位置进行探测的时候，S₁正比于已探测区域面积与目标区域的比值。w₁,w₂,w₃为前三个条件函数的加权因子w₁+w₂+w₃＝1；

根据适应度函数更新粒子的全局最优值，当计算所得的最优值到达设计要求时或者算法到达最大迭代次数时，退出MAPSO寻优算法；否则返回到(2)。