[发明专利]一种基于树分解的智能搜捕方法

说明书

技术领域

本发明涉及一种基于树分解的智能搜捕方法，属于智能协同控制技术领域。

背景技术

图搜索算法的研究是智能协同控制领域的一个重要分支，搜索算法的性能通过算法的复杂度、有效性来衡量。多智能体搜捕方法中最短路径搜捕策略、最短时间搜捕策略、博弈搜捕策略等的方法主要侧重于搜捕策略的最大效率，而忽视了所需搜捕者的数量以及搜捕的成功率，其算法的复杂度也较大。而本发明所定义的搜捕方法中的搜捕者数量既能保证搜捕的成功，又减少了搜捕的损耗。图搜索算法的求解思想能用于应急环境救援、室内环境安防、战场环境探测，因此基于树分解的多智能体搜索方法既能为监测环境的入侵搜索提供理论基石，也能为监测环境安全防护提供解决方案。

监测环境入侵搜索的理论基石图搜索是解决监测环境入侵搜索最常用的方法，根据多智能体的感知范围、移动速度以及监测环境的特点对监测环境进行拓扑刻画，获取其拓扑结构，并利用图论的方法对网络进行搜索，能够最有效率的实现对整个环境的搜索，并以最快的速度定位入侵者。

监测环境安全防护的解决方案在保证搜索成功的情况下，使用最少的多智能体对环境进行安全防护，利用树分解的方法，将图中的环变为树中的节点，防止了图搜索过程中的重污染，保证了对整个环境的有效防护。

入侵者位置、速度不可知的情况下，基于搜捕策略的搜捕者数量的研究是非常有难度、有挑战性的，当前公开发表的文献中，尚未看到相关研究成果。

发明内容

本发明的目的在于提供一种能够克服上述技术问题的基于树分解的智能搜捕方法，本发明提出了以最小搜捕者数量及追捕的有效性为优化目标的移动传感网搜捕的技术方案，本发明基于树分解的方法对环境进行搜素，避免了搜索过程中入侵者的重复侵入，能提高搜索效率并减少了搜捕过程中的能量开销。首先给出以下定义：

定义1搜捕者数量：指在某一环境中存在一种策略使得最少数量的搜捕者能够成功围捕入侵者，该最少数量即为搜捕者数量。

定义2上界：指某一环境中所需搜捕者数量的最大值。

本发明的基于树分解的智能搜捕方法包括以下步骤：

步骤一，获取目标环境，根据搜捕者的感知能力将监测环境转换为拓扑图；

获取目标环境，根据搜捕者的感知能力和移动速度将环境离散化为有限图，根据智能体的感知能力将环境离散化为单元，使得每个搜捕者能够监测环境离散化后的每一个单元，若入侵者进入此单元，搜捕者能够及时对其进行捕获，用顶点代替单元，相邻的单元之间插入一条边，目标环境离散化为图G＝(V,E)表示，其中图G为无向连通，V表示顶点集，|V|表示顶点的个数，E表示边集。

步骤二，环境拓扑图的树分解；

在图G＝(V,E)中选取路径L，且L中包含顶点集V中的两个端点，对图G按如下方式进行树分解：

图G＝(V,E)的一个树分解为(T_L,X)，X＝{X_i|i∈I}，其中I是V的一个子集族，T_L是指以I为顶点集的树，T_L中的节点是X的子集，路径L为图G中端点v₁到v_K的连接路径，路径L中包含K个节点v₁,v₂,...,v_K，并且满足：

(1)∪X_i＝V；

(2)对于任意的i∈L，X_i至少包含一个v_i，1≤i≤K；

(3)对于任意一条边(u,v)∈E，存在一个i∈L使得

(4)对于树的节点X_i，X_j以及X_k，如果树节点X_k是树节点X_i到X_j路径上的一个树节点，则图G中存在一个节点属于X_i∩X_j，且有

分解后的每一个树的子节点X_i,j包含路径L上的至少一个图的节点i，j表示图G中的任一顶点，J是V的一个子集族。

步骤三，求解拓扑图树宽；

依据步骤二对图G求得的树分解(T_L,X)，求取树的宽度为

步骤四，求解基于树分解的搜捕算法；