[发明专利]基于动态粒子蜜蜂算法的群机器人搜索方法

权利要求书

1.基于动态粒子蜜蜂算法的群机器人搜索方法，其特征在于，具体包括以下步骤：

A.采用组合拍卖法对搜索问题建模；

其中，

x_ij＝0，1， i，j＝1，2，…，n；

c_ij表示机器人R_i搜索目标G_j所需要的代价；

B.设置搜索领域以及搜索总时间T；

C.利用动态粒子蜜蜂算法进行搜索，直到整个搜索区域搜索完成或者设定的搜索时间达到，结束搜索；

步骤C具体包括以下内容：

C1.利用蜜蜂算法进行全局搜索；

C2.当发现目标之后，转变为动态粒子群搜索算法进行局部搜索，确定动态粒子群搜索时间T₁；在T₁时间内，一直采用动态粒子群搜索算法进行目标位置的确定；确定目标位置后，判断是否完成整个区域的搜索，如果完成，则结束当前区域的搜索；如没有确定目标，则在T₁时间到达后，转换为蜜蜂算法，继续进行当前区域的搜索；

C3.如果蜜蜂算法没有发现目标，一直使用蜜蜂搜索算法进行搜索，直到整个搜索区域搜索完成或者搜索总时间T到达，结束搜索；

步骤C1具体包括以下内容：

C11.初始化被随机释放在搜索环境中的侦查蜂位置；

C12.计算侦查蜂的适应度值，按降序排列，选取出nb只最佳蜂；

C13.招募nrb只蜜蜂，进行领域搜索；

C14.计算最佳蜂的适应度值，按降序排列，选取出ne只精英蜂；

C15.招募nre只蜜蜂，进行领域搜索；

步骤C2具体包括以下内容：

C21.均匀分割搜索空间成若干子搜索空间，并初始化子搜索空间，确定粒子坐标值；

C22.随机生成敏感粒子，计算其适应度值，通过响应阈值来衡量敏感粒子的适应度值；

C23.以一定的比例更新粒子的位置和速度，直到确定目标位置或者动态粒子群搜索时间T₁到达。

2.根据权利要求1所述的基于动态粒子蜜蜂算法的群机器人搜索方法，其特征在于，所述适应度值计算采用下式计算获得：

式中：

其中，α，β和γ分别是质量、成本和机器人性能的控制参数,

V_ik是第k个机器人对第i个任务的性能值，

N是机器人个数,g_ik是第k个机器人得到关于第i个任务的信息，

c_ik是第k个机器人执行第i个任务花费的成本,

t_i是完成第i个任务花费的时间，

M是目标个数,T为搜索总时间，

F_i表示任务i的标准化优先权，

f_i是任务i的优先权，第k个机器人完成第i个目标的成本就是相互间的距离D_ik，

(x_i,y_i)和(x_k,y_k)分别代表目标和机器人的位置；

上述适应度计算过程中，所有侦查蜂的适应度值总和为1，所有最佳蜂的适应度总和为1。

3.根据权利要求1所述的基于动态粒子蜜蜂算法的群机器人搜索方法，其特征在于，所述粒子和敏感粒子的适应度计算公式如下：

fitness(i)＝positionx(i)+positiony(i)

其中，fitness(i)表示粒子i的适应度值；positionx(i)表示粒子i的位置x坐标值，positiony(i)表示粒子i的位置y坐标值。