[发明专利]一种基于模拟退火思想的多机器人合作围捕方法

权利要求书

1.一种基于模拟退火思想的多机器人合作围捕方法，其特征在于：包括以下步骤：

(1)确定围捕者机器人的决策空间；

(2)确定模拟退火中比较决策优劣的评价函数；

(3)基于模拟退火的多机器人具体决策演化过程；

所述步骤(1)中的确定围捕者机器人的决策空间过程如下：

(1.1)多机器人围捕应用环境：考虑双方对抗环境为二维平面环境，如果参与围捕的机器人为无人机，则对抗环境为三维环境；

(1.2)机器人的备选决策空间：机器人根据能力，可以选择不同移动方向，地面机器人移动方向可用[0，2π]表示，如果基于无人机围捕目标，则将移动方向区间扩展为三维，根据实际情况，对不利于围捕敌对目标的备选决策，会从备选决策空间中筛选剔除；

(1.3)离散化的机器人决策空间：基于模拟退火思想比较机器人备选决策优劣，将机器人经过筛选的备选决策空间表示为离散化的决策空间则表示为其中α＝0，1...k，k越大则最优决策越精确，但是收敛到最优决策的时间也会增加；

所述步骤(2)确定模拟退火中比较决策优劣的评价函数过程如下：

(2.1)单个评价函数的设定：机器人的决策会使环境中情况发生变化，评价函数会根据这些变化产生一个函数值，用于评价机器人上一步决策的优劣，评价函数设定需要考虑到机器人面对的情况，通常而言，当敌对目标试图从包围圈缺口冲出的情况下，评价函数应该受缺口大小的变化程度影响，由于机器人和敌对目标移动过程中，会有多个缺口发生变化，所以评价函数应该更多受原本较大的缺口变化影响，将一个机器人与其左右相邻两个机器人间的缺口在时间t的大小分别表示为θ₁(t)和θ₂(t)，机器人在时间t选择的决策表示为其中α_t＝0，1...k，则评价函数可以定为：

C(α_t)＝λ₁[θ₁(t)-θ₁(t+1)]+λ₂[θ₂(t)-θ₂(t+1)] (A)

其中，和

(2.2)复杂动态的环境下，多个评价函数的设定与选择：当敌对目标尝试从包围圈最大缺口突破时，己方机器人可以按照评价函数(A)比较不同决策的优劣；当敌对飞行目标选择拖延时间的情况下，不断去“拦截”会带来大量无意义的能量损耗，敌对飞行目标可以在己方无人机能量耗尽之后轻易逃离包围圈，在敌对飞行目标选择拖延时间时，己方无人机最优的决策是直接飞向目标，尽快缩小包围圈，用d_t表示一个无人机在t时刻与敌对目标的距离，这时评价函数应为：

C₂(α_t)＝d_t-d_t+1 (B)

如果

则按照评价函数(A)比较不同决策的优劣，否则按照评价函数(B)比较不同决策；

所述步骤(3)基于模拟退火的多机器人具体决策演化过程如下：

根据步骤(1)，围捕机器人团队确定围捕过程的备选决策空间，在围捕开始时，机器人从备选决策空间中随机选择一个决策作为当前决策，决策会使环境中情况发生变化，根据情况变化可以获得当前决策对应的评价函数值，然后根据(2.2)的思路，从多个评价函数中选择当前需要用到的评价函数，如果选择C(α_t)，则C(α_t)越大，表示α_t越好；如果C(α_t)＞C(α_t-1)，则接受α_t作为当前决策并尝试α_t的相近决策，否则，仍然以α_t-1作为当前决策，并尝试α_t-1的其他相近决策，这样，通过不断比较评价函数值，机器人的决策会演化收敛到最优决策；

此外，为了防止陷入局部最优解，根据一个概率选择接受较差的决策，这个概率的大小与|C(α_t)-C(α_t-1)|的大小相关，令T初始等于|C(α₁)-C(α₀)|，则这个概率可以设定为e[C(α_t)-C(α_t-1)]/T，随着围捕过程的进行，这个概率应该逐渐减小，以降低最优决策的误差，即，

T←βT (C)

在公式(C)中，β是一个衰减系数，随着T的减小，模拟退火方法逐渐变成贪心算法，并最终按概率收敛到全局最优决策。