[发明专利]基于分层式结构和资源整合的多机器人任务分配方法

权利要求书

1.一种基于分层式结构和资源整合的多机器人任务分配方法，其特征在于，包括以下步骤：

步骤S10，基于金字塔形的分层式结构，根据任务约束条件，以及各机器人的资源向量，从金字塔的最底层筛选出满足任务约束条件的机器人；

步骤S20，根据所述满足任务约束条件的机器人，以及各机器人的资源向量，自下而上计算所述金字塔形的分层式结构的每一层中各管理者拥有的资源向量；

步骤S30，根据任务需求资源向量，以及所述各管理者拥有的资源向量，自上而下，查找出所述金字塔形的分层式结构中满足任务需求的各最低层管理者；

步骤S40，查找所述满足任务需求的各最低层管理者所直接或间接管理的，且满足任务约束条件的机器人，选择能够满足任务需求的机器人组合，作为候选机器人联盟，进而组成候选机器人联盟集合；

步骤S50，从所述候选机器人联盟集合中选择所述任务需求资源向量与所述候选机器人联盟的资源向量之间匹配度最佳的机器人联盟，作为被选派执行任务的机器人联盟；

其中，

所述金字塔形的分层式结构，构建方法为：

步骤A10，将所有机器人作为金字塔的最底层，并按预设的机器人分组成员数将机器人进行分组，针对各组机器人分别设置一个管理者；

步骤A20，按预设的管理者分组成员数，将管理者进行分组，针对各组管理者分别设置一个上级管理者；按所述预设的管理者分组成员数将所述上级管理者分组，并对各组分别设置再上一级管理者；依此类推，直到金字塔的最顶层只有一个管理者；

所述管理者为计算机；

其中，步骤S50具体为：

基于候选机器人联盟集合Ω_rc，选择满足匹配度约束条件

σ₁≤|F(T),F(A_T)|≤σ₂

且匹配度最佳的机器人联盟：

其中，|F(T),F(A_T)|为任务需求资源向量F(T)与候选机器人联盟A_T的资源向量F(A_T)之间的匹配度，用两者之间的加权欧式距离来衡量；σ₁和σ₂分别为预设的最小匹配度阈值和最大匹配度阈值；为被选派执行任务T的最佳的机器人联盟；

其中，用F描述资源空间，其维数为dim(F)，F中的资源向量表示为F＝[f₁ f₂...f_dim(F)]，f_k表示资源向量的第k项资源的数值，k＝1,2,...,dim(F)，和分别为预设的资源向量的第k项资源的数值的最小值和最大值。

2.根据权利要求1所述的多机器人任务分配方法，其特征在于，步骤A10具体为：

步骤A11，将总数量为robotNum的机器人作为金字塔的最底层，记层数为j＝1；对机器人进行分组，若(robotNum％P)＝0，则组数groupNum₁＝robotNum/P，每组P个机器人；否则，组数groupNum₁＝robotNum/P+1，第1至第groupNum₁-1组中每组P个机器人，第groupNum₁组中有robotNum-(groupNum₁-1)*P个机器人；

步骤A12，为底层的每组机器人设置一个管理者，作为第2层的成员，并将该管理者所管理的组内的各机器人称为该管理者的下属成员；管理者个数记为managerNum₂＝groupNum₁；

其中，

P为所述预设的机器人分组成员数；groupNum₁为所述金字塔形的分层式结构的第1层中机器人分组后的组数；managerNum₂为第2层中管理者的个数。