[发明专利]一种基于行为选择的多智能体编队方法

说明书

本发明公开了一种基于行为选择的多智能体编队方法，包括以下步骤：步骤一、设定与位置相关的检测收益计算方法；步骤二、定义多个智能体的具体行为；步骤三、确定基底神经节的通道数量，建立基底神经节通道模型，初始化相关参数；步骤四、校正基底神经节的通道模型参数。通过上述方式，本发明所述的基于行为选择的多智能体编队方法，引入了一种基于行为选择的动态智能体编队方法，有效解决了现有编队检测方法中鲁棒性不强，可靠性不强等缺点，通过开放参数与各项权重修改通道，使得本申请的技术方案具有更加广泛的通用性，引入目标检测收益变量，可以在整体上提升多智能体进行检测任务的收益。

技术领域

本发明涉及智能体的编队领域，特别是涉及一种基于行为选择的多智能体编队方法。

背景技术

智能体可以代替人完成在复杂、危险环境下的重复性工作，加速了社会的发展。近年来，市场环境对智能体的功能提出了新的需求，智能体需要完成更为复杂的检测任务甚至作业任务，但是面对复杂的、需要高效率、并行完成的任务时，单一的智能体无法胜任，需要多智能体协同。

智能体编队控制是一种多个智能体在达到目标队形的过程中，既能组成目标队形，又可以适应具体的环境约束的一种控制方法。现有的常用方法主要有基于领航-跟随者方法、虚拟结构法、基于行为的方法、基于图论、势能法的方法。

其中领航者-跟随者方法的基本思想是在多智能体组成的编队系统中，可以存在一个或者多个领航智能体，其他非领航者智能体即为跟随智能体，跟随智能体以相对其领航智能体的位置、相对距离、相对角度中作为输入控制量，使得跟随智能体与领航智能体的相对位置无限逼近目标值。领航跟随方法的控制结构比较简单，但是由于领航智能体和跟随智能体之间没有位置反馈，并且是领航者智能体单点控制，导致容易出现智能体掉队等情况，系统的鲁棒性较差。

虚拟结构法的基本思想是将多智能体组成的系统看成一个假想的刚体结构，各个智能体在参考坐标系下的坐标不变，即智能体之间的相对位置不变。

基于行为的方法的基本思想是将多智能体编队的各个环节看成由单个智能体的多个基本行为构成，只需要研究各个基本行为的控制方法即可通过基本行为的组合控制多智能体形成编队。基本行为一般包括目标跟踪、避免障碍、避免碰撞、编队生成和编队保持等。基于行为的方法由各个智能体相互感知控制，系统比较容易实现分布式控制，具有很好的鲁棒性，但是由于无法结合准确的数学模型分析，导致不能十分有效的保证系统的可靠性。

势能法是与以上所述传统方法不同的另一种队形形成控制方法，它将队形形成的所有步骤合为一起，通过构建合近的势函数，由势场函数来决定智能体的控制律将其他智能体对其不同的势力作用，结合期望的队形图形，使智能体朝预期的队形图运动，当各自到达编队图时，整个系统的势能颇小。在队形形成过程中，队形目标点是动态变化的，属于动态队形形成方法，智能体是通过不断调整相互之间的距离而达到一个平衡态；但队形形成的快速性和可控性无法把握，由于是按照相对距离的编队图来形成队形，那么说明智能体之间的相对位置其实是事先确定的，这就使智能体的目标位置可能不是最佳的，又由于整个队形目标上保持一个相对位置固定的编队图，假设一个智能体未能达到指定队形点，其他智能体将一直处于动态搜寻最小势能点的状态并一直运动。

发明内容

本发明主要解决的技术问题是提供一种基于行为选择的多智能体编队方法，解决多智能体编队过程中系统的可靠性与鲁棒性无法保证的问题。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于行为选择的多智能体编队方法，包括以下步骤：

步骤一、设定与位置相关的检测收益计算方法：

(1)目标探测位置收益区设定：目标探测位置收益区设定具体是如下的条件：收益区为以目标探测中心为圆形的数块扇形区域；