[发明专利]仿欧椋鸟群集飞行的大规模智能群体自主协同的建模方法

说明书

本发明提出了一种仿欧椋鸟群集飞行的大规模智能群体自主协同的建模方法，包括初始化种群及其参数，设定初始状态下，所有Agent都将初始位置作为个体最优位置，并且所有Agent都将自己最邻近的6或7个邻居的最优值作为局部最优；适应度函数计算，设定每个Agent个体周围的邻居分布各向异性，但其最邻近6或7个邻居为各向同性，Agent个体之间的相互作用取决于拓扑距离；选择更新同伴，包括为某Agent选择最邻近的6或7个邻居之一作为其更新同伴；定义Agent之间的相互作用关系；进行Agent速度与位置的更新。本发明将在无人机集群密集编队、大型集合场所人群应急疏散、大规模机器人群体协同作业、疾病传播控制等军事、应急、工业、医疗等领域都具有非常广阔的应用前景。

技术领域

本发明属于人工智能群智能应用技术领域，尤其涉及一种仿欧椋鸟群集飞行的大规模智能群体自主协同的建模方法。

背景技术

许多应用领域，例如无人机集群密集编队、大型公共场所人群应急疏散、工业机器人群体协同作业等，需要大规模智能体共同协同工作才能完成。在智能群体应用系统中，智能体(如传感器、机器人、飞行器等)的个体能力有限，但其群体却能表现出高效的协同合作能力和高级的智能协调水平。随着计算机网络、通信通讯、分布计算等技术的不断发展，许多实际应用系统往往变得非常的庞大和复杂，使得单个智能体因个体的知识、计算资源等的限制而不能对其进行有效的处理和管理，因而大规模智能群体协同在许多应用中扮演着十分重要的作用。如何使智能体的团队合作达到最大化效果，有关智能群体协同理论的研究一直以来为群体智能的重要课题和关键，其目的是研究分散的、自治的智能体如何利用集体行为相互协作，高效地、最大程度地共同完成单个智能体难以完成的复杂任务，有关大规模智能群体系统的研究具有非常重要的现实意义。

近年来，国内外许多学者对协同问题开展了深入而广泛的研究，从局部控制策略研究群集控制问题，通过设计局部规则和控制策略，使集群协作涌现出所期望的行为。对集群行为的研究源于Reynolds等(1987)对鸟群飞行行为的模拟仿真，他们提出了群集中个体遵循三条简单启发性规则，即聚集(Cohesion)、分离(Separation)、对齐(Alignment)，构建了集群行为Boids模型。从系统控制来看，该工作实质上是一种不依靠中央控制机制，采用局部规则控制策略达到群集协同的思想和策略，虽然简单，但却十分有效。在Reynolds三原则基础上，一些学者提出了大量的群集运动模型，其中较为经典的是Swarm模型、Cucker-Smale模型以及Cavagna模型等。Kwong等(2003)将Swarm描述为一些相互作用的相邻个体的集合，对该Swarm模型进行集群行为控制仿真，包括聚集、绕圈运动、绕“8”字形运动、排成直线形运动等。Wang等(2005)则通过增加局部反馈信息对移动自治智能体群的集群行为控制，设计集群局部规则模型，验证了方法的可行性。Cucker和Smale(2007)采用邻接矩阵描述个体间相互作用强度，提出了着重描述个体间速度相互影响的模型，仅考虑了三原则中的对齐原则。但是这些方法存在明显的缺点，群行为和集群模型参数之间的关系是未知的，需要通过大量的仿真实验来确定合适的参数值，同时集群运动行为对参数的取值往往过于敏感，离实际系统的控制要求甚远。Cavagna等(2015)尝试建立一般性理论来统一群集运动模型，给出集群运动的惯性自旋模型，鸟群飞行时向外传播信息类似于磁性材料中的自旋波。然而集群系统通常高度复杂，集群行为极其多样，通过系统参数调节方法实现对大量集群行为的控制有其一定的局限性，所以仅仅依靠局部控制策略并不能满足大规模集群系统的有效控制。