[发明专利]一种基于改进阈值法的多机器人任务分配方法

权利要求书

1.一种基于改进阈值法的多机器人任务分配方法，其特征在于：包含如下步骤：

步骤(1)：初始化：定义是第m次迭代时机器人i对任务j的响应阈值，m为大于或等于0的整数；m＝0时，的值随机确定；

步骤(2)：定义t时刻任务j对机器人i的刺激值S_j(t)与第m次迭代时机器人i对任务j的响应阈值的差为阈值刺激差P_ij(t)；在第m次迭代中，对于机器人i，阈值刺激差最大时对应的任务即机器人i在t时刻要执行的任务；

P_ij(t)＝S_j(t)-θ_ij^(m)；

步骤(3)：如果机器人执行任务成功或失败且还有未被执行的任务，继续在未被执行的任务中选择阈值刺激差最大时对应的任务去执行；对于某个机器人，可执行任务是地图中没有其他机器人执行且阈值刺激值大于0的未被执行的任务；

步骤(4)：当机器人进入等待状态或等待区即没有可执行任务时，令机器人不断寻找可执行的任务，当其他机器人执行某任务失败或某任务未执行的时间太长使得对于该机器人的任务刺激值增加时，则该机器人重新获得可执行任务；

步骤(5)：直到所有任务都被执行完成即完成一次迭代时，重置机器人和任务点的位置，根据阈值更新公式计算第m+1次迭代时机器人i对任务j的响应阈值和阈值刺激差；

所述的阈值更新公式为：

上式中，u_ij为机器人i对任务j匹配值：

λ为能力匹配函数的权重，ω为能耗代价函数的权重，η为历史经验函数的权重；v_ij为能力匹配函数，c_ij为能耗代价函数，e_ij为历史经验函数；

所述的能力匹配函数v_ij：

n为正整数；

上式中，α_ij(t)是Agent在t时刻拥有的能力因子,β_ij(t)是t时刻任务需要的能力因子；0≤α_ij(t)≤1,0≤β_ij(t)≤1；

所述的能耗代价函数c_ij：

上式中，(x_i,y_i)为机器人i当前坐标，(x_j,y_j)是将要去执行的任务的坐标；h_ij表示机器人i完成任务w_j付出的资源能耗值；

所述的历史经验函数e_ij：

e_ij＝T_ij/(T_ij+F_ij),(T_ij+F_ij≠0)；

上式中，T_ij表示此前机器人i成功执行任务w_j的次数；F_ij表示此前机器人i未成功执行任务w_j的次数。