[发明专利]一种基于改进阈值法的多机器人任务分配方法

说明书

本发明属于信息处理领域，公开了一种基于改进阈值法的多机器人任务分配方法，包含如下步骤：定义第m次迭代时机器人i对任务j的响应阈值；在第m次迭代，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；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；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；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。本发明优化了多任务处理能力，提高了算法的效率，提高了系统的资源利用率。

技术领域

本发明属于信息处理领域，尤其涉及一种基于改进阈值法的多机器人任务分配方法。

背景技术

进入21世纪以来，随着科学技术的快速发展，机器人可以在不同的复杂或不确定的环境中工作，并已广泛用于执行各种军事任务，包括监视，侦察，攻击和损害评估等。机器人是未来智能制造的重要使能装备,是实现智能制造的一类重要而特殊的载体。但是由于资源等某些限制，这使得单个机器人难以单独完成复杂的多目标大规模任务。因此，多机器人系统逐渐引起了研究者的注意力，与单机器人相比，多机器人系统具有时间，空间，信息，功能和资源的分布特征，在经济性，最优性，适用性和任务执行的可扩展性方面具有很大的优势。它在工业生产，军事防御和社会服务领域具有良好的应用前景。

但是几个机器人的简单叠加不仅不能实现多机器人系统的优势，而且由于它们的并行性和行为突然性等原因，几个机器人之间将会产生冲突。正如人类社会生产关系可以促进生产力的发展，合理的任务共享机制可以充分利用多机器人系统的优势并提高任务分配的有效性。因此，有必要研究系统中每个机器人的策略，应该采取什么措施，以及需要执行哪些任务来确保多机器人系统中的合作，这是多机器人系统研究的基本问题，即多机器人任务分配问题MRTA。一方面，任务分配的质量直接影响整个系统的效率，直接关系到系统机器人是否可以最大化其能力和避免其占用过多资源。另一方面，当机器人无法执行其目前的任务时，可以通过通信机制请求协助，最后使多机器人系统有效完成当前任务。因此，这给科研和企业管理实践带来了新的问题：如何为大规模异构多机器人系统分配和优化任务，使他们能够以合理的方式在智能协作环境中进行合作，有效完成生产任务。

经典任务分配理论的建立：以运筹学研究为代表，典型的成果有线性规划模型及单纯形法，整数规划模型及分支界定法、指派模型及匈牙利法、网络流模型及最大流-最小切割法等。

经典任务分配理论的发展：以分布式处理系统的研究为代表，典型成果有偶图匹配模型及启发式算法、0-1二次规划模型及优化算法、负载平衡模型及动态规划算法等。

智能任务分配理论的建立和发展：以分布式问题的求解为代表，充分利用Agent的自治性和社会性，典型研究成果有合同网模型及其扩展、节点规划模型及协调算法、联盟形成方法、自适应方法等。

文献基于能力及任务需求的多Agent任务分配方法，针对动态环境中的任务和Agent的动态变化问题，提出一种基于能力及任务需求的层次任务分配方法。利用全局分配方法为Agent分配合适的任务，当环境发生变换时，通过局部调整来解决任务和Agent之间的不适应问题，每个Agent能够根据局部信息选择理想的任务执行，提高了分配算法的鲁棒性。仿真实验表明该方法是可行及有效的，能够解决动态环境中的任务分配问题。但该方法在局部调整时的可靠性降低，不利于复杂任务环境的任务处理。

发明内容

本发明的目的在于公开任务处理能力强、效率高的一种基于改进阈值法的多机器人任务分配方法。

本发明的目的是这样实现的：

一种基于改进阈值法的多机器人任务分配方法，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；