[发明专利]一种基于VDSOM算法的多机器人任务分配方法

权利要求书

1.一种基于VDSOM算法的多机器人任务分配方法，其特征在于，该方法包括以下步骤：

步骤1：根据工作区域W内随机分布的K台机器人和M个任务目标点，构造多机器人系统的SOM模型；所述的多机器人系统的SOM模型由输入层、竞争层两层神经元组成；所述的竞争层共包括KM个神经元，表示为(W₁₁,W₁₂,...,W_1M,W₂₁,...,W_2M,...,W_K1,...,W_KM)，W_km代表第k台机器人在第m次迭代后的位置坐标，W_km＝(w_kmx,w_kmy)，k＝1,2,...,K，m＝1,2,...,M；根据K台机器人的初始位置对W_k0赋值；初始化迭代次数m＝1，设置学习率初值η(1,0)和变化率初值ε；

步骤2：从M个任务目标点中随机将一个任务目标点T_i＝(x_i,y_i)输入多机器人系统的SOM模型的输入层，在每一次迭代中随机选择不同的任务目标点；在多机器人系统的SOM模型的竞争层中，根据各机器人在第m-1次迭代后的位置坐标W_k(m-1)，选择对应使D_ik(m-1)值最小的神经元，作为获胜神经元；

D_ik(m-1)＝|T_i-W_k(m-1)|(1+L)

其中，|T_i-W_k(m-1)|表示T_i到W_k(m-1)的欧几里得距离；L表示各机器人之间的负载均衡；S_k表示第k台机器人所移动的路径长度；表示各机器人移动的平均路径长度；

步骤3：计算邻域函数，确定获胜神经元的邻域神经元；

在工作区域W内，获胜神经元的邻域是一个圆形，其圆心的坐标是获胜神经元在第m-1次迭代后的位置坐标W_k(m-1)；E代表邻域内获胜神经元与邻域内神经元之间的距离；γ是邻域半径；H(m)＝ε^m×H₀；H₀为常数；

步骤4：路径规划，获胜神经元与它的邻域神经元向任务目标点T_i移动，更新获胜神经元与它的邻域神经元的坐标；

步骤4.1：根据机器人在第m-1次迭代后的位置坐标W_k(m-1)，获取机器人从当前位置W_k(m-1)到其对应的任务目标点T_i的矢量计算当前位置到下一个位置的移动方向角θ；

步骤4.2：将区间R＝(-π,π]平分为8个区间；

步骤4.3：判断步骤4.1中计算的方向角θ属于步骤4.2中哪个区间，选择该区间的标号对应的机器人移动方向，确定为下一步行驶方向；与R₁、R₂、R₃、R₄、R₅、R₆、R₇、R₈相对应的机器人的移动方向分别为东E、东南NE、南N、西南NW、西W、西北SW、北S、东北SE；

步骤4.4：若机器人不能顺利达到目标，即机器人碰到障碍物，则修改方向角θ，令β∈[-3,4]且β∈Z；

步骤4.5：估算出机器人的下一个位置坐标G_k；

其中，c为将工作区域W离散化后，两个横向单元间的距离；

步骤4.6：更新机器人的位置坐标W_km；

其中，D₀为常数也是终止条件，若D_ikm≤D₀则认为机器人已经到达了其任务目标点T_i，将该机器人的坐标置为任务目标点T_i的坐标；学习率η(m,f)满足规律：m↑→η↓，f↑→η↓；f即为步骤3中计算的邻域函数f(E,h)；

步骤5：若m＜M，则令m＝m+1，返回步骤2；否则输出最终的任务分配结果。