[发明专利]一种基于改进拟态物理法的多智能体系统运动控制方法

说明书

本发明公布了一种基于改进拟态物理法的多智能体系统运动控制方法，涉及多智能体协同运动控制领域。所述方法首先建立单个智能体的运动模型，并对多智能体个体的运动规则用拟态物理力的方法进行描述；接着，将拟态物理法与经典聚集、避碰和速度一致规则相结合，同时利用距离和相对速度来计算聚集系数与速度一致系数；然后，利用注意力参数调节调节改进拟态物理法各项的作用效果，使智能体有选择的跟随其他智能体或者目标；最后，通过使用改进拟态物理法对智能体运动进行调节，实现多智能体系统的聚集运动、速度一致和多目标环境下的分群运动。该方法主要解决了经典的多智能体系统运动控制算法在聚集运动过程中出现的边界振荡问题和多目标环境下多智能体系统的分群运动问题。

技术领域

本发明属于多智能体系统运动控制领域，特别是考虑多个目标环境下的自主分群方法。

背景技术

多智能体系统(multi-agent systems，MAS)是由大量简单自主个体组成的自组织群体系统，虽然MAS的基本单位智能水平很低，但是整体却表现出较高的智能水平，能够完成搜索、侦查、救援等复杂的任务，多智能体系统运动控制是多智能体系统应用的基础，即通过自组织的方式实现群体的聚集运动、速度一致以及分群运动。

目前的多智能体运动控制算法主要针对聚集运动和速度一致，并以SAC原则为基础出现了大量的分布式集群运动控制算法，如Three-Circle法、人工势场法、社会力模型等。其中SAC原则是指每一个智能体遵循三条简单的规则——避撞(Separation)、对齐(Alignment)和聚集(Cohesion)。Three-Circle法简单且容易理解，但是由于智能体的感知范围被分为三个不连续的区域，因此在聚集过程中容易发生振荡现象。人工势场法通常需要建立全局势场，且存在局部极小值的问题，导致智能体间避碰失败。社会力法不需要全局控制，但由于与人工势场法在本质上是相同的，因此也存在人工势场法局部极小值问题。

拟态物理法将个体间的相互作用抽象为物理力，省去了人工势场法的求梯度过程，且不存在人工势场法局部极小值问题，因此广泛应用于多智能体编队及重构、无人机编队、智能车编队等。但是当环境中存在多个目标时，经典的拟态物理法无法实现多智能体系统的分群运动。

发明内容

本发明的目的在于提供一种基于改进拟态物理法的多智能体系统运动控制方法，能够实现多智能系统的聚集运动、速度一致和分群运动，解决了经典SAC算法边界振荡问题和实现了多目标环境下多智能体系统的分群运动。

为实现上述目的，本发明采用以下技术方案：

一种基于改进拟态物理法的多智能体系统运动控制方法，包括：

步骤一，将每个智能体抽象为质点，建立单个智能体的二阶运动模型。

步骤二，根据智能体感知范围得到智能体的邻居序号集N_i，获取感知范围内邻居智能体的状态信息以及目标的位置信息

步骤三，根据邻居智能体的状态信息和目标的位置信息选择注意对象并确定自身的目标感知状态

步骤四，根据智能体与邻居智能体或注意对象的距离，计算改进拟态物理法的聚集系数k_p、速度一致系数k_v和避碰系数k_r。

步骤五，利用注意力参数调节改进拟态物理法各项的作用效果，计算每个智能体的控制输入u_i。

步骤六，根据步骤五计算的控制输入与步骤一单个智能体的运动模型，对智能体进行控制。

步骤七，判断每个智能体是否都到达目标点，如果没有，则跳转步骤二进行循环，否则结束运动。

本发明具有以下优点：