[发明专利]基于flocking模型的多agent系统自适应方法及其系统

权利要求书

1.基于flocking模型的多agent系统自适应方法，其特征在于，包括以下步骤：

建立多agent系统；

建立基于所述多agent系统的评价函数；

以遗传算法为基础，依据所述评价函数对所述多agent系统的参数进行更新；

建立所述多agent系统后，依据雷诺模型制定所述多agent系统的每一agent之间的行为准则；

所述准则为：

其中，和分别是跟随、吸引、排斥、避障和任务准则对速度的影响，zor_rep是排斥判定区域里其他智能体集合，zor_obs是避障判定区域里障碍的集合，Δv_i是速度受到的总影响。

2.根据权利要求1所述的基于flocking模型的多agent系统自适应方法，其特征在于，所述多agent系统的权重参数矩阵为：

3.根据权利要求1所述的基于flocking模型的多agent系统自适应方法，其特征在于，所述评价函数基于平均时间、死亡率、聚集性、稳定性以及各向异质性建立的。

4.根据权利要求3所述的基于flocking模型的多agent系统自适应方法，其特征在于，所述评价函数为：

其中，F(x)是归一化函数，τ，分别代表完成区域移动任务的平均时间、多agent聚集性、稳定性和各向异质性。

5.根据权利要求2所述的基于flocking模型的多agent系统自适应方法，其特征在于，以遗传算法为基础，依据所述评价函数对所述多agent系统的参数进行更新的步骤包括：

编码，基于随机数编码：对权重参数矩阵P^DNA中20个需要进行权重值调整的项使用随机数编码，随机数值为0.1，0.2…，1；

种群初始化，采用完全初始化的初始方法：随机产生0.1至1的值并将其分配给20个项；

交叉操作：随机选择两组权重参数矩阵P^DNA，并在两组权重参数矩阵P^DNA中随机选择等长的项进行权重值交换操作；

突变操作，使用随机突变策略：选择随机权重参数矩阵P^DNA中任一项的权重值并随机将项的权重值赋予另一个项，该权重值的范围为0.1，0.2…，1，变异系数为0.5；

选择操作：在所有父母，后代和一代的突变体中进行选择，选择具有最佳评价结果的个体以形成下一代的父亲。

6.基于flocking模型的多agent系统自适应系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至5任一所述方法的步骤。