[发明专利]面向无人系统的椋群式智能群体动态网络拓扑构建方法

说明书

本发明提出了一种面向无人系统的椋群式智能群体动态网络拓扑构建方法，进行网络拓扑构建实现agent群体协同，包括初始化agent群体及相应参数；设置网络状态转换机制，针对当前帧，根据agent群体和障碍的物理位置判断执行相应网络状态操作，如果无障碍则构建标号小世界网络，如果群体即将接近障碍影响区域则构建6‑邻居网络，如果群体位于障碍影响区域则进行网络拓扑分裂；进行agent群体中每个agent下一时刻速度与位置更新直到agent群体抵达目的地或者达到最大迭代次数。本发明的agent群体系统同步能力将高于传统规则网络、随机网络等，并且具有可扩展性和稳定性，将在无人系统方面具有非常广阔的应用前景。

技术领域

本发明属于人工智能群智能应用技术领域，尤其涉及一种面向无人系统的椋群式动态网络拓扑构建方法。

背景技术

无人系统是世界各国争相研究的热点课题，其技术正朝着集群化、自主化、智能化的方向发展。无人系统，以无人机为例，如无人机自主飞行控制、无人机集群密集编队、无人机集群对抗等应用，往往需要一定规模的空中智能体(agent)(如传感器、飞行器、机器人等)密切协作才能完成精准飞行任务。agent群体协同中如何使团队合作达到最大化效果，agent之间信息交互扮演着十分重要的作用。离开信息交互，agent将变成一个个孤立的个体，无法发挥其优势。因此，实际应用中需要为agent群体设计一种用于信息交互、具有动态可适应变化的、抗毁性的复杂网络拓扑。良好的网络拓扑设计将有助于信息快速传播，实现信息同步，达到事半功倍的效果。

当前以动力学模型为主要研究方法的agent群体协同研究中，往往根据事先编制的运动轨迹实现它们之间相互避撞，执行简单围捕任务，仅适用于一些无人系统商演的特定场景，尚不能执行较复杂任务，更不具备对抗能力；而一些传统的规则网络、随机网络等建模方法则存在通讯成本高、信息传播慢的问题。

协同是无人集群系统顺利完成任务的重要保障。当前围绕多智能体的研究较多，重点在于如何协调智能体，让它们能够有条不紊地执行任务。国外代表性的多智能体研究项目主要有Swarm-bots、I-Swarm、SMAVNET、AirShiel等。如比利时布鲁塞尔自由大学Dorigo等人[2005]主持Swarm-bots项目，通过对人工智能领域的研究，设计了一种协调无人机群的方法，并通过300多次实验验证了其可行性。美国休斯研究实验室Seyfried等人[2005]以地面微型移动机器人群为实验平台，研究了基于虚拟信息素(VirtualPheromone)的群体机器人I-SWARM项目。瑞士洛桑理工学院Hauert[2009]开展了SMAVNET研究项目，利用Reynolds模型的聚集、避让、并列三条准则，让无人机群在复杂环境中构建一个应急通信网络。德国研究技术部资助的国家安全研究计划AirShiel项目[2009]利用一群微型无人机对发生自然灾害时地面状况探测进行灾害分析。这些群体无人机由高度灵活的通信系统支持，群体中无人机可以与邻居无人机、地面站进行通信。

除此之外，国外也开展了很多关于无人自组织网络的研究。美国科罗多拉大学开展了AUGNet项目[2004]，研究基于自组网(Ad hoc)的无人机组网技术，并将其应用于风暴探测、火灾侦察中。Majid等人[2004]研究了无人机作为中继节点来增强大规模无线移动自组网节点的连接性，确保网络中任意两个节点可以通信。这些研究从网络通信的角度对无人机群进行控制，在理论上具有良好的可行性，但是这些方法侧重于无人机的通信拓扑和信息传播方式，却较少考虑无人机的物理位置信息。因此，在遇到紧急情况时难以协调。

当前，通过对自然界生物群体行为进行研究，将生物群体的协作方法应用于无人机群协同中，为解决大规模无人机群协同完成任务提供了崭新思路。但是由于群体动态特性难以用数学模型精确地进行描述，因而群体行为的稳定性难以得到保障。Guzey[2018]针对无人机群设计了一种基于神经网络的自适应感知控制方法，该方法能够对无人机群进行控制，使其达到预定编队形状。虽然仿真结果验证了其有效性，但仅能对固定高度的无人机群进行控制，在三维空间中的应用还需要作进一步地改进。