[发明专利]一种不确定环境下多Agent系统混合任务规划算法

权利要求书

1.一种不确定环境下多Agent系统混合任务规划算法，其特征在于：包括混合调度框架、基于贪婪搜索的自组织任务规划算法、基于顺次分配的集中式任务规划算法和仿真实验；

（1）混合调度框架，包括集中式任务规划和自组织任务规划；

（2）基于贪婪搜索的自组织任务规划算法，自组织任务规划算法中，每个Agent独立执行信息收集、决策和行动任务，在决策过程中，需要与相邻Agent进行协商，包括贪婪行动规划过程，通信协商过程和行动重规划；

（3）基于顺次分配的集中式任务规划算法，集中式任务规划算法中，每个Agent完成信息收集和行动执行，集群领机完成信息融合、行动决策和任务分配的任务；

（4）仿真实验，多Agent系统在地震后的目标区域持续侦察，尽可能多的收集信息，从通信是否中断、预期步长、Agent数量和集中规划周期四个方面进行仿真实验，并对实验进行总结。

2.根据权利要求1所述的一种不确定环境下多Agent系统混合任务规划算法，其特征在于：集中式任务规划指的是在多Agent系统具有集中式指控结构，在集群leader的统一指挥下，完成信息的收集、处理和行动规划，

这时相当于集群leader执行联合观测、联合决策和联合行动，集中式指控能够观察全局信息，因此决策时可能得到全局最优解，其缺点是，需要Agent之间具有良好的通信带宽，且执行OODA周期较长，难以应对突发情况，集中式任务规划具体包括以下几个步骤：自底向上的信息收集过程，集群leader信息处理过程，和自顶向下的任务分配过程；自组织任务规划指的是多Agent系统具有分布式指控结构，每个Agent独立完成信息的收集、处理和行动规划；在自组织任务规划中，多Agent系统没有集群leader统一指挥，每个Agent只能通过通信获知其他Agent的状态,其优点在于OODA周期较短，Agent只用考虑了其自身状态，同时能够应对紧急突发情况，其缺点是，每个Agent虽然可能得到局部最优，但是整体上看很可能不是全局最优，自组织任务规划包括以下几个步骤：各个Agent的信息收集、通信协商过程和行动执行过程。

3.根据权利要求1所述的一种不确定环境下多Agent系统混合任务规划算法，其特征在于：基于贪婪搜索的自组织任务规划算法总调度过程，以Agent r进行说明，算法的输入为信息信念向量B(t)、所有可行的行动方案和Agent的优先级 Pro，输出为Agent r的行动策略，首先对算法进行初始化，包括环境拓扑结构、顶点的信息状态，和Agent位置状态、信息信念状态，其次循环执行程序，直至迭代时间结束，在循环迭代过程中，根据B(t)和选择当前状态下的计算Agent r的最优策略；再与邻近Agent进行协商通信，将传递给其他Agent并获取其他Agent的策略；之后根据优先级判断是否需要调整自身的行动策略，如果Agent r与优先级高的Agent策略相冲突，则根据该Agent策略修改Agent r的信息信念向量，反之则不修改，考虑到通信时刻会中断，因此采用迭代的方式进行最优策略的选择，一旦发生冲突，则可以直接执行已经计算出得策略；

根据环境信息变化规律（即每个顶点独立演化，见公式（1）），本发明设计了每个Agent的贪婪行动规划，不失一般性，本发明任意选择一个Agent进行描述；

首先，本发明定义Agent在t时步的D步预期策略为从t时刻开始到t+D-1时刻的D步连续的可执行动作，记为，本发明采用启发式信息评估该策略，即执行的预测期望回报值，期望回报值记为E；

(7)

其中，表示折扣因子； 为信息值向量，即信息等级的定量描述； 表示在当前所有顶点的信息信念向量为时，执行策略的预测期望回报值； 表示Agent在时步时，相应顶点的预测信息信念向量，的可以通过下面的转移函数更新，

(8)

其中，表示第i个元素为1的单位向量，，P为信息状态转移向量，在计算完该Agent所有可能的预测期望回报值之后，选择回报值最大的行策略为该Agent当前行动的策略，并从中选择当前时刻的最大的行动执行。