[发明专利]一种不确定环境下多Agent系统混合任务规划算法

说明书

本发明公开了一种不确定环境下多Agent系统混合任务规划算法，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。

技术领域

本发明涉及多Agent系统混合任务规划算法技术领域，具体为一种不确定环境下多Agent系统混合任务规划算法。

背景技术

近年来无论是科学研究还是实际应用，多Agent系统都取得了飞速地发展。尤其是以无人机集群为代表的多Agent系统，在农业植保、管道检测、火情监视和军事侦察等众多应用领域具有较大的优势，是许多国家研究的重点，然而受限于科学技术水平，在当前无人机的应用中，人们大多采用少量无人机来完成简单环境下的任务，虽然许多国家已经在开展与无人机集群相关的研究，但是大多还是在实验中，尚不足以直接运用于实际，不确定环境就是发出重大突发事故导致地下发生变化的场景。

现有技术中多Agent系统混合任务规划算法存在的缺陷是：

1、现有的算法由于操作方式比较单一，导致无法在不确定环境中，进行全方面的信息收集和计算，算法具有一定局限性。

发明内容

本发明的目的在于提供一种不确定环境下多Agent系统混合任务规划算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种不确定环境下多Agent系统混合任务规划算法，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。

优选的，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。