[发明专利]一种基于神经网络的群机器人利用信息素通信实现协作觅食的方法

摘要

本发明涉及一种基于神经网络的群机器人利用信息素通信实现协作觅食的方法，包括如下步骤：建立神经网络模型、设计信息素挥发模型、建立系统总体行为框架模型。本发明特别提出了群机器人协作觅食行为的信息素挥发模型，定义为Ii(t)，即第i个神经元在t时刻的外部输入，公式中，吸引信息素P_a为较大的正值，排斥信息素P_o和排斥信息素P_e为较小的负值；当觅食机器人发现食物并将其运回巢穴时释放吸引信息素P_a；当机器人避障时将释放排斥信息素P_o，当机器人在工作环境中随机搜寻食物时将释放排斥信息素P_e，神经网络根据Ii(t)的变化随时更新输出，神经网络的演化使群机器人能够进行局部通信，在交互过程中涌现出自组织的群体行为。

主权项

1.一种基于神经网络的群机器人利用信息素通信实现协作觅食的方法，其特征在于，包括如下步骤：/n(1)建立神经网络模型/n整个神经网络由N×N个神经元组成二维拓扑结构，第i个神经元对应于结构空间的第i个离散状态，每个神经元都只与其相邻的神经元连接，连接形式都相同，具有高度并行的体系结构，所有连接权都相等，神经元之间的信息双向传播，根据所述第i个神经元离散时间动力学方程为：/n /n公式中，x_i(t+1)和x_i(t)分别为第i个神经元在t+1和t时刻的输出值，N为第i个神经元邻域内的神经元个数，I_i(t)为第i个神经元在t时刻的外部输入，神经网络根据I_i(t)的变化随时更新输出，w_ij为第j个神经元到第i个神经元的连接权，f为激活函数，所述激活函数f选择S型函数，定义如下：/n /n神经网络在演化过程中，根据信息素在拓扑结构中的映射产生外部输入，第i个神经元的外部输入由探索区域及信息素释放的位置信息在神经网络拓扑结构中的映射产生的，当机器人运动到第i个神经元所对应的位置时，如果机器人处于搬运状态则将I_i(t)赋值为P_a，如果机器人处于搜索状态则将I_i(t)赋值为P_e，如果机器人处于避障状态则将I_i(t)赋值为P_o，定义如下：/n /n公式中，吸引信息素P_a为较大的正值，排斥信息素P_o和排斥信息素P_e为较小的负值；当觅食机器人发现食物并将其运回巢穴时释放吸引信息素P_a；当机器人避障时将释放排斥信息素P_o，当机器人在工作环境中随机搜寻食物时将释放排斥信息素P_e；/n所述连接权计算公式如下式：/n /n公式中，|i-j|为结构空间中向量x_i和x_j之间的Euclidian距离；/n(2)设计信息素挥发模型/n信息素演化包括两个动态过程，即机器人在某个位置释放了信息素以后通过介质向周围传播，同时信息素不断地挥发以减小其浓度，驱动觅食机器人探索新的区域，信息素挥发模型定义如下：/n /n公式中，ρ为挥发率,N为第i个神经元邻域内的神经元个数，Δx_j(t)为第i个神经元邻域内信息素浓度变化量；/n(3)建立系统总体行为框架模型/n系统中机器人典型行为描述如下：/n搜索：机器人以固定的速度在整个工作区域进行随机探索，搜索过程中释放排斥信息素P_e；/n避障：机器人如果遇到障碍物则避开并释放排斥信息素P_o；/n等待：机器人如果发现食物源则停止搜索，并在食物源附近等待其他机器人进行协作，同时释放吸引信息素P_a；其他机器人发现等待状态的机器人则形成协作团队将食物搬运回巢穴；/n搬运：协作团队机器人沿吸引信息素P_a路径将食物搬回巢穴，同时释放更多的吸引信息素P_a；/n(4)群机器人协作觅食行为算法如下：/n①神经网络输出初始化为零/n②x_i(t＝0)＝0/n③机器人开始觅食直到食物耗尽/n④机器人搜寻食物直到发现食物源/n⑤随机行走或者沿信息素路径运动/n⑥同时释放排斥信息素P_o or P_e并更新神经网络输出：/n⑦/n⑧返回步骤④/n⑨机器人将食物运回巢穴/n⑩沿信息素路径运动/n⑪ 同时释放吸引信息素P_a并更新神经网络输出：/n⑫ /n⑬ 返回步骤⑨/n⑭ 信息素挥发:/n⑮ /n⑯ 返回步骤③。/n