蜂擁算法及其在移動傳感器網絡中的應用.pdf

1、與遺傳算法和蟻群算法一樣,蜂擁算法(Flocking)源自自然界奇妙現象,在分布式控制領域有著得天獨厚的優(yōu)勢,一直被各個領域的研究者們所重視。近年來蜂擁算法在可移動機器人網絡,移動傳感器網絡以及無人飛行器(Unmanned Arial Vehicles, UAVs)等領域的應用,則使其成為分布式控制領域一個新的研究熱點。本文以蜂擁算法及其在移動傳感器網絡中的應用為研究課題,主要研究了以下三部分內容。
　　一、考慮蜂擁算法在實際應用

2、過程中可能遇到的實際因素,從考慮速度時滯,引入多跳網絡,多領導者情況以及部分智能體接收到領導者信息的情況等方面入手,對現有的蜂擁算法進行了多方面的擴展。其中,多跳網絡的引入提高了網絡的連通度,進而提升了系統(tǒng)速度一致的收斂速度;多領導者蜂擁算法則在傳統(tǒng)多領導者蜂擁算法的基礎上,引入一個排斥勢能函數,減少“尷尬”位置關系的存在,縮短了系統(tǒng)達到漸近穩(wěn)定需要的時間;部分智能體接收到領導者信息情況下的蜂擁算法則能保證整個系統(tǒng)蜂擁群的形成。

3、　　二、定性地分析和比較了現有的一致性濾波算法,主要包括分布式卡爾曼濾波算法(Distributed Kalman Filter, DKF),卡爾曼一致性濾波算法(Kalman Consensus Filter, KCF)以及次優(yōu)離散卡爾曼一致性濾波算法(Sub-Optimal Discrete Kalman Consensus Filter,SOD-KCF)。同時,仿真實驗驗證了在不同連通度和節(jié)點觀測噪聲情況下,SOD-KCF算法在平

4、均估計誤差和一致性參數方面優(yōu)于其余兩種算法,為耦合目標跟蹤(Coupled Target Trakcing,CTT)算法中一致性濾波算法的選擇提供了參考。
　　三、設計了應用在移動傳感器網絡中的離散時間耦合目標跟蹤算法,并通過理論推導和仿真實驗驗證了算法的穩(wěn)定性。在此基礎上,從考慮速度時滯,引入多跳網絡,多目標情況以及部分傳感器節(jié)點能感知到目標狀態(tài)的情況等方面對算法進行了擴展,并通過理論推導和仿真實驗驗證了算法的穩(wěn)定性。最后,從估