面向障礙物與引導者的多智能體群集算法研究.pdf

1、智能體是人工智能領域中一個很重要的研究方向，多智能體的群集是多智能體之間協(xié)同合作完成任務的例子之一。多智能體群集的研究為設計實用的工程群體模型提供理論依據(jù)，對工程系統(tǒng)的優(yōu)化設計也具有很大的啟發(fā)作用，為發(fā)展分布式協(xié)調(diào)控制以及多智能體系統(tǒng)奠定了基礎，所以多智能體群集算法的研究具有很大的理論價值和工程指導意義。
　　現(xiàn)有的多智能體避障算法中只考慮智能體速度的大小，而沒有考慮智能體速度的方向，這導致智能體在躲避障礙物過程中下一時刻速度的方

2、向不確定，對此提出多智能體避障MAAO算法。首先對該算法進行了理論分析，經(jīng)分析和仿真實驗得出MAAO算法的時間復雜度為O(n2)，但是對多智能體群集具有更快的收斂速度，證明了MAAO算法具有更高的躲避障礙物的效率。
　　其次現(xiàn)有的多智能體群集算法均是在所有智能體均知道目標信息的條件下完成的，這在工程應用中具有一定的冗余性，并且在一定情況下是不現(xiàn)實的。所以在此引入引導者，即只有部分被選為引導者的智能體知道目標信息，從而引導其他智能體

3、完成群集。本文在理論上分析了引導者的可行性，然后通過實驗仿真證實了理論的可行性，在引導者所占比例不同的情況下統(tǒng)計多智能體的群集時間。得出引導者的比例越大，群集所用時間越短的結論。
　　最后對所有智能體均不知道目標信息的條件下進行了研究。在所有智能體均不知道目標信息且通信距離時變的條件下，對多智能體的群集進行了研究。多智能體的群集由必然事件成為了概率性事件時，本文給出了群集概率的計算方法，并且通過統(tǒng)計的實際值與理論的計算值進行對比，