动态环境下的多Agent路径规划方法研究

论文摘要

现阶段对于多Agent系统的研究已经能够成功应用于实际生活中的很多领域,而路径规划技术是其研究的关键问题之一,对此研究者也提出了很多解决多Agent路径规划的方法。但是在实际生活应用中,多Agent往往是处在动态环境中的,Agent对周围环境的信息掌握的也是有限的,对于动态障碍物的位置也是未知的,因此就需要使用有效的算法来为多Agent规划出有效的路径,从而使Agent能够在安全无碰的情况下快速找到从起点到终点的最短路径。另外,路径规划过程中对于多Agent之间的碰撞问题也是不可忽略的。针对多Agent在动态环境下的路径规划中所存在的问题,本文主要在原始蚁群算法上作出了相应的改进,另外结合博弈论方法来解决路径规划过程中的多Agent之间的碰撞性问题。所做主要工作如下:(1)首先在多Agent进行路径搜索的前期需要根据其掌握的周围环境信息进行环境建模,对环境建模方法进行优劣对比,选择简单的栅格法对环境信息进行处理并建立多Agent运行的二维环境地图,为后面路径规划算法的实施奠定了基础。(2)利用蚁群算法来为每个Agent规划出全局有效的路径,但是对于蚁群算法中存在的如收敛速度慢和易于陷入局部最优等的缺点,本文作出了以下对蚁群算法的两种方式的改进方法,第一种方法为:首先在原始蚁群算法中引入反向学习方法来对蚂蚁位置进行初始化分布,增加了算法的全局搜索能力;其次利用粒子群算法中的自适应惯性权重因子来调节信息素强度Q值,使其自适应地变化,避免陷入局部最优;最后为了加快算法的迭代速度本文采用对信息素挥发因子值进行自适应的调节。第二种方法为:首先使信息素强度值自适应变化;其次以信息素每轮更新结束后所有的信息素平均值为基准引入信息素缩减因子,从而加快算法的迭代速度;最后利用烟花算法中的爆炸算子来解决死锁问题,从而扩大蚂蚁的搜索范围,快速找到下一步的路径,避免陷入死锁。通过在Matlab中实验进行验证了所提方法的有效性,实验结果表明,改进的蚁群算法明显克服了传统蚁群算法的如收敛速度慢、容易陷入局部最优的缺点。(3)在多Agent路径规划过程中,Agent在行走过程中难免会遇到如静态、动态的障碍物,对于动态环境下的多Agent的路径规划问题,Agent会存在动态避障,本文主要是解决Agent之间的动态避障问题。具体方法为,如果Agent之间存在碰撞,即利用博弈论来为多Agent之间构建动态的避障模型,并且针对博弈的求解问题和多Nash均衡的选择问题采用虚拟行动法来解决,从而确保每个Agent能够快速学习到最优的Nash均衡,最终,算法能够最大限度地发挥整体利益,并成功避开障碍。Matlab仿真实验结果表明所提的方法能够减少Agent路径规划的从起点到终点的路径长度并且提高了收敛速度。

论文目录

文章来源

类型: 硕士论文

作者: 王林林

导师: 郑延斌

关键词: 多系统,路径规划,蚁群算法,博弈论,动态避障

来源: 河南师范大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,自动化技术

单位: 河南师范大学

分类号: O221;TP18

DOI: 10.27118/d.cnki.ghesu.2019.000762

总页数: 60

文件大小: 3641K

下载量: 48

相关论文文献

• [1].无人机山区环境激光扫描路径规划方法研究[J]. 激光技术 2020(04)
• [2].基于双目视觉的智能机器人巡检路径规划方法研究[J]. 信息通信 2020(09)
• [3].基于影像的快速路径规划方法探究[J]. 测绘与空间地理信息 2020(10)
• [4].动态环境越野路径规划方法研究[J]. 测绘工程 2020(06)
• [5].顾及车辆性能的路径规划方法研究[J]. 测绘与空间地理信息 2020(11)
• [6].基于遗传算法的仓储机器人多目标路径规划方法[J]. 物流技术 2020(06)
• [7].一种基于拓展支持向量机的无人船路径规划方法[J]. 船舶工程 2020(07)
• [8].全自动平行泊车路径规划方法研究[J]. 科学技术与工程 2017(07)
• [9].数据驱动的动态路径规划方法仿真研究[J]. 电脑编程技巧与维护 2013(16)
• [10].基于Pythagorean Hodograph曲线的无人机路径规划方法[J]. 制造业自动化 2011(14)
• [11].基于隐马尔可夫模型路径规划方法[J]. 智能计算机与应用 2019(06)
• [12].基于二段多项式的窄空间平行泊车路径规划方法[J]. 计算机系统应用 2020(08)
• [13].不同需求影响下的自行车出行路径规划方法[J]. 交通信息与安全 2017(05)
• [14].基于高效模板法与动态窗口法的服务机器人全覆盖路径规划方法[J]. 高技术通讯 2020(09)
• [15].考虑去除深度的砂带磨削路径规划方法[J]. 机械科学与技术 2016(09)
• [16].两种自主泊车路径规划方法的对比研究[J]. 电子测量技术 2011(01)
• [17].基于正态密度函数的滚动窗口路径规划方法[J]. 科学技术与工程 2010(15)
• [18].一种基于多起点、多终点的大型火灾救援路径规划方法[J]. 计算机科学 2019(S2)
• [19].一种基于遗传算法的多模式多标准路径规划方法[J]. 测绘学报 2014(01)
• [20].基于动态交通的最短时间路径规划方法研究[J]. 微计算机信息 2012(09)
• [21].平行泊车的路径规划方法及其仿真研究[J]. 电子测量技术 2011(01)
• [22].一种基于模糊逻辑的滚动窗口路径规划方法[J]. 现代电子技术 2010(13)
• [23].基于模糊逻辑行为融合路径规划方法[J]. 计算机工程与设计 2009(03)
• [24].基于干扰度的长大货物联运路径规划方法[J]. 计算机应用研究 2020(08)
• [25].基于改进蚁群算法的智能小车路径规划方法[J]. 太原科技大学学报 2020(06)
• [26].基于ArcGIS API for JavaScript的路径规划方法实现[J]. 数字通信世界 2019(08)
• [27].虚拟角色的一种自主运动路径规划方法[J]. 系统仿真学报 2012(01)
• [28].基于模型预测控制的无人机避障路径规划方法[J]. 火力与指挥控制 2020(01)
• [29].基于蚁群算法与参数迁移的机器人三维路径规划方法[J]. 农业机械学报 2020(01)
• [30].面向煤矿井下局部复杂空间的机器人三维路径规划方法[J]. 煤炭学报 2017(06)

标签：多系统论文;  路径规划论文;  蚁群算法论文;  博弈论论文;  动态避障论文;