基于冲突搜索增强深度强化学习的多AGV路径规划方法

针对多自动引导车(Automated Guided Vehicle,AGV)路径规划问题,以最小化总行程时间为目标,提出一种基于冲突搜索(Conflict-Based Search,CBS)算法增强的分布式独立Q学习(Independent Q-Learning,IQL)算法。首先,采用栅格图法构建环境地图,并对多AGV路径规划问题进行数学化描述,涵盖了AGV间的碰撞类型和问题的基本假设。随后,将问题转化为部分可观察马尔可夫决策过程(Partially Observable Markov Decision Process,POMDP),并详细定义了观测空间、动作空间及奖励函数。进一步地,采用异步优先级经验回放架构,将IQL方法扩展到分布式环境中,并通过CBS算法引导Q网络,优化AGV在拥挤环境中的决策过程。最后,根据不同AGV数量设计了与其他深度强化学习算法的对比实验,结果表明所提方法在成功率和平均步长关键性能指标上优于对照算法,从而证实了所提方法的有效性和可行性。

基于冲突搜索的多智能体路径规划研究进展

多智能体路径规划是人工智能领域一个经典的搜索问题,基于冲突的搜索算法是当前解决该问题的最优算法之一。文中讨论了多智能体路径规划的基础研究,对国内外近年来基于冲突搜索算法及其变体的研究成果进行了分类,根据改进方式将其变体分为4类,包括分割策略的改进、启发式算法、对典型冲突的处理和次优算法。同时介绍了基于冲突的搜索算法在多智能体路径规划的扩展问题中的应用。最后根据当前算法的优缺点,指出了目前面临的挑战,并针对这些挑战给出了未来可能的研究方向。

用启发式算法和基于冲突的回跳算法求解卫星测控资源调度问题

针对卫星用户提出的两种不同性质的申请,建立了问题的约束满足模型;根据申请的不同特点分别提出了启发式算法和基于冲突的回跳算法对模型进行求解,并设计了均衡原则、效能原则和就近原则,引导求解过程趋向多目标优化,在优先提高任务支持率的同时兼顾测控站的使用均衡和效能;最后,将算法应用于一个6站10星的调度问题,并进行数值仿真研究。仿真结果表明,本文提出的算法与遗传算法相比,能在更短时间内求得任务支持率更高且负载更均衡的解,证明了算法具有较好的寻优能力。

基于冲突的离散事件系统诊断方法

提出了一种基于冲突的动态模型故障诊断方法。通过在离散事件系统的自动机模型中添加概率,离线计算模型中事件与状态的后验概率,从而处理不完全观测导致的不确定性,增强了离散事件系统处理不确定性问题的能力。在已经建立的离线模型上,在线计算观测与模型的冲突,在模型中提取符合观测的轨迹,推导系统运行状况,判断故障,并给出故障路径。将基于冲突的诊断方法扩展到离散事件系统的诊断上来,避免了对无关事件的搜索及判断,从而降低了诊断搜索空间,便于计算更大规模的系统模型。

一种基于冲突的增量诊断方法

增量诊断是一种在离散事件系统中进行诊断的重要方法,因其能够根据新观测和原有诊断的结果进行进一步诊断,在长时间复杂行为的系统上有着良好的运行效率和诊断特性.文章提出了一种带有回溯的增量诊断方法.在离线定义的自动机链模型上根据在线观测进行局部诊断,用轨迹概率选出最可能诊断的同时,保存可行的候选诊断作为回溯点.若增量过程产生冲突,则回溯并根据新观测动态重新对候选诊断选择排序.既避免了不完全可诊断性条件下,增量诊断所面临的多候选选择,亦避免了由于仅保留最优结果导致的重复诊断.

基于冲突分类与消解的多智能体路径规划算法设计

多智能体路径规划应用广泛但求解困难。为更好地处理多智能体路径规划中的路径冲突问题,提高求解效率,将冲突进一步分类为相向顶点冲突和交叉顶点冲突,并提出了对应的消解方式。相向顶点冲突的消解方法采用提前添加约束的方式,避免在消解其冲突的过程中产生另一个可预见的冲突;交叉顶点冲突的消解方法采用寻找最佳等待时间的方式,在消解其冲突的同时消解其他存在的冲突。两种冲突消解方法均可减小约束树的规模,在一定程度上减少算法的计算量。并提出了基于冲突搜索算法的高层节点冲突搜索算法。实验结果表明,所提出的冲突分类及消解方式有效地减小了算法高层中约束树的规模,降低了算法计算量,并在智能体密集的环境下表现出更大的优势。

基于冲突搜索的数字战场多无人机路径规划与仿真

数字化战场环境下,合理规划多无人机的飞行路径是实现无人机自主控制的关键。为解决现有的基于冲突搜索(CBS)的多无人机路径规划算法存在的转弯过多和角度过大的问题,提出了一种改进的CBS算法。首先,对多无人机路径规划问题进行建模,并在优化目标中考虑了危险区域的威胁成本和飞行动作的转弯成本;然后,对CBS算法的2层搜索结构进行了描述;最后,在3个场景中进行了仿真试验。仿真试验表明,该算法能够在安全区域中防止无人机相互碰撞,并可获得转弯次数更少且更平滑的路径。

基于改进CBS算法的自动化码头多AGV无冲突路径规划

针对自动化集装箱码头上自动引导车(automated guided vehicle,AGV)数量增加导致冲突更频繁。提出一种改进的基于冲突的搜索(conflict based search,CBS)算法。底层采用基于曼哈顿距离的A算法,上层结合二叉树原理建立冲突树对AGV之间的冲突进行规避。以最小化AGV在岸桥和堆场之间的总路径长度为目标,使用栅格法建立AGV路网模型。考虑AGV之间的点冲突与边冲突,将自动化码头多AGV无冲突路径规划问题规约为多智能体寻径问题。实验结果表明,所提出的算法在保证堵塞率为0%的前提下,缩短总路径长度并提高运算速度,验证算法的有效性。

带障碍物惩罚因子的多机器人路径规划

轻载环境中,复杂障碍物区域将引起机器人之间局部冲突加剧,进而导致路径求解效率下降,针对该问题,提出轻载环境下带障碍物惩罚因子的多机器人路径规划方法。在基于冲突搜索(conflict-based search,CBS)算法框架的下层单机规划过程中,通过对即将拓展机器人位置的周围障碍物分布类型进行判断,赋予与之对应的障碍物惩罚因子;对路径规划过程中的惩罚因子进行累加,作为单机规划的启发值对路径进行选取;结合CBS算法框架的上层冲突消解策略进行多机器人的路径规划与冲突协调。测试结果表明,在10%障碍物分布的轻载环境中,所提算法的求解时间约为CBS算法的81.38%~83.67%,二叉约束树(constraint tree,CT)拓展量为CBS算法的60.14%~71.66%。在Gazebo中仿真表明,所提方法可减小通过复杂障碍物区域的次数。

面向多无人车的目标点分配和协同路径规划算法

针对多智能体路径搜索算法在非指定式多车协同路径规划问题中路径冗长,计算效率低等缺陷,提出协同目标点分配路径规划算法Nutcracker-CBS。首先构建紧耦合目标点分配MAPF框架,实现目标点分配和路径构建的联合寻优;针对目标点分配模块,提出改进的星鸦优化算法,增量式求解分配问题,缩短模块用时;针对路径构建模块,提出改进的MAPF算法,通过回退式约束构建机制,引入避碰路径估计的绕道机制和数据共享底层路径规划机制,提升效率和路径质量。数据集实验中,Nutcracker-CBS时耗相比SOTA算法减少90.37%;目标点分配模块求解耗时减少86.76%;MAPF模块6 s内构建100辆无人车路径,平均路径长度缩短6.058%。实际实验中路径总和与系统运行时长分别减少55.26%和61.29%,提升了多机器人系统的效率,降低了路径长度。

基于多智能体算法的智慧无人仓布局设计及AGV调度优化研究

智能物流是工业4.0的几大主题之一,而基于AGV系统的智能无人仓是现有技术下,物流仓储阶段智能化的一种可能形式。其中,无人仓布局和AGV调度策略都是影响无人仓技术成熟度的重要因素。考虑到无人仓布局与AGV调度策略相互影响的特征,通过将MAPF问题的研究成果与ALNS算法相结合设计AGV调度策略,实验研究了过道等布局要素对于无人仓吞吐效率的影响。实验结果表明,好的过道布局有益于提高无人仓内AGV的运行效率。

基于改进CBS算法的多智能体路径规划

在基于冲突的搜索(conflict-based search,CBS)算法中,冲突的选择具有随机性,导致CBS算法在多智能体路径规划方面的求解效率不佳。为此,本文提出一种改进CBS算法的多智能体路径规划算法。首先,基于冲突子节点的相关信息,提出了一种新的冲突选择策略;然后,为发挥新策略的优势和进一步减少算法的运行时间,采用基于神经网络的RankNet算法来学习新策略,从而得到一个训练好的排序模型;最后,利用训练好的排序模型为CBS算法选择冲突。通过设计实验对改进CBS算法进行仿真验证,结果表明,所提改进算法相比于已有的改进算法,能够有效提高算法的求解效率。

CSMA/CA在CSMA/TDMA混合网络中的性能分析

CSMA/CA机制与TDMA在同频段共存时会存在相互干扰,为评估混合网络中CSMA/CA的性能表现,将TDMA视为周期性的干扰提出改进的二维Markov分析模型,能够计算不同条件下的CSMA/CA饱和吞吐量,并通过仿真实验证明了模型的有效性。同时讨论了TDMA时隙分配方式对系统性能产生的影响,仿真结果表明时隙均匀分配方式能保证较低的时延和时延抖动,而连续分配方式能使CSMA/CA获得较高的吞吐量。提出将基于最低信道需求时间的阈值计算方法与吞吐量分析模型相结合,用于在不同应用场景下进行时隙分配方式的选择。

一种基于改进冲突搜索的多机器人路径规划算法

针对智能仓储环境下多载位自主移动机器人集群拣选-配送路径规划问题,提出一种改进型基于冲突搜索的多智能体路径规划算法.在模型方面,采用多载位机器人替代KIVA机器人,建立以最小化拣选-配送时间以及无效路径比为目标的数学规划模型.在算法方面,首先,提出一种基于优先级规则的多智能体冲突消解加速策略;然后,设计基于动态规划的单机器人拣选序列优化算法;最后,设计考虑转向惩罚的增强A^(*)算法搜索机器人最优路径.实验结果表明:所提出模型与KIVA系统相比有较大优越性;所提出算法能够有效缩短拣选-配送时间、减少无效路径时间.

基于改进冲突搜索的多智能体路径规划算法

多智能体路径规划问题在航空航天领域的多机任务中应用广泛但求解困难。基于改进冲突搜索的算法被设计用来快速求解多智能体路径规划问题。全局路径规划方面,首先设计综合考虑路径代价总和以及最大完工时间的多目标代价函数,其次提出基于唯一最短路径的冲突分类及消解方案,降低多智能体路径规划的计算量。在线冲突消解方面,利用速度障碍法在线检测和消解智能体与动态障碍物间的突发冲突。仿真结果表明,本文算法在全局路径规划方面保留基于冲突搜索算法的最优性并且降低了算法计算量,同时本文算法能够有效实现在线冲突检测与消解。

烟叶原料仓储AGV路径规划策略研究

针对烟叶原料仓储作业中的自动导引车(automated guided vehicle,AGV)路径规划场景,为降低路径中的转向代价和防止碰撞冲突,本文对AGV路径规划策略展开研究。对于单AGV路径规划,考虑烟叶原料仓储作业的负载特性,向A*算法的启发式函数中加入转向代价。对于多AGV路径规划,针对设备之间的冲突碰撞问题,采用改进基于冲突的搜索算法求解。在顶层搜索中引入有界次优和优先级分批规划策略,以牺牲部分求解质量为代价加快求解速度。在底层搜索中设计考虑转向代价的时空A*算法,减少路径中的拐点。在40×40的栅格地图上设置不同规模的算例进行仿真,验证了改进A*算法在减少路径中拐点的有效性和改进冲突搜索算法在求解质量和求解效率上的优越性。