基于对策论的群机器人追捕-逃跑问题研究

将群机器人追捕-逃跑问题看成具有两个局中人的离散动态对策问题,考虑了距离影响、走步影响、有效包围3个因素,构造出威胁评估函数,通过计算各种可能的策略下追捕者对逃跑者的威胁值得到追捕者的支付矩阵,求解该矩阵即可得到每次走步时对抗双方的最优走步策略.以此作为双方策略选择的数学模型,并在此基础上提出了实时策略选择算法.仿真试验结果验证了该模型和算法的可行性.

水面无人艇的抗追捕-逃跑策略

针对美国海军的"蜂群"水面无人艇战术,本文研究了水面无人艇在受到多艘敌艇追捕情况下的逃跑路径规划问题。在多障碍物环境模型下,考虑水面无人艇的实际体量和操纵性能约束,提出了一种基于阿波罗尼奥斯圆和安全裕量的敌方水面无人艇威胁区域建模方法。根据威胁区域确定了水面无人艇的被包围状态集和抗追捕-逃跑策略集,并通过两个集合之间的映射关系自主调整逃跑方向。仿真结果表明本文的策略能有效避免我方水面无人艇被敌方捕获,对提高水面无人艇的环境适应性和自主性具有积极意义。

一种多机器人协作追捕-逃跑问题策略研究

提出一种多机器人协作追捕多个移动目标策略.基于主从式协作结构提出了分区主从式协作方法,在确定追捕目标点后通过引入追捕意向、追捕耗时、心智态度等三个指标概念选择最优合作追捕团队成员,并根据逃跑者状况以及协作效用判断追捕结果,评价追捕效率.仿真试验结果证明该策略的可行性及有效性.

多机器人追捕-逃跑问题对策模型的研究

在机器人的研究领域里,多机器人的协调与合作成为了一个非常重要的课题。在这其中,分布式多机器人系统中的机器人之间相互协调与合作的典型问题就是追捕-逃跑问题。基于对策论的原理,针对多机器人的追捕-逃跑问题展开了研究,并将追捕-逃跑问题按空间、时间离散化后转为一个对策模型。

基于Fast Marching方法的多机器人追捕算法

多机器人系统的追捕-逃跑问题是人工智能领域一个非常重要的问题。本文为实现多追捕者协作追捕逃跑目标,提出了一种基于Fast Marching方法的多机器人协作追捕策略。追捕过程中,追捕者数量多于逃跑者的情况下,协助追捕者通过构造"活跃区域"与主追捕者的合作,实现一种压迫式的追捕策略。

自利Agent追捕联盟生成算法

多Agent合作追捕是多Agent系统研究的经典问题,在机器人等领域具有重要的应用前景。文章提出了面向任务的自利Agent联盟生成算法,该算法能同时处理多个不同类型的逃跑Agent的任务分配问题;因为追捕Agent和逃跑Agent速度相等,追捕联盟成员位置的分布十分关键,所以提出了基于贡献度的联盟成员选择策略;同时为了较好地体现追捕Agent的自利性,定义了需求度作为自利性的度量,解决了冲突协商且有利于资源的优化配置。通过与经典拍卖算法的比较表明,该算法显著提高了追捕成功率。

基于Metlab的多机器人围捕问题的研究

本文将追捕-逃跑问题按空间、时间离散化后转为一个对策模型,并利用Matlab软件,采用栅格建模的方法来模拟仿真环境,对四个追捕机器人追捕一个目标机器人的实例进行了仿真。通过仿真发现了该支付函数的缺陷。基于此原因,重新定义了局中人的支付函数,通过衰减因子μ,在追捕的不同阶段,根据追捕的具体情况灵活地调整距离影响系数和有效包围系数的权重,从而提高了追捕的效率。