动态环境下多机器人合作追捕研究

主要研究了多个自主型移动机器人合作追捕多个运动猎物的追捕—逃避问题.从基于范例的推理缩小任务招标范围、引入辅助决策矩阵改善联盟决策两个方面对传统的合同网协议进行了改进,以减少任务协商过程中的通信开销,接着引入了联盟生命值、违约金等概念,在此基础上,实现了一种允许动态联盟的多机器人合作追捕算法.仿真实验证明了所提算法的可行性和有效性.

基于短期预测的追捕方法

针对具有安全区的追捕逃避问题,抛开参与人是否理性的假设,提出了一种基于短期预测的追捕方法.由参与人短期内状态空间有限和伪蒙特卡罗方法原理阐述了进行短期预测的可行性.追捕方法的流程为:追捕方先根据物理条件限制预测双方的短期状态;根据反映对抗态势的特征计算出对手处于某状态时自身某状态的收益,并由此进一步获得针对同时刻对手各个状态的自身某状态的综合收益;估算出自身各个预测状态的综合收益后,选取某个状态作为短期目标,执行能到达该状态的行为.结合足球机器人一对一对抗的实践进行了仿真,结果表明该方法有效.介绍了在自主式足球机器人上应用基于短期预测的追捕方法的初步实验,证实该方法具有一定的实际应用价值.

一种基于短期预测的追捕方法的分析与仿真

针对具有安全区的追捕-逃避问题,提出了一种基于短期预测的追捕方法,其算法流程为：追捕方先根据物理条件限制,预测双方可能的短期未来状态,然后评估自身在各种未来状态下的收益,获得一棵决策树,最后根据决策树决定并执行某种行为.讨论了如何确定合理预测时间长度和预测步数等问题,分析表明,预测时间并非越长越好.结合自主式足球机器人一对一对抗的研究实践,进行了仿真实验,仿真结果验证了相关理论分析.

多机器人运动目标搜索策略研究

针对未知环境下多机器人合作搜索运动目标的问题,引入了搜索期望值和搜索增益两个概念,在此基础上提出了局部最大搜索、全局最大搜索、分区局部最大搜索以及分区全局最大搜索4种启发式搜索策略.仿真结果表明,以平均捕获时间作为评价标准,提出的几种搜索策略均明显优于随机搜索策略.