一種面向動態任務的多機器人分布式任務分配形成方法技術

本發明專利技術提供一種面向動態任務的多機器人分布式任務分配形成方法，該方法包括：根據環境地圖中任務點狀態變化，分析任務分配需要考慮的因素和難點，任務點發生時，基于多階段拍賣算法，生成任務分配方案，機器人根據所述任務分配方案執行任務。本發明專利技術解決了環境中動態任務分配問題，傳統的拍賣算法采用的一次分配來解決給定的任務，在面對動態任務存在很大局限性。本發明專利技術通過多次拍賣，以時間最優為目的，最大程度的利用機器人的資源，將上述方法在VC++和Csharp平臺上進行仿真，通過大量的實驗仿真測試結果表明，改進的拍賣算法較傳統的拍賣算法更能夠很好的解決環境中的動態任務，通過多次分配來滿足實時性的需求，并能夠給出接近的最優解。

A dynamic task oriented multi robot distributed task assignment method

The invention provides a method for dynamic task allocation of distributed multi robot task formation method, the method includes: according to the task environment map state changes, analysis of task allocation need to consider the factors and difficult task, occurs, multi stage auction algorithm based on the generated task allocation scheme, the robot task allocation scheme to perform tasks according to the. The invention solves the dynamic task assignment problem in the environment, and the traditional auction algorithm adopts the primary allocation to solve the given task, and has great limitation in the face of the dynamic task. The present invention through multiple auctions, in time for the purpose of optimal robot, maximize the use of resources, the method is simulated in VC++ and Csharp platform, the simulation results show that the improved algorithm auction auction algorithm is more effective than conventional dynamic task well solve the environment, through the multiple distribution to meet the real-time demand, and can give optimal solutions to.

【技術實現步驟摘要】
一種面向動態任務的多機器人分布式任務分配形成方法
本專利技術涉及機器人智能拍賣算法
，更具體地，涉及一種面向動態任務的多機器人分布式任務分配形成方法。
技術介紹
隨著人們對人工智能和復雜系統認識的深入，機器人系統在建筑、軍事、消防、工業生產等領域有了良好的應用前景。而當前多機器人系統中任務數量大，任務點包含信息復雜，參與的機器人眾多，全局搜索算法的計算代價呈現指數增長，這使得全局搜索算法很難在規定的時間內尋找到任務分配問題的最優解。因此，全局搜索算法并不適用大規模多智能體動態任務分配問題的求解。在大規模系統中任務分配須滿足實時性的要求，傾向于在規定的時間內得到“好”的解，而得到的解并不一定是最優解。因此對于時間約束的多機器人動態任務分配問題研究具有重要意義。當前任務分配很多采用拍賣算法，傳統的拍賣算法面向任務是靜態的，采用的是一次拍賣算法。但在面對任務點數量多且動態變化情況下存在很大的缺陷，無法實行更多次調度，不能滿足實時性的需要，更得不到理想的效果。
技術實現思路
本專利技術提供一種克服上述問題或者至少部分地解決上述問題的面向動態任務的多機器人分布式任務分配形成方法，該方法基于改進的拍賣算法，以及結合A-star算法路徑尋優，通過機器人之間協同合作解決環境中多個動態任務的問題。為了達到上述目的，本專利技術提供一種面向動態任務的多機器人分布式任務分配形成方法，該方法包括：S1：根據環境地圖中信息，理清任務分配問題需要考慮的因素和難點；S2：任務發生時，基于多階段拍賣算法，生成任務分配方案，機器人根據所述任務分配方案執行任務。進一步，所述步驟S1中，包括：S11：給定一張目標環境地圖，所述地圖上分布有多個具有任務執行能力的機器人、屬性隨時間變化的任務點和若干個障礙物；S12：根據任務點的狀態變化，理清任務分配需要考慮的因素及難點進一步，所述步驟S11中，所述的環境為機器人工作環境，對給定的環境地圖建立直角坐標系，坐標系以x軸向右為正方向，y軸向上為正方向，并將該工作環境劃分為多個柵格，環境地圖在空間上分布有N(N∈Z+)個任務點、M(M∈Z+)個機器人以及B(B∈Z+)個障礙物，并分別確定機器人、任務和障礙物的坐標。其中，任務用字母j表示，其中j＝1,2,…,N，任務在地圖上近似于一個點。機器人用字母i表示，其中i＝1,2,…,M。障礙物用字母b表示，其中b＝1,2,…,B。任務點在地圖上的坐標為其中j＝1,2,…,N；機器人在地圖上的坐標為其中i＝1,2…M；障礙物在地圖上的坐標為其中k＝1,2,…,B。任務點與機器人之間的距離公式為：假定任務點j坐標與任務點j'坐標分別為則兩者之間距離公式為：進一步，所述步驟S12中，任務點狀態量隨時間呈現指數函數形式變化，任務點j(j＝1,2,…,N)在(t+1)時刻的狀態量用方程表示為：式中：Sj(t+1)，Sj(t):任務j(j＝1,2,…,N)分別在(t+1)和t階段的任務點狀態量；αj:第j個任務點的狀態變化率；βi:機器人i的執行能力且βi＞0；Δt:t與(t+1)之間的時間差；ε:任務量閾值，設定任務量閾值ε判斷任務是否完成，當sj(t)＜ε時，表示任務已完成。這是一個任務狀態分布式的動態任務分配問題。任務點的狀態變化是連續的指數函數形式(式三)。其任務量為時間分布，它受到有多少個機器人在執行該任務(智能體的執行能力總和)的影響。任務點j(j＝1,2,…,N)的完成時間與作用于任務點j執行能力之和成反比。當t階段執行目標任務j的m個機器人執行能力和時，表明該m個機器人無法完成該任務點，sj(t)呈現上升的趨勢；當時，表明m個機器人可以完成該任務點，sj(t)呈現下降的趨勢。進一步，所述步驟S12中，系統任務分配需要考慮的因素包括任務點屬性參數和機器人屬性參數。任務點j(j＝1,2,…N)的屬性參數包括：任務點的任務量(即狀態值)Sj(t)，表示t時刻任務點的任務量，其中j＝1,2,…,N，當t＝0時表示任務點的初始量Sj(0)；任務點變化率αj；任務點j是空間分布的，任務點j在環境地圖上所處的位置機器人i(i＝1,2,…,M)的屬性參數包括：運動速度vi，表示機器人i在單位時間內所走的路徑長；機器人能力值βi；機器人在環境地圖上所處的位置隨著目標任務點和機器人數量的增加，任務分配問題的難度快速增加，各目標任務點的重要程度、狀態變化率以及各個智能體執行任務時的代價、執行能力等都是需要考慮的因素。假定正在前往第j個任務點的機器人在下一階段方案生成前不去其他任務點，對于給定的M(M∈Z+)個機器人、N(N∈Z+)個任務點，對任務點進行多次拍賣共有種分配方案，其復雜度為所述步驟S2中，進一步包括：S21：檢測到任務時，選擇距離任務點最近的機器人作為代理機器人；若距離數個任務點最近的機器人為同一個機器人i(i＝1,2,…,M)，系統會選擇數個任務點中選擇距離直角坐標系原點最近的任務點的機器人i為其代理機器人；S22：代理機器人發布拍賣信息給通訊半徑內的競拍機器人，等待反饋；S23：接收到拍賣信息的競拍機器人根據自身收益函數選擇收益最高的任務點進行投標；S24：代理機器人收集投標信息，以預定規則選擇中標的機器人，并通知中標的機器人執行任務；S25：未中標的競拍機器人和處在通訊盲區的機器人選擇執行最近的任務點。進一步，所述步驟S2中，當檢測到已完成任務點和無目標的空閑機器人時，會對空閑機器人進行重新拍賣，使得空閑機器人重新獲得新的任務點，從而得出新的分配方案，直至環境中所有的任務點被執行完后，停止拍賣。本專利技術面向目標任務是隨時間動態變化的，任務點在被完成的時間點上也是分布的，即任務點在被執行完的時間上是不一致的。若沿用傳統的拍賣算法流程，在生成分配方案后，一直按照該方案執行動態目標任務，則很難適應目標任務的動態變化和實時性要求。改進后的拍賣算法會實時跟蹤任務點的狀態變化，一旦存在已完成任務點，會存在無目標的機器人，算法會對它們進行重新分配，從而得出新的分配方案，通過多次拍賣的實現，以時間最優為導向，最大程度的利用機器人的資源，實現分階段設計分配方案的目標，以適應動態任務的變化。進一步，所述步驟S22中，代理機器人負責發布拍賣信息給通信半徑內的競拍機器人，等待反饋；每個任務點j(j＝1,2,…,N)的代理機器人掌握該任務點j的相關拍賣信息，所述消息包括：任務點j位置、任務點j的變化率、任務點j狀態量和任務點j所需要的合適機器人數量s。任務點的狀態量隨時間呈現指數函數形式變化。任務點j所需要的合適機器人數sj定義為：假定存在w個機器人使得且任務點j所需要機器人最佳數目s取值為：w≤sj≤w+2(式四)機器人i(i＝1,2,…,M)都有對應的通訊半徑ri(機器人的通訊半徑可以設為不同值)，代理機器人負責發布拍賣信息給通信半徑內的競拍機器人。進一步，所述步驟S23中，接受到z(0≤z≤N)個代理機器人發布拍賣信息的競拍機器人對這些信息進行權衡，權衡標準為：競拍機器人對這z個代理機器人發布拍賣信息進行分析，本專利技術對傳統的拍賣算法進行了改進，引進了動態經濟效益函數，機器人i計算執行完某個任務點j后的收益值Eij(Eij為實數)，并選擇收益最高的任務點進行投標。所用的動態收益本文檔來自技高網...

【技術保護點】
一種面向動態任務的多機器人分布式任務分配形成方法，其特征在于，包括：S1：根據環境地圖中信息，理清任務分配需要考慮的因素及難點；S2：任務發生時，基于多階段拍賣算法，生成任務分配方案，機器人根據所述任務分配方案執行任務。

【技術特征摘要】
1.一種面向動態任務的多機器人分布式任務分配形成方法，其特征在于，包括：S1：根據環境地圖中信息，理清任務分配需要考慮的因素及難點；S2：任務發生時，基于多階段拍賣算法，生成任務分配方案，機器人根據所述任務分配方案執行任務。2.根據權利要求1所述的方法，其特征在于，所述步驟S1中，進一步包括：S11：給定一張目標環境地圖，所述地圖上分布有多個具有任務執行能力的機器人、屬性隨時間變化的任務點和若干個障礙物；S12：根據任務點的狀態變化，理清任務分配需要考慮的因素及難點分析。3.根據權利要求2所述的方法，其特征在于，所述步驟S11中，所述的環境為機器人工作環境，對給定的環境地圖建立直角坐標系，坐標系以x軸向右為正方向，y軸向上為正方向，并將該工作環境劃分為多個柵格，環境地圖在空間上分布有N(N∈Z+)個任務點、M(M∈Z+)個機器人以及B(B∈Z+)個障礙物，并分別確定每個任務、機器人和障礙物的坐標。4.根據權利要求2所述的方法，其特征在于，所述步驟S12中，根據任務點的狀態變化，建立任務點狀態模型，分析任務分配需要考慮的因素包括任務點屬性參數和機器人屬性參數，其中，任務點屬性參數包括：任務點的任務量、任務點的狀態變化率和任務點在環境地圖上所處的位置；機器人屬性參數包括：運動速度、機器人能力值和機器人在環境地圖上所處的位置。5.根據權利要求1所述的方法，其特征在于，所述步驟S2中，進一步包括：S21：檢測到任務時，選擇距離任務點最近的機器人作為代理機器人，若距離數個任務點最近的機器人為同一個機器人i(i＝1,2,…,M)，系統會選擇數個任務點中選擇距離直角坐標系原點最近的任務點的機...

【專利技術屬性】
技術研發人員：裘智峰，陳杰，楊寧，陽春華，郭宇騫，桂衛華，
申請(專利權)人：中南大學，
類型：發明
國別省市：湖南,43