[发明专利]一种拒止环境下基于粒子群算法的群体机器人控制方法

说明书

本发明涉及一种拒止环境下基于粒子群算法的群体机器人控制方法，包括：步骤1、建立拒止环境下的攻防对抗场景，并初始化粒子群算法的参数；步骤2、进攻机器人通过传感器探测周围环境信息，获取友方和敌方机器人的态势信息，并利用惯性导航技术实时计算敌方领土位置；步骤3、所述进攻机器人构建适应度函数；步骤4、利用粒子群算法优化适应度函数，得到进攻机器人的最优占位；步骤5、进攻机器人进行移动与攻击操作；步骤6、若任一进攻机器人进入敌方领土，则任务完成；否则判断是否达到最大运行时间，若是，则任务失败；否则转到步骤2进行下一时间片的迭代。与现有技术相比，本发明避免了全局定位，控制无需预训练，解决了维数灾难的问题。

技术领域

本发明涉及多智能体集群间的协同与博弈对抗控制领域，尤其是涉及一种拒止环境下基于粒子群算法的群体机器人控制方法。

背景技术

随着智能无人技术的快速发展和成熟应用，无人设备间的协同作战已经成为可能，无人集群间的协同攻防对抗逐渐成为未来战争的重要模态。作为多智能体技术的应用载体，无人集群通过感知环境，判断周围态势，依据一定的攻防策略，采取集火攻击、伤兵回撤、障碍避让、群体避碰、分散、集中、协作、援助等行为，实现攻防对抗。

群体机器人的协同攻防对抗可以描述为复杂多约束条件下的最优决策问题，最经典的是疆土守卫问题。在此问题中，对抗环境由入侵方和防守方两个多智能群体组成。其中，入侵方目的是试图尽可能的靠近并进入某一领土，防守方的目的是拦截入侵方使其尽可能的远离该领土。对抗环境下态势的优劣取决于入侵者、防守者和领土三者之间的关系，由于多智能体攻防对抗任务状态空间维数高，策略求解空间随实体对象规模的增加呈指数级增大，态势复杂且变化快，攻防策略多样，导致求解的难度大，需要高效的决策算法。

目前最流行的群体对抗方法是多智能体深度强化学习方法。然而此类算法需要大量的预训练、受限于维数灾难问题，且依赖精确的全球定位和通信，无法在拒止环境中实现有效协作和对抗。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种拒止环境下基于粒子群算法的群体机器人控制方法，该控制方法弥补了当前大多数多智能体算法以来全局定位和通信，受限于维数灾难的瓶颈问题。

本发明的目的可以通过以下技术方案来实现：

本发明提供了一种拒止环境下基于粒子群算法的群体机器人控制方法，该方法包括以下步骤：

步骤1、建立拒止环境下的攻防对抗场景，并初始化粒子群算法的参数；

步骤2、进攻机器人通过传感器探测周围环境信息，获取友方机器人和敌方机器人的态势信息，并利用惯性导航技术实时计算敌方领土的位置

步骤3、所述进攻机器人利用探测到的周围环境信息构建包含敌军机器人状态信息、友军机器人状态信息和敌方领土信息的适应度函数；

步骤4、利用粒子群算法优化所述适应度函数，得到所述进攻机器人的最优占位，并指导所述进攻机器人在下一时间片的移动与攻击；

步骤5、所述进攻机器人进行移动与攻击操作；

步骤6、如果存在一个进攻机器人进入敌方领土，则任务完成；否则判断是否达到最大运行时间，如果是，则任务失败；否则转到步骤2进行下一时间片的迭代。

优选地，所述步骤1中建立拒止环境下的攻防对抗场景，并初始化粒子群算法的参数，具体为：初始化N个进攻机器人的位置、M个防守机器人的位置以及敌方领土的GPS定位坐标U；初始化粒子群算法中的粒子初始个数加速因子c₁与c₂，惯性权重w和问题的维度D；

所有机器人的属性相同，均具备P点血量，当机器人受到攻击时血量减p，当机器人血量小于等于0时，即该机器人被消灭。