【技术实现步骤摘要】
本专利技术涉及多智能体协同规划，具体是涉及一种多智能体高效协同路径规划方法。
技术介绍
1、多智能体协同路径规划是为多个智能体规划路径的问题，主要约束是多个智能体同时沿着预先规划好的路径行进而不会发生冲突，且能够高效、安全地完成任务。多智能体协同路径规划在各项领域都有着比较多的应用，例如物流调度、无人机协同作业、大型仓库自动化管理、智慧城市中的道路网络优化、多机器人协作系统以及安全监控等。随着这些领域的快速发展，对多智能体协同路径规划的需求日益增长。然而环境的动态变化和智能体数量的增加，对多智能体协同路径规划是一个较大的挑战。
2、尽管近年来该领域取得了显著进展，但仍面临着一些挑战：
3、(1)首先，现有技术在动态环境适应性方面存在不足，尤其是在面对环境变化复杂多变或智能体数量众多时，现有算法的计算效率和准确性往往难以满足实际需求。
4、(2)其次，智能体在规划路径时，除了需要考虑自身的行动约束，还必须处理与其他智能体之间的避碰问题。随着智能体数量的增加，避碰约束的数量呈指数级增长，导致求解问题的复杂度急剧上升。
5、(3)此外，在特定应用场景，如自动化监控或紧急响应任务中，智能体不仅要避开障碍区域，还需高效地分配任务并协作完成。智能体如何快速、准确地到达指定任务点，并执行任务，同时保持路径最短、效率最高，是当前协同路径规划中的一大难题。
6、于是有鉴于此，本专利技术提出一种多智能体高效协同路径规划方法以弥补和改善现有技术的欠缺之处。
技术实
1、为解决多智能体协作中出现的计算复杂度高、完成任务效率低的问题，本专利技术提出了一种混合整数线性规划(mixed integer linear programming，milp)与astar启发式算法相结合的多智能体协同路径规划方法。本方法能够综合考虑任务区域、智能体的初始位置、速度限制、目标位置坐标、障碍区域以及最少执行次数指标等因素，规划出各智能体的最优路径。通过合理的任务分配和障碍规避策略，确保智能体能够高效、安全地完成既定任务。
2、为了实现上述目的，本专利技术提供一种多智能体高效协同路径规划方法，包括以下步骤：
3、s1、定义智能体集合和目标点集合，以及智能体的初始位置、速度限制、任务执行次数限制和任务载荷能力，同时设定障碍区域；
4、s2、引入额外候选点集合；
5、s3、利用astar算法为每个智能体规划至其目标点的路径，并计算沿这些路径行进所需的时间；
6、s4、维护每个目标点的访问记录，记录智能体到达的时间和次数，并检查是否满足任务执行次数指标；
7、s5、对于未满足指标的目标点，更新智能体的候选点列表；
8、s6、构建0-1矩阵来表示智能体与候选点之间的选择关系，并构建目标函数为所有智能体到其选择目标点的距离总和，使用milp求解器最小化目标函数并满足约束条件；
9、s7、当任一智能体首先到达当前规划的目标点，如果该点的执行指标已完成并且智能体的剩余任务执行次数非零，则直接进入下一步规划，若智能体还有剩余任务需要执行，选择与上次目标点不同且最近点作为过渡目标；
10、s8、持续更新并记录每个智能体的目标点分配，直到所有目标点的执行指标均满足，形成完整的路径规划。
11、优选的，所述步骤s1中的高层冲突检测算法的根节点初始化中首先生成一个无时空约束、无解决方案的空节点作为根节点的初始化。
12、优选的，步骤s1具体包括以下步骤：
13、s101、设定智能体集合a＝{a1,a2,...,an}，目标点集合t＝{t1,t2,…,tm}，障碍区域o；
14、s102、为每个智能体ai设定初始位置pai，速度限制vai，任务执行次数限制eai和任务载荷能力laj。
15、优选的，所述步骤s2具体包括以下步骤：
16、s201、从所有潜在的目标点中排除那些位于障碍物内部或过于接近障碍物的点：
17、
18、其中，ci′是智能体i的候选点集合，是所有潜在目标点的集合，bk表示障碍物，δ是安全距离；
19、s202、评估每个潜在目标点的可达性：
20、ci″＝{p∈ci′∣pathexists(p,oi)}
21、其中，pathexists(p,oi)是一个布尔函数，如果存在从智能体i的当前位置oi到点p的可行路径，则返回真；
22、s203、确保候选点集合中的点能够满足智能体的任务需求，如到达次数和执行区域：
23、ci,final＝{p∈ci″∣ti,p≤treq,p}
24、其中，ti,p是智能体i到达目标点p的任务执行次数，treq,p是目标点p的任务执行需求次数；
25、s204、对初步生成的候选点集合进行优化，优先选择距离智能体当前位置较近的候选点，以减少移动时间和能耗：
26、ci,dist＝{p∈ci,final∣d(oi,p)≤dmax}
27、其中，dmax是最大可达距离；
28、s205、根据任务的紧急程度和重要性，对候选点进行排序，优先考虑高优先级任务的目标点：
29、ci,priority＝sortbypriority(ci,dist)
30、其中，sortbypriority(ci,dist)是根据任务优先级对候选点进行排序的函数；
31、s206、通过预测智能体间的潜在路径冲突，调整候选点集合：
32、ci,conflict-free＝{p∈ci,priority∣noconflict(p,c-i)}
33、其中，noconflict(p,c-i)是一个布尔函数，如果候选点p与其他智能体的候选点集合c-i没有冲突，则返回真；
34、s207、当检测到环境变化时，重新评估并调整候选点集合：
35、ci,env＝updateforchanges(ci,conflict-free,e)
36、其中，updateforchanges(ci,conflict-free,e)是根据环境变化e更新候选点集合的函数；
37、s208、随着智能体状态的变化，根据新的约束条件更新候选点集合：
38、ci,status＝updateforstatus(ci,env,si)
39、其中，updateforstatus(ci,env,si)是根据智能体i的状态si更新候选点集合的函数；
40、s209、经过优化和动态调整后，输出最终的候选点集合。
41、优选的，所述astar算法的核心是两个函数：代价函数g(n)和启发式函数h(n)，代价行数为：
42、g(n)＝cost(n,parent(n))
43、其中，cost本文档来自技高网...
【技术保护点】
1.一种多智能体高效协同路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多智能体高效协同路径规划方法，其特征在于，步骤S1具体包括以下步骤：
3.根据权利要求1所述的一种多智能体高效协同路径规划方法，其特征在于，所述步骤S2具体包括以下步骤：
4.根据权利要求1所述的一种多智能体高效协同路径规划方法，其特征在于，所述AStar算法的核心是两个函数：代价函数g(n)和启发式函数h(n)，代价行数为：
5.根据权利要求4所述的一种多智能体高效协同路径规划方法，其特征在于，步骤S3具体包括以下步骤：
6.根据权利要求1所述的一种多智能体高效协同路径规划方法，其特征在于，步骤S4具体包括以下步骤：
7.根据权利要求6所述的一种多智能体高效协同路径规划方法，其特征在于，步骤S5具体包括以下步骤：
8.根据权利要求1所述的一种多智能体高效协同路径规划方法，其特征在于，步骤S6具体包括以下步骤：
9.根据权利要求1所述的一种多智能体高效协同路径规划方法，其特征在于，步骤S7具体
10.根据权利要求1所述的一种多智能体高效协同路径规划方法，其特征在于，步骤S8具体包括以下步骤：
...【技术特征摘要】
1.一种多智能体高效协同路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多智能体高效协同路径规划方法，其特征在于，步骤s1具体包括以下步骤：
3.根据权利要求1所述的一种多智能体高效协同路径规划方法，其特征在于，所述步骤s2具体包括以下步骤：
4.根据权利要求1所述的一种多智能体高效协同路径规划方法，其特征在于，所述astar算法的核心是两个函数：代价函数g(n)和启发式函数h(n)，代价行数为：
5.根据权利要求4所述的一种多智能体高效协同路径规划方法，其特征在于，步骤s3具体包括以...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。