[发明专利]多智能体自主协同任务分配方法

说明书

技术领域

本发明涉及网络信息处理技术领域，具体涉及一种多智能体自主协同任务分配方法。

背景技术

随着电子和信息技术的发展，智能体的应用越来越为广泛，如智慧制造、智慧医疗、智慧家居服务等。多智能体可以通过网络实现彼此之间的复杂性连接，促进彼此之间的信息交换和状态识别，构成实时动态的多智能体网络以协同实现特定环境下的任务目标。

在特定应用环境中，每个智能体都有不同于其它智能体的特征表象。每个智能体都有其各自的任务目标、资源能力及任务偏好，而为了自我目标的达成，多智能体成员会向组织贡献不同程度的能力或资源，以满足特定任务的要求。因此，在多智能体环境下，机器人需要自主协调规划不同智能体之间的任务，以期形成多智能体既有资源可满足的，同时又可使其偏好最大化的共同目标。

由于信息技术的发展应用，多智能体环境下的每个机器人的任务目标、所具有的资源能力及偏好等信息的收集成为可能，其行为也可以通过综合这些特点而完全得到。不同机器人之间所拥有的更多微观层面上的动态交流沟通、信息及资源共享，刻画了多智能体环境下的机器人任务自主协同规划与传统任务规划的不同属性特征。因此，需要不同的规划技术以实现多智能体环境下任务规划的高度智能，满足不同应用环境下的智慧要求。

《智能环境下移动机器人任务规划与执行系统架构设计》(房芳,马旭东,钱堃,梁志伟，东南大学学报(自然科学版),2012年,第42卷,增刊(I),182-185)：针对移动机器人传统的确定型任务规划和执行问题，依据智能水平将智能体(agent)划分为3个不同层次，最高层次的负责总体任务规划和分配及对其它智能体(agent)的控制和协调，分解后的子任务交由第二层次智能体(agent)分别执行，第三层次的交互智能体(interaction agent)表示和机器人有行为交互的服务对象人智能体，并通过与最高层智能体(agent)的交互和协商解决避免人机/阻塞和不友好问题，在此基础上构建了机器人任务规划与执行的系统架构，包括任务计划层、任务分配层、人机交互管理层、自主规划层和构建管理层等。

随着信息技术的发展，机器人的智能性得到了很大提升，多个智能体完全可以脱离人而互相协作以完成不同任务目标，但现有技术仍是基于人机联合的任务规划技术，且将固定任务目标交由一个中心管理机器人进行任务指派，本质上仍是基于单任务目标的机器人任务规划技术，未能考虑多智能体环境中不同机器人所具有的任务目标、资源能力及其偏好对任务规划的影响。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种多智能体自主协同任务分配方法。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

本发明提供了一种多智能体自主协同任务分配方法，所述任务分配方法包括如下步骤：

步骤一、根据每个智能体对每个任务的感知状态，构造多智能体的任务感知矩阵，得到多智能体对每个任务的感知信息，进而得到多智能体对每个任务的感知状态识别信息；

步骤二、根据每个智能体实现每个任务所具备的资源，构造多智能体实现任务的资源矩阵，得到多智能体实现每个任务的总资源条件，进而得到多智能体实现每个任务的资源条件识别信息；

步骤三、根据所述感知状态识别信息和资源条件识别信息，对每个任务的可行性进行识别，得到可行性任务集合；

步骤四、根据每个智能体对每个可行性任务的偏好程度，构造多智能体的任务偏好矩阵；并结合每个智能体在多智能体中的重要程度，获得每个可行性任务的可行性度；

步骤五、按照可行性度从大到小的顺序，将可行性度所对应的可行性任务分配给多智能体执行，从而实现任务自主协同分配。

进一步的，步骤一的具体实现过程包括：

步骤11、构造多智能体的任务感知矩阵MAO：

其中，mao_ij为第i个智能体对第j个任务的感知状态；i＝1，2，...，m；j＝1，2，...，n；m和n分别为智能体和任务的个数；

步骤12、按照如下公式，得到多智能体对第j个任务的感知信息；

步骤13、按照如下公式，获得多智能体对第j个任务的感知状态识别信息:

其中，ΔMAO_j为多智能体对第j个任务的感知状态识别信息；为多智能体对第j个任务的感知判断标准。