[发明专利]一种面向动态任务的多智能机器人任务分配方法

权利要求书

1.一种面向动态任务的多智能机器人任务分配方法，其特征在于，包括如下步骤：

S1：获取智能机器人的能力参数、环境信息和目标任务初始特征参数以及相关约束条件；

S2：根据动态任务状态量变化，设计动态收益模型；

S3：基于改进遗传算法，生成动态任务分配方案，智能机器人根据所述任务分配方案执行任务；所述步骤S3，包括：

S31：初始化遗传参数，并进行编码，设置适应度函数；

S32：计算每个种群的适应度值；

S33：选择算子，提出差额考核选取：首先进行预选择，再进行正式选取，选择不同模板的S条染色体组成群体P(k)；

S34：进行单点交叉，实时检测每条染色体是否陷入全局死锁状况，若存在则采取修复策略；

S35：变异，设计变异算子，不再随机变异某个基因位，而是在染色体上非死锁任务基础上，保留收益值最大的基因编码和位置不变，在其余的基因中随机选取两个进行位置交换；

S36：产生群体k+1，判断遗传算法进化代数是否达到设置的最大进化代数，若达到，确立最佳分配方案，智能机器人开始执行目标任务；否则，回到步骤S32；

S37：一旦有任务完成，会存在无目标任务的空闲智能机器人，判断完成的任务数是否达到系统中给定的任务数，若是，则输出最优解，否则，回到步骤S31，再次运用遗传算法对空闲智能机器人分配新的任务，直至系统任务被全部被执行完后，结束。

2.根据权利要求1所述的方法中，其特征在于，所述步骤S1中，进一步包括：

S11：建立坐标系对环境进行建模，环境中分布多个具有任务执行能力的智能机器人、属性和状态量随时间变化的任务点以及若干个静态障碍物；

S12：根据环境信息，分析任务分配需要考虑的因素并整理出相关约束条件。

3.根据权利要求2所述的方法，其特征在于，所述步骤S11中，所述的环境为智能机器人工作环境，环境中分布N(N∈Z+)个任务点、M(M∈Z+)个智能机器人和B(B∈Z+)个静态障碍物，确定每个任务点、智能机器人和障碍物的近似坐标。

4.根据权利要求2所述的方法，其特征在于，所述步骤S12中，根据任务点状态量变化特点，建立任务点状态量模型，分析任务分配需要考虑的因素，包括任务点特征参数、智能机器人能力参数以及静态障碍物属性参数；

任务j(j＝1,2,…,N)点特征参数包括：初始状态量S_j(0)、增长速率α_j以及在环境中所处的近似坐标位置(x_j,y_j)；

智能机器人i(i＝1,2,…,M)能力参数包括：运动速度v_i、单位时间内执行任务量为β_i以及在环境中的所处的近似坐标位置(x_i,y_i)；

假设任务的状态量是变化的，在无外界干预下，任务j(j＝1,2,…,N)的状态量用方程表示为：

式中：为任务j单位时间内的状态变化量,α_j为任务点j的状态增长率；

工作在任务j上的智能机器人集合为Λ_j，在无外界干预下，任务j(j＝1,2,…,N)的状态量用方程表示为：

从单个智能机器人的角度看，每个智能机器人需要避免与其他智能机器人发生碰撞，也要避免与障碍物碰撞，用函数H1描述智能机器人与障碍物发生碰撞的情况：

式中：Z_i(t)表示智能机器人i在t时刻所处的位置状态，O_b表示障碍物的位置区域，H₁(Z_i(t),Z_b)＝1表示智能机器人i至少和一个障碍物发生碰撞；

同理用函数H₂描述智能机器人之间发生碰撞的情况：

式中：d_safe为智能机器人之间的安全距离；

因此，智能机器人在前往目标任务过程中的约束条件为：