[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

说明书

本发明提供一种面向动态任务的多智能机器人任务分配方法，主要解决任务状态量具有时变特性的多任务分配问题。包括：首先获取动态任务特征参数，结合智能机器人能力参数，建立任务点状态量的特征方程；根据特征方程，设计智能机器人收益函数；其次根据收益函数，设计遗传算法适应度函数；进一步设计遗传算法差额选择算子和局部变异算子，并提出算法修复策略；最后利用遗传算法生成智能机器人任务分配方案，完成多任务分配。本发明提出的任务分配方法以获得系统最大收益为目标，实现动态多任务的快速分配，解决该算法染色体死锁问题，避免搜索陷入局部最优；通过多阶段分配策略，能够充分调动系统中的智能机器人去参与完成任务，提高系统整体效能。

技术领域

本发明涉及智能机器人任务分配算法技术领域，更具体地，涉及一种面向动态任务的多智能机器人任务分配方法。

背景技术

近些年来，随着人们对人工智能和复杂系统认识的深入，智能多机器人系统领域的研究在理论和实际系统方面都取得了丰富的成果，智能机器人能够代替人类在一些恶劣的环境下帮我们完成一定的工作，比如航空航天，深海探测，探险救灾等，这些环境经常伴随着有毒、无氧、高温高压、强辐射等对人体有害的物质，超出了人类所能承受的极限。

当前多机器人系统中，面向的任务数量大，任务动态变化，传统的遗传算法解决此类动态任务分配问题时会产生死锁、容易陷入局部最优以及无法实行多次分配等问题，在浪费智能机器人资源的同时，也不能满足实时性的需要，严重影响任务的完成度。

发明内容

本发明提供一种克服上述问题或至少部分地解决上述问题的面向动态任务的多智能机器人任务分配方法，根据动态任务分配问题的特点，提出一种基于改进的遗传算法的智能多机器人动态任务分配方法，根据动态任务状态量变化，设计动态收益模型，设计新的遗传算子，多阶段运用遗传算法，不仅充分利用智能机器人资源，而且提高了遗传算法实时性、环境适应性，从而有效地解决环境中多个动态任务的分配问题。

为了达到上述目的，本发明提供一种面向动态任务的智能多机器人任务分配方法，该方法包括为：

S1：根据环境信息获取智能机器人的能力参数、环境信息、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：计算任务分配每个智能机器人获得的收益值；

S4：任务发生时，基于改进遗传算法，生成任务分配方案，智能机器人根据所述的任务分配方案执行对应的目标任务。

所述步骤S1中,进一步包括：

S11：通过建立坐标系对环境进行建模，环境中分布于多个具有执行任务能力的智能机器人、属性随时间变化的任务以及若干个静态障碍物；

S12：根据环境的信息，分析任务分配需要考虑的因素并整理出相关约束条件。

进一步，所述的步骤S11中，所述的环境为智能机器人工作环境，假设环境中的智能机器人、任务点和障碍物都处于同一平面，建立直角坐标系，分布N(N∈Z⁺)个任务点，M(M∈Z⁺)个智能机器人以及B(B∈Z⁺)个静态障碍物。

获得每个任务点的近似坐标为(x_j,y_j),j＝1,2,…,N，智能机器人的近似坐标(x_i,y_i),i＝1,2,…,M和障碍物的近似坐标(x_b,y_b),b＝1,2,…,B。

第j项任务与智能机器人i之间的直线距离公式为：