[发明专利]基于触角模型的群体协同围捕方法和存储介质

说明书

本发明提供了一种基于触角模型的群体协同围捕方法和存储介质，所述群体协同围捕方法通过将群体中的各个个体构建成触角模型，并使得所述触角模型中的通信方式为局部通信，通过所述触角模型中的触角提前发现目标，有利于增加所述群体的感知范围且使得所述群体中的核心个体可快速的根据所述目标的位置设置围捕点，以指导各个所述群体中的个体朝着所述围捕点运动，以执行所述目标的围捕任务。

技术领域

本发明属于群体协同围捕技术领域，具体是涉及到一种基于触角模型的群体协同围捕方法和存储介质。

背景技术

目前，研究人员针对群体机器人体系结构、资源分配、队形控制等问题进行了富有成效的研究。协作是群体机器人系统研究的重点，群体机器人只有通过协作才能充分发挥并行度高、容错性强、感知范围广、可扩展性好等优势。利用群体机器人协作围捕目标是一个重要的研究方向。对于如何在诸多变化的环境中成功捕获目标，采取何种围捕策略更是实现目的的首要前提，在不同情形下的围捕策略也是不尽相同。基于不同的任务模型，就会设计不同的策略以确保机器人产生合适的运动状态。

现有技术一采取的搜索策略是在整个系统中设定领导机器人，其它机器人跟随领导机器人形成一定的队列，并保持该队列进行规律性的搜索。现有技术二提出一种追捕机器人通过Q-学习算法可以选择自身的各种行为，在连续的未知环境中提供多围捕机器人协作围捕目标的具体方案，进而达到成功围捕目标的目的。现有技术三应用了强类型遗传规划算法STGP，目的是为了实现稳定收敛的控制策略，该算法生成的同时并进化了对抗双方的控制策略，但取得的策略由于没有任何的交流机制，仅仅使用了贪心法以控制追捕机器人，最终并未实现期望的理想效果。现有技术四提出了一种多机器人围捕方法，该方法基于模糊控制策略，其中围捕机器人根据自身个体感知范围内机器人的分布情况，在各自不同的模糊控制器中选取适当的控制器，以此控制与相邻同伴之间的夹角，结合感知的目标用以跟踪，实现多机器人间的局部协作，在追捕过程中保持合适的夹角并绕开障碍物，完成围捕入侵者的任务。通过分析不同队形对围捕利弊的影响。然而，现有提出的关于多机器人协同围捕大部分是在全局信息或未考虑通过局部通信提前发现目标下完成的，因而在应用于大规模群体机器人协同围捕很难取得较好的实际效果。

发明内容

有鉴于此，本发明提供了一种基于触角模型的群体协同围捕方法和存储介质，以解决现有技术基于全局通信而未考虑通过局部通信提前发现目标的围捕方法难以获得较好的围捕效果的问题。

一种基于触角模型的群体协同围捕方法，包括：

构建触角模型，在所述触角模型中，所述群体中的个体被划分为触角个体、与所述触角个体对应设置的节点个体、核心个体和普通个体，所述节点个体之间以及所述节点个体和所述核心个体之间能够进行通信连接，所述触角个体在对应的所述节点个体的感知范围内的部分区域内随机游走，以实时侦查围捕的目标是否出现，在所述触角个体未发现所述目标之前，所述普通个体在所述核心个体的感知范围区域随机游走，

当所述触角个体发现所述目标时，所述触角个体会向对应的所述节点个体发送所述目标的相关信息，所述节点个体再将所述目标的相关信息传递给所述核心个体，所述核心个体根据所述相关信息给所述群体中各个个体分配任务，以指导各个所述个体进行所述目标的围捕任务。

优选地，所述触角个体至少包括第一触角个体和第二触角个体，所述节点个体至少包括与所述第一触角个体对应的第一节点个体和与所述第二触角个体对应的第二节点个体，

所述触角模型的触角包括由所述第一节点个体和第一触角个体构成的第一触角以及由所述第二节点个体和所述第二触角个体构成的第二触角，

使所述第一触角个体通过所述第一节点个体与所述核心个体通信，所述第二触角个体通过所述第二节点个体与所述核心个体通信，

使所述第一触角个体在第一圆形区域内的第一部分区域内随机游走，所述第一圆形区域为以所述第一节点个体的位置为圆心，以所述第一节点个体的最大感知距离为半径的圆形区域，