CN109919431B - 基于拍卖算法的异构多机器人任务分配方法 - Google Patents

Abstract

本发明请求保护一种基于拍卖算法的异构多机器人任务分配方法，属于机器人任务分配领域。本发明根据异构机器人功能的特点，引入能力向量对异构机器人建模，提出异构机器人任务目标收益函数，接着多机器人通信网络中各个机器人互相交互本地信息，对拍卖任务进行竞拍和提价，最终实现任务的分配，解决了多异构机器人协作任务分配的问题。

Description

基于拍卖算法的异构多机器人任务分配方法

技术领域

本发明属于机器人任务分配领域，涉及一种基于拍卖算法的多机器人任务分配方法。

背景技术

随着智能制造时代的来临，各种类型的机器人在商业，民用领域内得到广泛的应用，特别是由移动运输机器人，探测机器人，机械臂等商用多机器人协作系统，各种机器人能够执行的任务不同，造成现有机器人系统存在异构性，因此，在考虑异构机器人的特点下，如何分配任务给机器人执行并且使整个多机器人协作系统获得最大的收益是多机器人系统亟待解决的问题。

首先对现代化的多机器人系统进行分类，不同的机器人所能执行的任务也不同，可将现代化的多机器人协作任务分配系统定义为ST-MR-IA和MT-MR-IA，结合iTax分类法可将其定义为XD[ST-MR-IA]和XD[MT-MR-IA]，对于上述类型的MRTA问题通常采用基于市场机制的方法对多机器人任务分配问题进行求解。

拍卖算法是基于市场机制的，用于解决任务分配问题的算法，同时拥有在求解线性分配问题时性能的优越性。在分布式的多机器人系统中将中心式的拍卖算法改写为了分布式拍卖算法，通过一致性算法确定分布式拍卖算法的正确性，使得拍卖算法能在通信状况受限的条件性运行。不过目前国内外对于多机器人协作任务分配主要研究重点在同构多机器人上，如将多机器人任务分配算法应用于救灾抢险的勘探机器人上，或将任务拍卖算法应用于移动监控机器人的任务分配问题，本方法在拍卖算法的基础上，引入机器人能力向量和任务能力向量，使得拍卖算法能够求解异构多机器人任务分配问题，建立一种分布式的拍卖算法求解多异构机器人协作任务分配的问题。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种使得拍卖算法能够求解异构多机器人任务分配问题的基于拍卖算法的异构多机器人任务分配方法。本发明的技术方案如下：

一种基于拍卖算法的异构多机器人任务分配方法，其包括以下步骤：

S1：机器人由于硬件和软件的不同具备类不同的能力，如感知能力(红外线，摄像头，声呐等)，执行能力(移动，搬运等)，将每个独立的能力当做一个原子能力，m个原子能力用一个集合表示C＝{c_j}，1≤j≤m，采用原子能力构建异构机器人系统能力向量及异构任务能力向量；

S2：异构多机器人系统拍卖算法第k轮拍卖开始，任务j进行拍卖，按照任务j的能力向量对其进行分解直至分解为原子能力；

S3：初始化决策向量α_i(t)，价格向量p_i.j(t)，以及分配向量b_i.j(t)；

S4：各个异构多机器人根据与任务的距离，自身的能力向量与任务收益代价模型，结合目标任务的匹配程度p_ij，得到各自的目标任务j收益函数e_ij；

S5：对目标任务j给出报价，拍卖中心将获利价值最大任务和机器人进行分配，若该任务已进行分配，则机器人之间交换任务，并进行任务全局价格的更新；

S6：若所有的异构机器人都满足价格平衡方程，则本次任务分配完成，所有的异构机器人服从该分配方法开始执行相应任务。

进一步的，在进行步骤S1前，还包括构建异构多机器人通信网络，异构多机器人通信网络由动态图G(t)＝(V，E(t))进行表示，其中V＝{1，...，n}表示动态图中顶点集合，E(t)＝{(i，j)|i，j∈V}表示网络图中动态连接的集合，并且对于任意顶点i和j由连接(i，j)∈E(t)组成，都可称为t时刻的邻接节点。机器人i在t时刻的网络邻接节点可表示为N_i(t)＝{j∈V|(i，j)∈E(t)}。

进一步的，所述步骤S1，构建各异构机器人系统能力向量及异构任务能力向量，具体包括：

通过原子能力集合C＝{c_j}，1≤j≤m，对于机器人i执行能力向量为：

其中，原子能力c_n的强弱程度可由数值a_in进行表示，若机器人不具备某个能力，则a_in＝0。

对于任务j其任务能力向量为：

异构机器人由于自身能力的不同，原子能力c_n的强弱程度可由数值b_im进行表示，若完成任务不需求某个能力，则b_im＝0。

进一步的，所述步骤S2异构多机器人系统拍卖算法第k轮拍卖开始，任务j进行拍卖，按照任务j的能力向量对其进行分解直至分解为原子能力得到原子能力集合T_s。

进一步的，所述步骤S4各个异构多机器人根据与任务的距离，自身的能力向量模型，结合目标任务的匹配程度p_ij，得到各自的目标任务j收益函数e_ij，具体包括：

不同种类的机器人拥有不同的收益函数，各个机器人完成任务所获得的收益如公式：

其中c_i为能力系数，x_ij为该能力对应的目标函数，d_ij为机器人i与任务j与任务之间的距离，由机器人自身的传感器或底层的路径规划提供该数值，p_ij表示机器人i与任务j的匹配程度：

各个机器人通过具体的环境和任务信息得到收益函数取值，其中b_im和a_in分别表示任务原子能力的值和执行该任务机器人的能力值，各个机器人通过具体的环境和任务信息得到收益函数取值。

进一步的，所述步骤S5对目标任务j给出报价，拍卖中心将获利价值最大任务和机器人进行分配，若该任务已进行分配，则机器人之间交换任务，并进行任务全局价格的更新，具体包括：

在算法开始时，拍卖中心发布任务t_j，机器人计算该任务的价值，若机器人i对于任务j满足

则机器人i参与竞拍任务并给出报价p_j(t)，拍卖中心将获利价值最大任务和机器人进行分配，若该任务已进行分配，则机器人之间交换任务，并进行任务全局价格的更新，价格更新公式可表示为：

p_j(t)＝p_j(t)+v_i-w_i+∈

在上式中：

其中v_i表示对于机器人获利最大任务的净收益，w_i表示对于机器人获利第二大任务的净收益。并且，在任务分配过程中容易出现多个机器人相同收益的情况，可以采用优先级判断公式：

u_i＝α₁b_i+α₂l_i+rand(0)，i∈R

其中b_i为机器人当前剩余能量数值，l_i为当前机器人距离目标任务地点的距离，α₁，α₂为权重因子，避免算法出现任务分配冲突，在满足收益线性的条件下，通过变量的方式给机器人分配任务，任务分配的决策变量为：

由于异构多机器人处于分布式的通信环境下，各个异构机器人在本地保存全局报价和信息，算法的一致性阶段如下：

其中机器人通过比较得出邻接机器人N_i(t)中对于任务j的最大价格并对本地价格信息就行更新，接着为避免出现多个机器人获利最大任务相同且出现价格一致的情况，此时将任务分配给索引较大的机器人，b_kj为最大索引分配向量。

进一步的，所述S6若所有的异构机器人都满足价格平衡方程，则本次任务分配完成，所有的异构机器人服从该分配方法开始执行相应任务，具体包括：

若所有分配任务j给机器人i都满足：

则称整个任务分配与价格达到平衡，拍卖算法第k轮迭代结束，否则返回S5，因此为避免由于多个机器人对同一任务可能给出相同的价值，给定增量∈＞0，对于每一个竞拍的任务保证了价格的递增。

本发明的优点及有益效果如下：

本发明提出一种面向异构机器人的能力向量模型，将各种不同类型的机器人同时进行任务分配，解决了拍卖算法目前只适用于同构机器人任务分配的情况。根据异构机器人任务目标收益函数，提出了一种基于分布式的拍卖算法，使得通信受限环境下的多机器人通信网络中各个机器人互相交互本地信息。提出一种面向异构多机器人的任务分配方法，该方法能够解决异构多机器人任务分配的问题，并且由于基于分布式，该方法具有较高的鲁棒性，因为拍卖算法在求解线性分配问题性能极高，该方法能够快速完成任务分配问题。

附图说明

图1是本发明提供优选实施例基于拍卖算法的异构多机器人任务分配方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

如图1所示，在进行步骤S1前，我们需要先构建异构多机器人通信网络，因此该异构多机器人网络可由动态图G(t)＝(V，E(t))进行表示，机器人i在t时刻的网络领接节点可表示为N_i(t)＝*j∈V|(i，j)∈E(t)}。

S1，构建各异构机器人系统能力向量，异构任务能力向量,通过原子能力集合C＝{c_j}，1≤j≤m，对于机器人i执行能力向量为：

对于任务j其任务能力向量为：

异构机器人由于自身能力的不同，原子能力c_n的强弱程度可由b_im进行表示，若完成任务不需求某个能力，则b_im＝0。

S2，异构多机器人系统拍卖算法第k轮拍卖开始，任务j进行拍卖，按照任务j的能力向量对其进行分解直至分解为原子能力将所有任务分解的同构子任务集合表示为：

S3，初始化决策向量α_i(t)，价格向量p_i.j(t)，以及分配向量b_i.j(t)。

S4，各个异构多机器人根据与任务的距离，自身的能力向量与任务收益与代价模型，结合与目标任务的匹配程度p_ij，得到各自的目标任务j收益函数e_ij。不同种类的机器人拥有不同的收益函数，各个机器人完成任务所获得的收益如公式：

其中c_i为能力系数，x_ij为该能力对应的目标函数，d_ij为机器人i与任务j与任务之间的距离，由机器人自身的传感器或底层的路径规划提供该数值。p_ij表示机器人i与任务j的匹配程度：

各个机器人通过具体的环境和任务信息得到收益函数取值。

S5，在算法开始时，拍卖中心发布任务t_j，机器人计算该任务的价值，若机器人i对于任务j满足

则机器人i参与竞拍任务并给出报价p_j(t)，拍卖中心将获利价值最大任务和机器人进行分配，若该任务已进行分配，则需要机器人之间交换任务，并进行任务全局价格的更新，价格更新公式可表示为：

p_j(t)＝p_j(t)+v_i-w_i+∈

其中：

并且，在任务分配过程中容易出现多个机器人相同收益的情况，可以采用优先级判断公式：

u_i＝α₁b_i+α₂l_i+rand(0)，i∈R

其中b_i为机器人当前剩余能量数值，l_i为当前机器人距离目标任务地点的距离，α₁，α₂为权重因子，避免算法出现任务分配冲突。在满足收益线性的条件下，通过变量的方式给机器人分配任务，任务分配的决策变量为：

由于异构多机器人处于分布式的通信环境下，各个异构机器人在本地保存全局报价和信息，在算法的一致性阶段，机器人通过与领接机器人交换报价和信息实现全局价格的更新：

S6，若所有分配任务j给机器人i都满足：

则称整个任务分配与价格达到平衡，拍卖算法第k轮迭代结束，否则返回S5。因此为避免由于多个机器人对同一任务可能给出相同的价值，给定增量∈＞0，对于每一个竞拍的任务保证了价格的递增。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (6)

1.一种基于拍卖算法的异构多机器人任务分配方法，其特征在于，包括以下步骤：

S1：机器人由于硬件和软件的不同具备类不同的能力，包括感知能力、执行能力在内的能力，将每个独立的能力当做一个原子能力，m个原子能力用一个集合表示C＝{c_j}，1≤j≤m，采用原子能力构建异构机器人系统能力向量及异构任务能力向量；

S2：异构多机器人系统拍卖算法第k轮拍卖开始，任务j进行拍卖，按照任务j的能力向量对其进行分解直至分解为原子能力；

S3：初始化决策向量α_i(t)，价格向量p_i.j(t)，以及分配向量b_i.j(t)；

S4：各个异构多机器人根据与任务的距离，自身的能力向量模型，结合目标任务的匹配程度p_ij，得到各自的目标任务j收益函数e_ij；

S5：对目标任务j给出报价，拍卖中心将获利价值最大任务和机器人进行分配，若该任务已进行分配，则机器人之间交换任务，并进行任务全局价格的更新；

S6：若所有的异构机器人都满足价格平衡方程，则本次任务分配完成，所有的异构机器人服从该分配方法开始执行相应任务；

在进行步骤S1前，还包括构建异构多机器人通信网络，异构多机器人通信网络由动态图G(t)＝(V，E(t))进行表示，其中V＝{1，...，n}表示动态图中顶点集合，E(t)＝{(i，j)|i，j∈V}表示网络图中动态连接的集合，并且对于任意顶点i和j由连接(i，j)∈E(t)组成，都可称为t时刻的邻接节点，机器人i在t时刻的网络邻接节点可表示为N_i(t)＝{j∈V|(i，j)∈E(t)}。

2.根据权利要求1所述的基于拍卖算法的异构多机器人任务分配方法，其特征在于，所述步骤S1，构建各异构机器人系统能力向量及异构任务能力向量，具体包括：

通过原子能力集合C＝{c_j}，1≤j≤m，对于机器人i执行能力向量为：

其中，原子能力c_n的强弱程度可由数值a_in进行表示，若机器人不具备某个能力，则a_in＝0；

对于任务j其任务能力向量为：

异构机器人由于自身能力的不同，原子能力c_n的强弱程度可由数值b_im进行表示，若完成任务不需求某个能力，则b_im＝0。

3.根据权利要求2所述的基于拍卖算法的异构多机器人任务分配方法，其特征在于，所述步骤S2异构多机器人系统拍卖算法第k轮拍卖开始，任务j进行拍卖，按照任务j的能力向量对其进行分解直至分解为原子能力得到原子能力集合T_s。

4.根据权利要求3所述的基于拍卖算法的异构多机器人任务分配方法，其特征在于，所述步骤S4各个异构多机器人根据与任务的距离，自身的能力向量任务收益代价模型，结合目标任务的匹配程度p_ij，得到各自的目标任务j收益函数e_ij，具体包括：

不同种类的机器人拥有不同的收益函数，各个机器人完成任务所获得的收益如公式：

其中c_i为能力系数，x_ij为该能力对应的目标函数，d_ij为机器人i与任务j与任务之间的距离，由机器人自身的传感器或底层的路径规划提供该数值，p_ij表示机器人i与任务j的匹配程度：

其中，b_im和a_in分别表示任务原子能力的值和执行该任务机器人的能力值，各个机器人通过具体的环境和任务信息得到收益函数取值。

5.根据权利要求4所述的基于拍卖算法的异构多机器人任务分配方法，其特征在于，所述步骤S5对目标任务j给出报价，拍卖中心将获利价值最大任务和机器人进行分配，若该任务已进行分配，则机器人之间交换任务，并进行任务全局价格的更新，具体包括：

在算法开始时，拍卖中心发布任务t_j，机器人计算该任务的价值，若机器人i对于任务j满足

则机器人i参与竞拍任务并给出报价p_j(t)，拍卖中心将获利价值最大任务和机器人进行分配，若该任务已进行分配，则机器人之间交换任务，并进行任务全局价格的更新，价格更新公式可表示为：

p_j(t)＝p_j(t)+v_i-w_i+∈

在上式中：

其中v_i表示对于机器人获利最大任务的净收益，w_i表示对于机器人获利第二大任务的净收益，并且，在任务分配过程中容易出现多个机器人相同收益的情况，可以采用优先级判断公式：

u_i＝α₁b_i+α₂l_i+rand(0)，i∈R

其中b_i为机器人当前剩余能量数值，l_i为当前机器人距离目标任务地点的距离，α₁，α₂为权重因子，避免算法出现任务分配冲突，在满足收益线性的条件下，通过变量的方式给机器人分配任务，任务分配的决策变量为：

由于异构多机器人处于分布式的通信环境下，各个异构机器人在本地保存全局报价和信息，算法的一致性阶段如下：

其中机器人通过比较得出邻接机器人N_i(t)中对于任务j的最大价格并对本地价格信息就行更新，接着为避免出现多个机器人获利最大任务相同且出现价格一致的情况，此时将任务分配给索引较大的机器人，b_kj为最大索引分配向量。

6.根据权利要求5所述的基于拍卖算法的异构多机器人任务分配方法，其特征在于，所述S6若所有的异构机器人都满足价格平衡方程，则本次任务分配完成，所有的异构机器人服从该分配方法开始执行相应任务，具体包括：

若所有分配任务j给机器人i都满足：

则称整个任务分配与价格达到平衡，拍卖算法第k轮迭代结束，否则返回S5，因此为避免由于多个机器人对同一任务可能给出相同的价值，给定增量∈＞0，对于每一个竞拍的任务保证了价格的递增。

Images