CN110097267A - 一种基于改进烟花算法的多目标多机器人任务分配方法 - Google Patents

Abstract

一种基于改进烟花算法的多目标多机器人任务分配方法，是用于解决多目标多机器人任务分配问题的方法。将改进烟花算法应用于多目标多机器人任务分配问题，根据Pareto优越理论和多目标多机器人任务分配的具体求解目标对烟花算法的选择机制进行改进，在多机器人系统开始执行任务之前，找到满足一定约束条件的质量最好、差异性足够大的多种任务分配方案。能有效解决解决现有算法搜索范围小、求解质量差的问题。能够在满足任务完成程度的约束条件下，达到最小化时间和消耗，提高了任务分配质量。

Description

一种基于改进烟花算法的多目标多机器人任务分配方法

技术领域

本发明涉及一种机器人任务分配方法。特别是涉及一种基于改进烟花算法的多目标多机器人任务分配方法。

背景技术

近年来，机器人在越来越多领域得到广泛应用。与单个机器人相比，使用多个机器人可以产生显着的性能提升。因此，对机器人的研究逐渐从单机器人扩展到多机器人，多机器人系统的研究得到越来越多的关注。机器人任务分配是多机器人系统的主要研究问题之一。多机器人任务分配是指设计一种分配方案将多个任务分配给系统中的不同机器人，以达到总的任务执行时间最短、消耗最小、任务完成度最高等目的。随着对多目标同时优化的要求越来越高，多目标多机器人任务规划引起了研究者的关注。一般而言，在多目标优化问题中，一个目标的优化通常是以牺牲另一个目标为代价的。因此，如何在预定义约束下找到多个优化目标之间的最佳权衡对于多机器人系统的任务分配至关重要。近年来，遗传算法被广泛应用于多目标优化问题并取得了一定进展。然而现有的基于遗传算法的多目标方法在解决多目标任务分配算法时，存在搜索范围小、求解质量差、解集范围小等问题。对于多目标多机器人任务分配问题，理想的解是质量高、分布范围广的多目标任务分配方案，因此现有的基于遗传算法的多目标方法并不能很好地满足多目标多机器人任务分配问题的要求。

发明内容

本发明所要解决的技术问题是，提供一种能够在满足任务完成程度的约束条件下，同时最小化时间和消耗的一种基于改进烟花算法的多目标多机器人任务分配方法。

本发明所采用的技术方案是：一种基于改进烟花算法的多目标多机器人任务分配方法，包括如下步骤：

1)随机生成Num个满足约束条件的初始化机器人任务分配方案，设定每个机器人任务分配方案中机器人和任务的数量分别为M和N，其中M＜＜N，使每个任务对应一个机器人，根据烟花算法原理，使Num个满足约束条件的初始化机器人任务分配方案对应于烟花算法的Num个初始烟花，其中Num是预先定义好的常量；

2)根据每个初始烟花X_i的适应度f(X_i)计算每个初始化烟花产生的爆炸火花数目s_i和爆炸幅度A_i，适应度值f(X_i)、爆炸火花数目s_i和爆炸幅度A_i的计算公式分别表示如下：

f(X_i)＝T_sum(X_i)*C_sum(X_i) (1)

其中，y_max和y_min分别表示烟花中最差和最好适应度，m和是预先定义好的常量，分别表示每个烟花最多能产生的爆炸火花数和最大爆炸幅度，C_sum(X_i)是任务分配方案中机器人执行任务的消耗，T_sum(X_i)是任务分配方案中机器人执行任务的时间；

3)根据烟花算法中产生爆炸火花的原理，使每个初始烟花X_i对应的机器人任务分配方案产生s_i个新的机器人任务分配方案；

4)根据烟花算法中产生高斯火花的原理，从Num个初始烟花对应的Num个满足约束条件的初始化机器人任务分配方案中随机选择一个初始化机器人任务分配方案，使所述的一个机器人任务分配方案产生个新的机器人任务分配方案；

5)将s_i个新的机器人任务分配方案、个新的机器人任务分配方案以及Num个初始化机器人任务分配方案中的每一个机器人任务分配方案作为一个多目标解，将任务分配方案中机器人执行任务的消耗C_sum(X_i)和任务分配方案中机器人执行任务的时间T_sum(X_i)作为多目标解的目标分量，将每一个多目标解根据Pareto优越理论分配一个非支配等级；

6)采用适应度值f(X_i)计算公式以及下式分别计算每一个非支配等级中的多目标解的适应度f(X_i)、拥挤度c(X_i)以及综合指标f/c(X_i)：

f/c(X_i)＝f(X_i)/c(X_i) (5)

得到所有非支配等级中多目标解的适应度f(X_i)、拥挤度c(X_i)以及综合指标f/c(X_i)；

7)从所有多目标解中选择存入第一档案的多目标解；

8)从所有多目标解中选择作为下一代初始烟花对应的机器人任务分配方案；

9)重复步骤2)～步骤8直至满足设定的终止条件，将最后一次存入第一档案中的多目标解作为最优解输出。

步骤3)包括：对于一个初始烟花X_i对应的机器人任务分配方案，计算a＝A_i·rand(0,1)，从总任务数N中随机选择a个任务，如果任务被选中，则给a个任务重新分配机器人执行，产生一个新的机器人任务分配方案，重复该过程，直至产生s_i个新的机器人任务分配方案。

步骤4)包括：对于一个初始化机器人任务分配方案中的N个任务产生N个均值为0，方差为1的满足高斯分布的随机数randm(0,1)，给N个任务中满足：-0.5＜randm(0,1)＜0.5约束的任务重新分配机器人执行，产生一个新的机器人任务分配方案，重复该过程，直至产生个新的机器人任务分配方案。

步骤7)包括从步骤5)得到的非支配等级中的最低非支配等级开始，依次将非支配等级中的所有多目标解存入第一档案，直到第一档案存入的多目标解的个数大于或等于设定的存档规模Numb，其中，第一档案存入的多目标解的个数大于设定的存档规模Numb时，则要对最后存入的那一级非支配等级中的所有多目标解按照综合指标f/c(X_i)进行降序排列，将靠后的多目标解从第一档案删除，使第一档案存入的多目标解的个数等于设定的存档规模Numb。

步骤8)包括从步骤5)得到的非支配等级中的最低非支配等级开始，依次将非支配等级中的所有多目标解存入第二档案，直到第二档案存入的多目标解的个数大于或等于设定的初始烟花个数Num，当第二档案存入的多目标解的个数大于设定的初始烟花个数Num时，则要对最后存入的那一级非支配等级中的所有多目标解按照综合指标f/c(X_i)进行降序排列，将靠后的多目标解从第二档案中删除，使第二档案存入的多目标解的个数等于设定的初始烟花个数Num；将存入第二档案中的所有多目标解作为下一代初始烟花对应的机器人任务分配方案。

本发明的一种基于改进烟花算法的多目标多机器人任务分配方法，在多机器人系统开始执行任务之前，找到满足一定约束条件的质量最好、差异性足够大的多种任务分配方案。能有效解决解决现有算法搜索范围小、求解质量差的问题。能够在满足任务完成程度的约束条件下，达到最小化时间和消耗，提高了任务分配质量。

具体实施方式

下面结合实施例对本发明的一种基于改进烟花算法的多目标多机器人任务分配方法做出详细说明。

发明的一种基于改进烟花算法的多目标多机器人任务分配方法，包括如下步骤：

1)随机生成Num个满足约束条件的初始化机器人任务分配方案，设定每个机器人任务分配方案中机器人和任务的数量分别为M和N，其中M＜＜N，使每个任务对应一个机器人，并使Num个满足约束条件的初始化机器人任务分配方案对应于烟花算法的Num个初始烟花，其中Num是预先定义好的常量；

2)根据每个初始烟花X_i的适应度f(X_i)计算每个初始化烟花产生的爆炸火花数目s_i和爆炸幅度A_i，适应度值f(X_i)、爆炸火花数目s_i和爆炸幅度A_i的计算公式分别表示如下：

f(X_i)＝T_sum(X_i)*C_sum(X_i) (1)

其中，y_max和y_min分别表示烟花中最差和最好适应度，m和是预先定义好的常量，分别表示每个烟花最多能产生的爆炸火花数和最大爆炸幅度，C_sum(X_i)是任务分配方案中机器人执行任务的消耗，T_sum(X_i)是任务分配方案中机器人执行任务的时间；

3)根据烟花算法中产生爆炸火花的原理，使每个初始烟花X_i对应的机器人任务分配方案产生s_i个新的机器人任务分配方案；包括：对于一个初始烟花X_i对应的机器人任务分配方案，计算a＝A_i·rand(0,1)，从总任务数N中随机选择a个任务，如果任务被选中，则给a个任务重新分配机器人执行，产生一个新的机器人任务分配方案，重复该过程，直至产生s_i个新的机器人任务分配方案。

4)根据烟花算法中产生高斯火花的原理，从Num个初始烟花对应的Num个满足约束条件的初始化机器人任务分配方案中随机选择一个初始化机器人任务分配方案，使所述的一个机器人任务分配方案产生个新的机器人任务分配方案；包括：对于一个初始化机器人任务分配方案中的N个任务产生N个均值为0，方差为1的满足高斯分布的随机数randm(0,1)，给N个任务中满足：-0.5＜randm(0,1)＜0.5约束的任务重新分配机器人执行，产生一个新的机器人任务分配方案，重复该过程，直至产生个新的机器人任务分配方案。

5)将s_i个新的机器人任务分配方案、个新的机器人任务分配方案以及Num个初始化机器人任务分配方案中的每一个机器人任务分配方案作为一个多目标解，将任务分配方案中机器人执行任务的消耗C_sum(X_i)和任务分配方案中机器人执行任务的时间T_sum(X_i)作为多目标解的目标分量，将每一个多目标解根据Pareto优越理论分配一个非支配等级；

6)采用适应度值f(X_i)计算公式以及下式分别计算每一个非支配等级中的多目标解的适应度f(X_i)、拥挤度c(X_i)以及综合指标f/c(X_i)：

f/c(X_i)＝f(X_i)/c(X_i) (5)

得到所有非支配等级中多目标解的适应度f(X_i)、拥挤度c(X_i)以及综合指标f/c(X_i)；

7)从所有多目标解中选择存入档案的多目标解；包括从步骤5)得到的非支配等级中的最低非支配等级开始，依次将非支配等级中的所有多目标解存入档案，直到档案存入的多目标解的个数大于或等于设定的存档规模Numb，其中，档案存入的多目标解的个数大于设定的存档规模Numb时，则要对最后存入的那一级非支配等级中的所有多目标解按照综合指标f/c(X_i)进行降序排列，将靠后的多目标解从档案删除，使档案存入的多目标解的个数等于设定的存档规模Numb。

8)将步骤7)存入档案中的所有多目标解作为下一代初始烟花对应的机器人任务分配方案；包括从步骤5)得到的非支配等级中的最低非支配等级开始，依次将非支配等级中的所有多目标解存入第二档案，直到第二档案存入的多目标解的个数大于或等于设定的初始烟花个数Num，当第二档案存入的多目标解的个数大于设定的初始烟花个数Num时，则要对最后存入的那一级非支配等级中的所有多目标解按照综合指标f/c(X_i)进行降序排列，将靠后的多目标解从第二档案中删除，使第二档案存入的多目标解的个数等于设定的初始烟花个数Num；将存入第二档案中的所有多目标解作为下一代初始烟花对应的机器人任务分配方案。

9)重复步骤2)～步骤8)直至满足设定的终止条件，将最后一次存入第一档案中的多目标解作为最优解输出。

下面给出具体实例：

以任务数N＝1500，机器人数M＝100的多机器人系统的多目标任务分配任务为例，参数设置如下：初始烟花数量Num＝50，档案规模Numb＝50，最大爆炸火花数目m＝100，最大爆炸幅度高斯火花数目g＝50，最大迭代次数MaxIter＝500。具体步骤如下：

1、随机生成50个满足约束条件的解，对应50个初始烟花。每个烟花由1500个位于[0，99]的整数组成，表示每个任务由一个机器人执行。迭代次数iter＝0。

2、根据适应度值f(X_i)、爆炸火花数目s_i和爆炸幅度A_i的计算公式，计算每个烟花X_i的适应度f(X_i)、爆炸火花数目s_i和爆炸幅度A_i。

3、根据烟花算法中产生爆炸火花的原理，使每个初始烟花X_i对应的机器人任务分配方案产生s_i个新的机器人任务分配方案。对于一个初始烟花X_i对应的机器人任务分配方案，计算a＝A_i·rand(0,1)，从1500个任务中随机选择a个任务，如果任务被选中，则给a个任务重新分配机器人执行，产生一个新的机器人任务分配方案，重复该过程，直至产生s_i个新的机器人任务分配方案。

4、根据烟花算法中产生高斯火花的原理，从Num个初始烟花对应的Num个满足约束条件的初始化机器人任务分配方案中随机选择一个初始化机器人任务分配方案。即从50个初始烟花中对于一个初始化机器人任务分配方案中的N个任务产生N个均值为0，方差为1的满足高斯分布的随机数randm(0,1)，给N个任务中满足：-0.5＜randm(0,1)＜0.5约束的任务重新分配机器人执行，产生一个新的机器人任务分配方案，重复该过程，直至产生个新的机器人任务分配方案。

5、将s_i个新的机器人任务分配方案、个新的机器人任务分配方案以及Num个初始化机器人任务分配方案中的每一个机器人任务分配方案作为一个多目标解，将任务分配方案中机器人执行任务的消耗C_sum(X_i)和任务分配方案中机器人执行任务的时间T_sum(X_i)作为多目标解的目标分量，将每一个多目标解根据Pareto优越理论分配一个非支配等级；。

6、计算所有解的适应度f(X_i)、拥挤度c(X_i)以及综合指标f/c(X_i)。

7、对于50个初始烟花，所有的爆炸火花和50个高斯火花，首先，从最低非支配等级开始，把属于这一非支配等级的所有解存入档案，直到存档中的个体数目大于或等于50，；然后将最后存入的一级非支配个体按照综合指标f/c(X_i)进行降序排列，并删除多余的个体。

8、从本次迭代中的50个初始烟花、所有爆炸火花和50个高斯火花中，按照非支配等级和综合指标f/c(X_i)选择前50个，作为下一代初始烟花。迭代次数iter加1。

9、判断是否达到迭代终止条件，即迭代次数是否到达500次。若是，则跳转至步骤(10)；否则，跳转至步骤2。

10、结束迭代，最后一次迭代存档中的个体即为整个算法迭代输出的最优解，运行结束。

Claims (5)

1.一种基于改进烟花算法的多目标多机器人任务分配方法，其特征在于，包括如下步骤：

1)随机生成Num个满足约束条件的初始化机器人任务分配方案，设定每个机器人任务分配方案中机器人和任务的数量分别为M和N，其中M＜＜N，使每个任务对应一个机器人，根据烟花算法原理，使Num个满足约束条件的初始化机器人任务分配方案对应于烟花算法的Num个初始烟花，其中Num是预先定义好的常量；

2)根据每个初始烟花X_i的适应度f(X_i)计算每个初始化烟花产生的爆炸火花数目s_i和爆炸幅度A_i，适应度值f(X_i)、爆炸火花数目s_i和爆炸幅度A_i的计算公式分别表示如下：

f(X_i)＝T_sum(X_i)*C_sum(X_i) (1)

其中，y_max和y_min分别表示烟花中最差和最好适应度，m和是预先定义好的常量，分别表示每个烟花最多能产生的爆炸火花数和最大爆炸幅度，C_sum(X_i)是任务分配方案中机器人执行任务的消耗，T_sum(X_i)是任务分配方案中机器人执行任务的时间；

3)根据烟花算法中产生爆炸火花的原理，使每个初始烟花X_i对应的机器人任务分配方案产生s_i个新的机器人任务分配方案；

4)根据烟花算法中产生高斯火花的原理，从Num个初始烟花对应的Num个满足约束条件的初始化机器人任务分配方案中随机选择一个初始化机器人任务分配方案，使所述的一个机器人任务分配方案产生个新的机器人任务分配方案；

5)将s_i个新的机器人任务分配方案、个新的机器人任务分配方案以及Num个初始化机器人任务分配方案中的每一个机器人任务分配方案作为一个多目标解，将任务分配方案中机器人执行任务的消耗C_sum(X_i)和任务分配方案中机器人执行任务的时间T_sum(X_i)作为多目标解的目标分量，将每一个多目标解根据Pareto优越理论分配一个非支配等级；

6)采用适应度值f(X_i)计算公式以及下式分别计算每一个非支配等级中的多目标解的适应度f(X_i)、拥挤度c(X_i)以及综合指标f/c(X_i)：

f/c(X_i)＝f(X_i)/c(X_i) (5)

得到所有非支配等级中多目标解的适应度f(X_i)、拥挤度c(X_i)以及综合指标f/c(X_i)；

7)从所有多目标解中选择存入第一档案的多目标解；

8)从所有多目标解中选择作为下一代初始烟花对应的机器人任务分配方案；

9)重复步骤2)～步骤8直至满足设定的终止条件，将最后一次存入第一档案中的多目标解作为最优解输出。

2.根据权利要求1所述的一种基于改进烟花算法的多目标多机器人任务分配方法，其特征在于，步骤3)包括：对于一个初始烟花X_i对应的机器人任务分配方案，计算a＝A_i·rand(0，1)，从总任务数N中随机选择a个任务，如果任务被选中，则给a个任务重新分配机器人执行，产生一个新的机器人任务分配方案，重复该过程，直至产生s_i个新的机器人任务分配方案。

3.根据权利要求1所述的一种基于改进烟花算法的多目标多机器人任务分配方法，其特征在于，步骤4)包括：对于一个初始化机器人任务分配方案中的N个任务产生N个均值为0，方差为1的满足高斯分布的随机数randm(0，1)，给N个任务中满足：-0.5＜randm(0，1)＜0.5约束的任务重新分配机器人执行，产生一个新的机器人任务分配方案，重复该过程，直至产生个新的机器人任务分配方案。

4.根据权利要求1所述的一种基于改进烟花算法的多目标多机器人任务分配方法，其特征在于，步骤7)包括从步骤5)得到的非支配等级中的最低非支配等级开始，依次将非支配等级中的所有多目标解存入第一档案，直到第一档案存入的多目标解的个数大于或等于设定的存档规模Numb，其中，第一档案存入的多目标解的个数大于设定的存档规模Numb时，则要对最后存入的那一级非支配等级中的所有多目标解按照综合指标f/c(X_i)进行降序排列，将靠后的多目标解从第一档案删除，使第一档案存入的多目标解的个数等于设定的存档规模Numb。

5.根据权利要求1所述的一种基于改进烟花算法的多目标多机器人任务分配方法，其特征在于，步骤8)包括从步骤5)得到的非支配等级中的最低非支配等级开始，依次将非支配等级中的所有多目标解存入第二档案，直到第二档案存入的多目标解的个数大于或等于设定的初始烟花个数Num，当第二档案存入的多目标解的个数大于设定的初始烟花个数Num时，则要对最后存入的那一级非支配等级中的所有多目标解按照综合指标f/c(X_i)进行降序排列，将靠后的多目标解从第二档案中删除，使第二档案存入的多目标解的个数等于设定的初始烟花个数Num；将存入第二档案中的所有多目标解作为下一代初始烟花对应的机器人任务分配方案。