CN116205464A - 一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法 - Google Patents
一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法 Download PDFInfo
- Publication number
- CN116205464A CN116205464A CN202310277395.9A CN202310277395A CN116205464A CN 116205464 A CN116205464 A CN 116205464A CN 202310277395 A CN202310277395 A CN 202310277395A CN 116205464 A CN116205464 A CN 116205464A
- Authority
- CN
- China
- Prior art keywords
- unmanned
- task
- navigation
- obstacle
- tasks
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 92
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000009826 distribution Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000010586 diagram Methods 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 12
- 238000003860 storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001427 coherent effect Effects 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 abstract description 7
- 239000003795 chemical substances by application Substances 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 8
- IZMVGEWQSBMVIU-UHFFFAOYSA-N 2-(2-azaniumyl-1-hydroxycyclobutyl)acetate Chemical compound NC1CCC1(O)CC(O)=O IZMVGEWQSBMVIU-UHFFFAOYSA-N 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，涉及多智能体任务分配领域。解决现有水面多无人艇任务分配问题采用扩展一致性束算法，忽略了外界环境对于多无人艇系统产生的约束，而带来的系统能量消耗增大且执行任务效率下降的问题。分配方法为：扫描水面上的障碍物，获得含有障碍物的栅格地图；提取含有障碍物的栅格地图，获得导航对集合；处理多无人艇的自身信息，获得多无人艇的初始化信息；分解任务需求，获得任务的初始化信息；根据多无人艇的初始化信息、任务的初始化信息和导航对集合，并采用改进的扩展一致性束算法对多无人艇进行任务分配，获得多无人艇任务分配效果图。本发明适用于水面多无人艇的智能分配。
Description
技术领域
本发明涉及多智能体任务分配领域。
背景技术
水面无人艇(Unmanned Surface Vehicle，USV)是一种智能化的小型水面平台，由于具有较高的智能化程度，较好的隐身性能，较强的机动能力以及较低的造价，被广泛应用于完成情报收集、反潜、侦察与探测、精确打击等作战任务。面对动态复杂的环境、不可预知的潜在危险和多样化的任务使命，单一无人艇受限于自身搭载的有限的载荷与系统，显得势单力薄。同时，由多艘无人艇联合起来构成的协同系统，具有更强的鲁棒性、通信能力、机动性、灵活性、更高的作业效率和更广的作业范围，在海洋战场环境信息收集、反潜领海监视、补给支援等军事领域发挥着越来越重要的作用。
多无人艇任务分配问题是一种优化问题，它往往与路径规划问题相耦合。目前国内外学者对此类问题的研究较为充分，其内容可以分为数学规划算法、群智能优化算法、以及基于市场机制的算法共三个方面。扩展一致性束算法(Consensus-Based BoundleAlgorithm,CBBA)是一种基于市场机制的分布式多智能体任务分配算法。该算法主要由本地任务选择阶段和全局冲突消除阶段构成。在保证网络连通性的前提下，扩展一致性束算法可以快速实现无冲突任分配，即使在智能体对外界感知不一致的情况下，所提出的算法也能产生可行的任务分配结果。但是扩展一致性束算法的研究多着眼于异构多智能体能力约束和任务约束，而忽略了外界环境对于智能体系统产生的约束。对于多水面无人艇系统而言，如果忽略外界约束对水面无人艇的影响，水面无人艇系统在任务分配阶段将得出质量较差的任务序列。这不仅将降低系统在执行任务的效率，而且会增加系统能量消耗，不利于无人艇执行长期任务。在执行任务的过程中，难免会遇到障碍物的影响，实现在障碍物约束下的快速任务分配是水面多无人艇系统的一个十分重要的功能。
发明内容
本发明解决现有水面多无人艇任务分配问题采用扩展一致性束算法，忽略了外界环境对于多无人艇系统产生的约束，而带来的系统能量消耗增大且执行任务效率下降的问题。
为实现上述目的，本发明提供了如下方案：
本发明提供一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，所述分配方法为：
S1、对水面上的障碍物进行扫描，获得含有障碍物的栅格地图；
S2、对所述含有障碍物的栅格地图进行提取，获得导航对集合；
S3、对所述多无人艇的自身信息进行处理，获得多无人艇的初始化信息；
S4、对任务需求进行分解，获得任务的初始化信息；
S5、对所述扩展一致性束算法进行改进，获得改进的扩展一致性束算法；
S6、根据所述多无人艇的初始化信息、任务的初始化信息和导航对集合，并采用所述改进的扩展一致性束算法对多无人艇进行任务分配，获得多无人艇任务分配效果图。
进一步，还有一种优选实施例，上述步骤S2具体为：
S20、对所述含有障碍物的栅格地图进行提取，获得障碍物的简单轮廓点集SP；
S21、对所述障碍物的简单轮廓点集SP进行遍历，获得导航对集合。
进一步，还有一种优选实施例，上述步骤S3中无人艇的初始化信息包括多无人艇的数量、每艘无人艇的起始位置、航向角、任务容量、无人艇纵移速度和艏摇角速度。
进一步，还有一种优选实施例，上述步骤S4中任务的初始化信息包括任务数量和各任务所在位置坐标以及完成各任务的得分。
进一步，还有一种优选实施例，上述步骤S6具体为：
S60、根据所述多无人艇的初始化信息和任务的初始化信息，获得候选路径集合；
S61、对所述候选路径集合进行处理，获得导航线；
S62、根据所述导航线，判断导航线之间的障碍物类型，获得导航线的类型；
S63、根据所述导航线的类型和所述导航对集合，获得导航地图；
S64、根据所述导航地图采用改进的扩展一致性束算法对所述候选路径集合进行处理，获得所有候选路径的得分；
S65、根据所述所有候选路径的得分，获得最佳候选路径；
S66、根据所述最佳候选路径的得分，获得任务序号，并将所述任务插入在所述佳候选路径上；
S67、将所述任务序号从任务需求中进行移除，获得剩余任务；
S68、重复步骤S60-S67，直至每艘无人艇达到可执行任务的最大数量；
S69、重复步骤S60-S68，直至剩余任务全部分配完成，获得多无人艇任务分配效果图。
进一步，还有一种优选实施例，上述步骤S61具体为：
按顺序读取所述候选路径集合中的相邻两个任务点坐标pt,m和pt,n，并将所述任务点坐标pt,m和任务点坐标pt,n进行连线，获得导航线。
进一步，还有一种优选实施例，上述步骤S63具体为：
S630、根据所述导航线的类型，获得障碍物的基本轮廓点；
S631、根据所述障碍物的基本轮廓点和所述导航对集合，获得基本导航对和拓展障碍物集合；
S632、根据所述基本导航对和所述拓展障碍物集合，获得拓展简单轮廓点集合和拓展导航对集合；
S633、根据所述拓展简单轮廓点集合和拓展导航对，获得最终导航对集合；
S634、将所述最终导航对集合中的坐标依次连接，获得导航地图。
本发明所述的上述多障碍物环境下水面多无人艇任务分配方法可以全部采用计算机软件实现，因此，对应的，本发明还提供一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配系统，所述系统包括：
用于对水面上的障碍物进行扫描，获得障碍物的栅格地图的存储装置；
用于对所述障碍物的栅格地图进行提取，获得导航对的存储装置；
用于对所述多无人艇的初始信息进行处理，获得无人艇的初始化信息的存储装置；
用于对任务需求进行分解，获得任务的初始化信息的存储装置；
用于对所述扩展一致性束算法进行改进，获得改进的扩展一致性束算法的存储装置；
用于根据所述无人艇的初始化信息、任务的初始化信息和导航对，并采用所述改进的扩展一致性束算法对无人艇进行任务分配，获得多无人艇任务分配效果图的存储装置。
本发明提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述任意一项所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法。
本发明提供一种计算机设备，该设备包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行上述任意一项所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法。
本发明的有益效果为：
1、本发明提供一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，通过对路径得分的计算方法进行修改，使无人艇在多障碍物环境下，能够对感兴趣的任意两个目标点进行快速路径规划，并综合考虑无人艇的航行代价；然后根据代价获得不同路径的收益，最终实现多无人艇系统的无冲突任务分配。解决水面多无人艇系统在多障碍物环境下的任务分配问题，能够在节约能量消耗的同时提升执行任务的效率。
2、本发明提供一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，通过从栅格地图中提取导航对集合，并将其与导航线相结合生成导航地图，与现有栅格地图中使用偏差最小共识(Biased Min-Consensus,BMC)算法相比，使用导航地图减少了进行路径规划时的计算复杂度。
3、本发明提供一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，考虑了无人艇航向角变化对于路径的影响，能够减少无人艇在执行任务期间航向角的变化程度，使得规划路径更加符合无人艇的运动特性。
本发明适用于水面多无人艇的智能分配。
附图说明
图1是实施方式一所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法流程图；
图2是实施方式五所述的导航地图；
图3是实施方式五所述的无人艇间依照共识规则表；
图4是实施方式八所述的无人艇性能参数表；
图5是实施方式八所述的任务参数表；
图6是实施方式八所述的障碍物参数表；
图7是实施方式八所述的现有扩展一致性束算法的无人艇分配结果图；
图8是实施方式八所述的改进的扩展一致性束算法的无人艇分配结果图；
图9是施方式八所述的现有扩展一致性束算法仿真结果图；
图10是施方式八所述的改进的扩展一致性束算法仿真结果图。
具体实施方式
实施方式一.参见图1说明本实施方式，本实施方式提供一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，所述分配方法为：
S1、对水面上的障碍物进行扫描，获得含有障碍物的栅格地图；
S2、对所述含有障碍物的栅格地图进行提取，获得导航对集合；
S3、对所述多无人艇的自身信息进行处理，获得多无人艇的初始化信息；
S4、对任务需求进行分解，获得任务的初始化信息；
S5、对所述扩展一致性束算法进行改进，获得改进的扩展一致性束算法；
S6、根据所述多无人艇的初始化信息、任务的初始化信息和导航对集合，并采用所述改进的扩展一致性束算法对多无人艇进行任务分配，获得多无人艇任务分配效果图。
本实施方式在实际应用时，从含有障碍物的栅格地图中提取出导航对集合。对多艘无人艇的初始信息进行处理，获得多无人艇的数量、每艘无人艇的起始位置、航行角和任务容量；同时也对任务需求进行分解，获得任务数量，各任务所在位置的坐标和完成每项任务的得分。采用改进的拓展一致性束算法对多无人艇进行任务分配，获得多无人艇任务分配效果图。具体为：根据所述多无人艇的初始化信息和任务的初始化信息，获得候选路径集合；按顺序读取所述候选路径集合中的相邻两个任务点坐标，并将所述两个任务点坐标进行连线，获得导航线；根据所述导航线，判断导航线之间的障碍物类型，若导航线未被障碍物阻拦，则导航线为规划路线，若导航线被障碍物阻拦，则将这些障碍物记为基本障碍物集合；然后从所述基本障碍物集合中提取出障碍物的基本轮廓点；提取所述障碍物的基本轮廓点和导航对集合，获得基本导航对和拓展障碍物集合；根据所述基本导航对和所述拓展障碍物集合，获得拓展简单轮廓点集合和拓展导航对集合；根据所述拓展简单轮廓点集合和拓展导航对，获得最终导航对集合；将所述最终导航对集合中的坐标依次连接，获得导航地图；根据所述导航地图采用改进的扩展一致性束算法对所述候选路径集合进行处理，获得所有候选路径的得分；根据所述所有候选路径的得分，获得最佳候选路径；根据所述最佳候选路径的得分，获得任务序号，并将所述任务插入在所述佳候选路径上，并将所述任务序号从任务需求中进行移除，获得剩余任务，重复上述步骤，直至每艘无人艇达到可执行任务的最大数量；一直将剩余任务全部分配完成，获得多无人艇任务分配效果图。
本实施方式提供一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，通过对路径得分的计算方法进行修改，使无人艇在多障碍物环境下，能够对感兴趣的任意两个目标点进行快速路径规划，并综合考虑无人艇的航行代价；然后根据代价获得不同路径的收益，最终实现多无人艇系统的无冲突任务分配。解决水面多无人艇系统在多障碍物环境下的任务分配问题，能够在节约能量消耗的同时提升执行任务的效率。
本实施方式提供一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，通过从栅格地图中提取导航对集合，并将其与导航线相结合生成导航地图，与现有栅格地图中使用BMC算法相比，使用导航地图减少了进行路径规划时的计算复杂度。
实施方式二.本实施方式是对实施方式一所述的种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法中的步骤S2作举例说明，所述步骤S2具体为：
S21、多所述障碍物的栅格地图进行提取，获得障碍物的简单轮廓点集SP；
S22、对所述障碍物的简单轮廓点集SP进行遍历，获得导航对。
本实施方式在实际应用时，提取障碍物的栅格地图中的简单轮廓点集
其中Nsp代表地图中简单轮廓点的个数。所述简单轮廓点集中的任意两个简单轮廓点spi和spj之间没有障碍物阻拦，则将其记为导航对npi,j，直到组成形成导航对集/>
本实施方式提供一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，通过从栅格地图中提取导航对集合，并将其与导航线相结合生成导航地图，与现有栅格地图中使用BMC算法相比，使用导航地图减少了进行路径规划时的计算复杂度。
实施方式三.本实施方式是对实施方式一所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法中的多无人艇的初始化信息作举例说明，所述多无人艇的初始化信息包括无人艇的数量、每艘无人艇的起始位置、航向角和任务容量。
本实施方式在实际应用时，了解多无人艇的初始化信息，更加有利于对多无人艇进行分配任务，保证每一艘无人艇的饱和度。
实施方式四.本实施方式是对实施方式一所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法中的任务的初始化信息作举例说明，所述任务的初始化信息包括任务数量和各任务所在位置坐标以及完成各任务的得分。
本实施方式在实际应用时，对任务需求进行分解，更加有利于对多无人艇进行分配任务，保证分配任务的科学性和准确性。
实施方式五.参见图2和图3说明本实施方式，本实施方式是对实施方式一所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法中的步骤S6作举例说明，所述步骤S6具体为：
S60、根据所述多无人艇的初始化信息和任务的初始化信息，获得候选路径集合；
S61、对所述候选路径集合进行处理，获得导航线；
S62、根据所述导航线，判断导航线之间的障碍物类型，获得导航线的类型；
S63、根据所述导航线的类型和所述导航对集合，获得导航地图；
S64、根据所述导航地图采用改进的扩展一致性束算法对所述候选路径集合进行处理，获得所有候选路径的得分；
S65、根据所述所有候选路径的得分，获得最佳候选路径；
S66、根据所述最佳候选路径的得分，获得任务序号，并将所述任务插入在所述佳候选路径上；
S67、将所述任务序号从任务需求中进行移除，获得剩余任务；
S68、重复步骤S60-S67，直至每艘无人艇达到可执行任务的最大数量；
S69、重复步骤S60-S68，直至剩余任务全部分配完成，获得多无人艇任务分配效果图。
本实施方式在实际应用时，多无人艇的初始化信息包括多无人艇的数量、每艘无人艇的起始位置、航向角和任务容量。任务的初始化信息包括任务数量、各任务所在位置的坐标以及完成各任务的得分。设无人艇Ui将可执行任务集合ei中的任务Tj插入路径集合pi生成候选路径集合Pt＝{pt,1,pt,2，K,pt,NP}。按顺序读取候选路径pt,k中的相邻两个任务点坐标pt,m，pt,n生成导航线LN，并判断pt,m和pt,n之间的障碍物类型，并在此基础上结合导航对集合中的导航对建立导航地图，如图2所示。其中，连接两个任务点坐标pt,m和pt,n生成导航线LN，若LN未被障碍物阻拦，则LN就为规划路径；如果LN被障碍物阻拦，则将这些障碍物记为基本障碍物集合Ob＝{O|O∈Ο,isreachable(pt,m,pt,n,O)＝1}，其中Ο为全体障碍物集合；然后提取出基本障碍物集合Ob中障碍物的基本轮廓点记为
并向
中加入pt,m和pt,n。其中，isreachable函数定义如下：
根据障碍物的基本轮廓点
和导航对集合NP提取出有用的基本导航对NPb和拓展障碍物集合Oe，具体为：/>
根据所述基本导航对和所述拓展障碍物集合，获得拓展简单轮廓点集合/>
并在此基础上获得拓展导航对集合/>
进而形成最终导航对集合NPf＝NPb∪NPe；将最终导航对集合NPf中的坐标按依次连接，形成导航地图。根据所述导航地图采用改进的扩展一致性束算法对所述候选路径集合进行处理，获得所有候选路径的得分，具体为：设无人艇纵移速度和艏摇角速度恒定，分别为u和ω；设两个任务点坐标pt,m＝(xt,m,yt,m)和pt,n＝(xt,n,xt,n)中pt,m为起点pt,n为终点；无人艇在起点处的航向角为ψt,m，ε为任意小的正数；将导航地图中各点坐标按照如下公式进行坐标转换：
其中，θ为导航线LN的斜率。将终点p't,n的初始状态/>
设置为0，将其他节点/>
的初始状态设置为任意正数；生成节点pi′的邻接集合
设置当前时刻t节点pi′和邻接集合中节点p′j之间的权重/>
公式如下：/>
其中，ψlast为上一段路径结束时刻无人艇的航向角，kω为路径平滑参数，kω越大无人艇在执行过程中轨迹越平滑；直到遍历完邻接集合/>
中所有节点；计算节点pi′的修正状态，计算公式为：/>
更新节点pi′的状态，直到遍历所有节点；直到起点状态满足/>
得出目标点pt,m到pt,n间的路径，以及无人艇从pt,m到pt,n所花费的代价；然后得出执行候选路径pt,k的得分/>
计算公式为：/>
其中，/>
无人艇沿着路径p到达任务Tj所在位置需要花费的代价，/>
代表完成任务Tj的得分；重复上述步骤，直至获得出候选路径集合中所有路径的得分，并获得得分最高的最佳候选路径pt,best，并将最佳候选路径pt,best的得分/>
加入得分集合/>
中；直到遍历完所有可执行任务，找到得分集合/>
中最大得分/>
和其对应的任务序号Tbset，如果/>
大于当前路径集合pi的得分，则将任务Tbset加入无人艇Ui的束集合bi中的最后一个位置；在当前路径pi中找到无人艇Ui执行任务Tbset可获得最大得分的位置，并在相应位置插入任务Tbset；把Tbset从可执行任务集合ei中移除；直到无人艇Ui的束集合bi中任务数量达到可执行任务的最大数量Nt。在实际工作时，为了避免任务分配冲突，对同一任务投标的无人艇间依照共识规则进行一致性协商；设无人艇Uk为信息发送方，无人艇Ui为信息接收方，无人艇Um与无人艇Uk通信拓扑连通。接收方综合获取到的z、y和s集合中的相关值来判断自身应该采取何种行为。其中，获胜方集合zi＝{zi,1,zi,2,L,zi,N}，其中/>
Ts＝1,2,L,N为无人艇Ui认为当前对Ts出价最高的无人艇，即，执行任务Ts的无人艇；获胜方出价集合yi＝{yi,1,yi,2,L,yi,N}，/>
Ts＝1,2,L,N为所有无人艇中对任务Ts竞拍的最高出价；时间戳集合si＝{si1,si2,L,siM}，/>
Ms＝1,2,L,M为无人艇Ui在与其他无人进行信息交换时收到无人艇Ms最新信息的时间。无人艇Ui对任务Tj可采取以下三种行为，分别构造公式如下：
无人艇之间的共识规则如图3所示。若无人艇Ui的束集合bi中元素发生改变，则释放bi中部分元素，具体为：/>
其中，bin代表束集合bi中的第n个元素，同时，/>
直至无人艇的任务序列不再发生变化；获得多无人艇任务分配效果图。
实施方式六.本实施方式是对实施方式五所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法中的步骤S61作举例说明，所述步骤S61具体为：
按顺序读取所述候选路径集合中的相邻两个任务点坐标pt,m和pt,n，并将所述任务点坐标pt,m和任务点坐标pt,n进行连线，获得导航线。
实施方式七.本实施方式是对实施方式五所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法中所述步骤S63具体为：
S630、根据所述导航线的类型，获得障碍物的基本轮廓点；
S631、根据所述障碍物的基本轮廓点和所述导航对集合，获得基本导航对和拓展障碍物集合；
S632、根据所述基本导航对和所述拓展障碍物集合，获得拓展简单轮廓点集合和拓展导航对集合；
S633、根据所述拓展简单轮廓点集合和拓展导航对，获得最终导航对集合；
S634、将所述最终导航对集合中的坐标依次连接，获得导航地图。
本实施方式在实际应用时，若LN未被障碍物阻拦，则LN就为规划路径；如果LN被障碍物阻拦，则将这些障碍物记为基本障碍物集合Ob＝{O|O∈Ο,isreachable(pt,m,pt,n,O)＝1}，其中Ο为全体障碍物集合；然后提取出基本障碍物集合Ob中障碍物的基本轮廓点记为
并向/>
中加入pt,m和pt,n。其中，isreachable函数定义如下：
根据障碍物的基本轮廓点
和导航对集合NP提取出有用的基本导航对NPb和拓展障碍物集合Oe，具体定义如下：
实施方式八.参见图4至图10说明本实施方式，本实施方式是对实施方式一至实施方式七任意一项所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法作验证说明，设100m×100m的区域内存在多个任务点和多个障碍物，无人艇参数表如图4所示，任务参数表如图5所示，障碍参数如图6所示，由于各无人艇最大可执行任务数量均小于8，故派出3艘无人艇执行。设折扣因子λ＝0.95，路径平滑参数kω＝1000，ε＝1×10-4。现有扩展一致性束算法CBBA对无人艇的分配结果如图7所示，改进的扩展一致性束算法CBBA对无人艇的分配结果如图8所示，由于现有扩展一致性束算法CBBA中未考虑障碍物的影响，为将现有的扩展一致性束算法CBAA算法与改进的扩展一致性束算法CBAA算法进行对比，使用基于图的路径规划算法对现有扩展一致性束算法CBAA算法中路径集合元素依次进行路径规划，得到现有扩展一致性束算法的仿真结果图，如图9所示。改进的扩展一致性束算法的仿真结果图，如图10所示。
综上可知，现有扩展一致性束CBBA算法分配结果和基于图的路径规划算法所得出的路径总长度为455.31m，各无人艇系统航向角变化量之和为1193°；由改进的扩展一致性束算法CBBA分配结果所得出的路径长度为430.66m，无人艇系统航向角变化量之和为677°。由此可知，改进的CBBA算法相比于现有的CBBA算法得出的路径长度减少了24.56m，无人艇系统的航向角变化之和减少了516°。所以改进的CBAA算法得出路径更短、更平滑。所以改进的CBBA算法在进行任务分配的同时，能够综合考虑路径长度和平滑程度从而得到合适的规划路径，减小了无人艇在航行过程中的能量消耗，增强了无人艇的续航能能力。
由此可知，本实施方式提供一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，通过对路径得分的计算方法进行修改，使无人艇在多障碍物环境下，能够对感兴趣的任意两个目标点进行快速路径规划，并综合考虑无人艇的航行代价；然后根据代价获得不同路径的收益，最终实现多无人艇系统的无冲突任务分配。解决水面多无人艇系统在多障碍物环境下的任务分配问题，能够在节约能量消耗的同时提升执行任务的效率。
以上所述仅为本发明的实施例而已，并不限制于本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，其特征在于，所述分配方法为：
S1、对水面上的障碍物进行扫描，获得含有障碍物的栅格地图；
S2、对所述含有障碍物的栅格地图进行提取，获得导航对集合；
S3、对所述多无人艇的自身信息进行处理，获得多无人艇的初始化信息；
S4、对任务需求进行分解，获得任务的初始化信息；
S5、对所述扩展一致性束算法进行改进，获得改进的扩展一致性束算法；
S6、根据所述多无人艇的初始化信息、任务的初始化信息和导航对集合，并采用所述改进的扩展一致性束算法对多无人艇进行任务分配，获得多无人艇任务分配效果图。
2.根据权利要求1所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，其特征在于，所述步骤S2具体为：
S20、对所述含有障碍物的栅格地图进行提取，获得障碍物的简单轮廓点集SP；
S21、对所述障碍物的简单轮廓点集SP进行遍历，获得导航对集合。
3.根据权利要求1所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，其特征在于，所述步骤S3中多无人艇的初始化信息包括多无人艇的数量、每艘无人艇的起始位置、航向角、任务容量、无人艇纵移速度和艏摇角速度。
4.根据权利要求1所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，其特征在于，所述步骤S4中任务的初始化信息包括任务数量、各任务所在位置的坐标以及完成各任务的得分。
5.据权利要求1所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，其特征在于，所述步骤S6具体为：
S60、根据所述多无人艇的初始化信息和任务的初始化信息，获得候选路径集合；
S61、对所述候选路径集合进行处理，获得导航线；
S62、根据所述导航线，判断导航线之间的障碍物类型，获得导航线的类型；
S63、根据所述导航线的类型和所述导航对集合，获得导航地图；
S64、根据所述导航地图采用改进的扩展一致性束算法对所述候选路径集合进行处理，获得所有候选路径的得分；
S65、根据所述所有候选路径的得分，获得最佳候选路径；
S66、根据所述最佳候选路径的得分，获得任务序号，并将所述任务插入在所述佳候选路径上；
S67、将所述任务序号从任务需求中进行移除，获得剩余任务；
S68、重复步骤S60-S67，直至每艘无人艇达到可执行任务的最大数量；
S69、重复步骤S60-S68，直至剩余任务全部分配完成，获得多无人艇任务分配效果图。
6.根据权利要求5所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，其特征在于，所述步骤S61具体为：
按顺序读取所述候选路径集合中的相邻两个任务点坐标pt,m和pt,n，并将所述任务点坐标pt,m和任务点坐标pt,n进行连线，获得导航线。
7.根据权利要求5所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法，其特征在于，所述步骤S63具体为：
S630、根据所述导航线的类型，获得障碍物的基本轮廓点；
S631、根据所述障碍物的基本轮廓点和所述导航对集合，获得基本导航对和拓展障碍物集合；
S632、根据所述基本导航对和所述拓展障碍物集合，获得拓展简单轮廓点集合和拓展导航对集合；
S633、根据所述拓展简单轮廓点集合和拓展导航对，获得最终导航对集合；
S634、将所述最终导航对集合中的坐标依次连接，获得导航地图。
8.一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配系统，其特征在于，所述系统包括：
用于对水面上的障碍物进行扫描，获得障碍物的栅格地图的存储装置；
用于对所述障碍物的栅格地图进行提取，获得导航对的存储装置；
用于对所述多无人艇的初始信息进行处理，获得无人艇的初始化信息的存储装置；
用于对任务需求进行分解，获得任务的初始化信息的存储装置；
用于对所述扩展一致性束算法进行改进，获得改进的扩展一致性束算法的存储装置；
用于根据所述无人艇的初始化信息、任务的初始化信息和导航对，并采用所述改进的扩展一致性束算法对无人艇进行任务分配，获得多无人艇任务分配效果图的存储装置。
9.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行权利要求1-7任意一项所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法。
10.一种计算机设备，其特征在于：该设备包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行权利要求1-7任意一项所述的一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310277395.9A CN116205464B (zh) | 2023-03-21 | 2023-03-21 | 一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310277395.9A CN116205464B (zh) | 2023-03-21 | 2023-03-21 | 一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116205464A true CN116205464A (zh) | 2023-06-02 |
| CN116205464B CN116205464B (zh) | 2023-11-24 |
Family
ID=86519238
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310277395.9A Active CN116205464B (zh) | 2023-03-21 | 2023-03-21 | 一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116205464B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112633654A (zh) * | 2020-12-15 | 2021-04-09 | 哈尔滨工程大学 | 基于改进聚类扩展一致性束算法的多无人机任务分配方法 |
| CN112797999A (zh) * | 2020-12-24 | 2021-05-14 | 上海大学 | 一种多无人艇协同遍历路径规划方法及系统 |
| CN113283181A (zh) * | 2021-06-28 | 2021-08-20 | 上海海事大学 | 一种障碍物和海流环境中多auv快速围捕方法 |
| CN113741433A (zh) * | 2021-08-18 | 2021-12-03 | 中国舰船研究设计中心 | 一种水面无人船的分布式编队方法 |
| CN114019983A (zh) * | 2021-12-09 | 2022-02-08 | 中国海洋大学 | 面向多任务点的无人艇协同路径规划方法 |
| CN114839968A (zh) * | 2022-04-01 | 2022-08-02 | 哈尔滨工程大学 | 一种水面无人艇路径规划方法 |
| CN115437380A (zh) * | 2022-09-15 | 2022-12-06 | 大连海事大学 | 一种基于电子海图的多无人艇分散覆盖路径规划方法 |
-
2023
- 2023-03-21 CN CN202310277395.9A patent/CN116205464B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112633654A (zh) * | 2020-12-15 | 2021-04-09 | 哈尔滨工程大学 | 基于改进聚类扩展一致性束算法的多无人机任务分配方法 |
| CN112797999A (zh) * | 2020-12-24 | 2021-05-14 | 上海大学 | 一种多无人艇协同遍历路径规划方法及系统 |
| CN113283181A (zh) * | 2021-06-28 | 2021-08-20 | 上海海事大学 | 一种障碍物和海流环境中多auv快速围捕方法 |
| CN113741433A (zh) * | 2021-08-18 | 2021-12-03 | 中国舰船研究设计中心 | 一种水面无人船的分布式编队方法 |
| CN114019983A (zh) * | 2021-12-09 | 2022-02-08 | 中国海洋大学 | 面向多任务点的无人艇协同路径规划方法 |
| CN114839968A (zh) * | 2022-04-01 | 2022-08-02 | 哈尔滨工程大学 | 一种水面无人艇路径规划方法 |
| CN115437380A (zh) * | 2022-09-15 | 2022-12-06 | 大连海事大学 | 一种基于电子海图的多无人艇分散覆盖路径规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘烨: "智能仓储AGV的任务分配与路径规划算法研究", 《 CNKI优秀硕士学位论文全文库》, pages 23 - 36 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116205464B (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abd Algfoor et al. | A comprehensive study on pathfinding techniques for robotics and video games | |
| CN103744428B (zh) | 一种基于邻域智能水滴算法的水面无人艇路径规划方法 | |
| CN110308740B (zh) | 一种面向移动目标追踪的无人机群动态任务分配方法 | |
| Li et al. | Autonomous underwater vehicle optimal path planning method for seabed terrain matching navigation | |
| CN110989352B (zh) | 一种基于蒙特卡洛树搜索算法的群体机器人协同搜索方法 | |
| CN106991617B (zh) | 一种基于信息传播的微博社交关系提取算法 | |
| CN109931943B (zh) | 无人船舶全局路径规划方法及电子设备 | |
| CN112947594B (zh) | 一种面向无人机的航迹规划方法 | |
| CN113985893B (zh) | 面向复杂海洋环境的多无人艇系统协同路径规划方法 | |
| CN111665846A (zh) | 一种基于快速扫描法的水面无人艇路径规划方法 | |
| Chen et al. | On-line 3D active pose-graph SLAM based on key poses using graph topology and sub-maps | |
| CN112560962A (zh) | 骨骼动画的姿态匹配方法、装置、电子设备及存储介质 | |
| CN113934206B (zh) | 移动机器人路径规划方法、装置、计算机设备和存储介质 | |
| CN116205464B (zh) | 一种基于扩展一致性束算法的多障碍物环境下水面多无人艇任务分配方法 | |
| Plaku et al. | Clearance-driven motion planning for mobile robots with differential constraints | |
| CN112099506A (zh) | 一种欠驱动无人船时变编队的跟踪控制方法和系统 | |
| CN115437372B (zh) | 机器人路径规划方法、装置、电子设备及存储介质 | |
| CN114237303B (zh) | 一种基于蒙特卡洛树搜索的无人机路径规划方法及装置 | |
| Sujit et al. | Team, game, and negotiation based intelligent autonomous UAV task allocation for wide area applications | |
| Hallgarten et al. | Stay on track: A frenet wrapper to overcome off-road trajectories in vehicle motion prediction | |
| Silva et al. | Multi-agent optimization for offshore wind farm inspection using an improved population-based metaheuristic | |
| CN111833395A (zh) | 一种基于神经网络模型的测向体制单目标定位方法和装置 | |
| Xu et al. | Ants for track initiation of bearings-only tracking | |
| Zhang et al. | Reference Path Generation for Autonomous Driving in Off-road Environment | |
| Bayrak et al. | Formation preserving path finding in 3-D terrains |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |