55、基于三角形编队的多机器人多目标搜索策略

基于三角形编队的多机器人多目标搜索策略

1. 引言

群体机器人技术是一个相对较新的领域，它受到自然界自组织现象的启发。由于拥有大量的个体，群体机器人系统适合涉及区域覆盖的任务，例如多目标搜索。当目标能在一定范围内产生适应度值且可被收集时，这便成为了我们关注的问题。多目标搜索策略有着广泛的应用前景，如搜寻潜艇、空难或海难后的受害者和残骸、监测漏水水质以及探索和摧毁战场目标等。

在目标搜索任务中，常用的方法有基于行为的设计方法，如基于人工势场函数的方法或改编自启发式算法的方法。同时，数学物理方法也被用于分析动物的觅食和迁徙行为，即“随机搜索”或“随机最优觅食理论”。此外，多机器人或多车辆的编队控制也很重要，这里采用的是基于行为的控制方法。

2. 问题陈述

在多目标搜索问题中，一群机器人被部署到一个广阔的未知空间，其中多个目标随机分布。机器人需要通过某种协作机制尽快搜索并收集这些目标。在最简单的情况下，只考虑三种对象：环境空间、机器人和目标。不过，障碍物、诱饵和干扰源也可引入到问题中，但本文为聚焦搜索效率，仅研究最简单的情况。

2.1 理想化模型

该问题的理想化模型中，环境是一个 1000 * 1000 的正方形，机器人是单位正方形。机器人能记忆 10 次迭代的信息（位置和适应度值）。每个目标被抽象为半径为 rt（10 个单位）的圆形，处于该圆形内的机器人可直接定位目标。目标的位置和适应度值随机生成，适应度范围从 Fmax - 2 到 Fmax（40 个单位）。目标的影响范围以一系列环形表示，每个环形宽度为 0.5rt，这也是机器人的最大速度限制，以确保相邻两次迭代中适应度值的变化较小。从内向外，适应度值每次递减 1