何凱迪
四川大學電子信息學院 四川 成都 610065
智能體集群有著廣泛的運用,如測繪、監視或周邊巡邏[1-4]。在目標搜索領域中,啟發式搜索算法有著廣泛的運用。其中比較廣泛的運用就是以Voronoi圖劃分為基礎的搜索算法。
本文針對靜態目標搜索領域。目標是多個不可移動的目標。
地圖使用建立在離散地圖上的概率圖建模,地圖被離散柵格化。每個柵格區域對應一塊地圖,對于每個柵格區域建立了一個數字,例如概率值,用來輔助搜索的進行。
高概率區域,用來指引無人機優先搜索,低概率區域指引無人機低優先級搜索。
對于無人機,沒有移動模型限制,無人機可以移動到地圖任意位置,不局限于柵格中心。
每次探測區域是否會被探測,取決于柵格中心是否位于智能體探測范圍內。
對于離散地圖,可以使用矩陣存儲。
雙種群算法主要包含了兩個種群。
第一種群,仍然以Voronoi圖劃分為基礎進行區域搜索。
即,進行Voronoi圖劃分后,質心計算公式使用:
在通過Voronoi圖劃分之后,計算每個Voronoi圖區域的質心,作為無人機的引導位置。
第一種群搜索完畢之后,進行地圖更新。地圖更新主要使用貝葉斯更新公式為基礎的延伸公式:
其中Pi,j,k是區域j在第k次迭代時的第i個智能體搜索結果的概率,Di,j,k代表著第k次迭代時的對該區域的探測結果,Di,j,k=1表示探測到了目標,Di,j,k=0表示沒有探測到目標。
此外,p是探測概率,是智能體攜帶傳感器精度決定。q是誤報的概率,表示識別錯誤,也是由智能體攜帶傳感器決定。
在第一種群搜索的過程中,維護最優集合,也就是適應度值最高的集合。然后將最優集合和檔案集一并通信給第二種群。第二種群個體根據最近位置執行搜索。
實驗設置參數如下:
表1 實驗環境參數
在衡量指標上,使用:
來衡量,也就是柵格區域的平均概率值。
實驗效果如下:
圖1 實驗效果指標對比
圖1中,藍色線是雙種群算法,紅色線是Voronoi圖基礎搜索算法。
從圖中可以看出雙種群算法,對于地圖的搜索效率顯著高于Voronoi圖基礎搜索算法。并且在一定迭代次數之后,Voronoi圖基礎算法陷入卡死,智能體集群陷入原地時候,雙種群算法仍然能夠實現搜索。
在智能體集群控制算法上仍然有發展的巨大前景,除了考慮近些年比較前沿的多種群算法之外,也可以考慮引入多目標優化算法,或者以機器學習算法為基礎的新方法都是本領域的前進方向。