基于改进蚁群算法的多机器人任务分配

被引:18
作者
秦新立 [1 ]
宗群 [1 ]
李晓瑜 [2 ]
张博渊 [1 ]
张秀云 [1 ]
机构
[1] 天津大学电气自动化与信息工程学院
[2] Ira AFulton Schools of Engineering,Arizona State University
关键词
多机器人任务分配; 多旅行商问题; 改进蚁群算法;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
任务分配是多机器人系统需要解决的首要问题.针对传统蚁群算法求解多机器人任务分配收敛速度慢且易陷入局部最优问题,提出了改进蚁群算法.考虑多机器人任务分配问题,建立多旅行商问题模型,采用蚁群算法优化出解空间,然后采用遗传算法中的变异算子对每个机器人执行任务的顺序进行优化,并根据模拟退火过程中Metropolis准则以一定的概率接受优化过程中较差的解.在复杂约束条件下,为解决蚁群算法收敛速度慢且易陷入局部极小问题,引入局部优化变异算子和改进模拟退火算法.仿真结果表明,改进蚁群算法可以更好的解决多机器人任务分配问题.
引用
收藏
页码:55 / 59
页数:5
相关论文
共 7 条
[1]  
基于元启发式算法的带生产约束作业车间调度问题若干研究.[D].杨玉珍.华东理工大学.2014, 09
[2]   面向多旅行商问题的多目标模拟退火算法研究 [J].
梁星星 ;
马扬 ;
冯旸赫 ;
张广平 ;
马豪 .
南京师大学报(自然科学版), 2017, (03) :80-86
[3]   应用离散粒子群-郭涛算法分配多无人机协同任务 [J].
颜骥 ;
李相民 ;
刘波 .
国防科技大学学报, 2015, 37 (04) :165-171
[4]  
多编组任务分配动态优化模型及IVFSA算法求解.[J].万路军;姚佩阳;税冬东;李瑞;孙鹏;.电光与控制.2014, 05
[5]   分布式卫星系统协作任务分配模型及优化算法 [J].
高黎 ;
周利安 ;
沙基昌 .
系统工程学报, 2009, 24 (04) :445-450
[6]  
基于智能优化的仓储机器人任务分配研究.[D].李功捷.哈尔滨工业大学.2013, 01
[7]   Modeling multi-robot task allocation with limited information as global game [J].
Kanakia, Anshul ;
Touri, Behrouz ;
Correll, Nikolaus .
SWARM INTELLIGENCE, 2016, 10 (02) :147-160