基于信息素的多机器人协作任务分配

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (2): 20-22.

基于信息素的多机器人协作任务分配

姜健,闫继宏,臧希喆,赵杰

哈尔滨工业大学机器人研究所，哈尔滨 150001

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-11 发布日期:2008-01-11
通讯作者: 姜健

Pheromone based multi-robot cooperative task allocation

JIANG Jian,YAN Ji-hong,ZANG Xi-zhe,ZHAO Jie

Robotics Institute，Harbin Institute of Technology，Harbin 150001，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-11 Published:2008-01-11
Contact: JIANG Jian

摘要/Abstract

摘要： 针对多机器人系统未知环境下自主任务分配问题，提出了将虚拟吸引信息素和虚拟排斥信息素相结合的多机器人任务分配方法。在动态未知环境下，进行了多机器人协作搜集实验，实验结果表明所提方法既可以避免多个机器人集中在一个空间内造成冲突加剧的现象，又可以实现多机器人自主地进行任务分配目的。

关键词: 多机器人系统, 信息素, 蚁群算法, 任务分配, 搜集

Abstract: A method combining Artificial Attraction Pheromone（AAP） with Artificial Repulsion Pheromone（ARP） is presented to solve the problem of multi-robot task allocation.Under the unknown structured environment，multi-robot cooperative foraging experiment is performed.Experiment results show that the method presented in the paper can not only avoid spatial confliction among robots，but also can make the multi-robot system perform task allocation autonomously and effectively.

Key words: multi-robot system, pheromone, ant colony algorithms, task allocation, foraging

姜健,闫继宏,臧希喆,赵杰. 基于信息素的多机器人协作任务分配[J]. 计算机工程与应用, 2008, 44(2): 20-22.

JIANG Jian,YAN Ji-hong,ZANG Xi-zhe,ZHAO Jie. Pheromone based multi-robot cooperative task allocation[J]. Computer Engineering and Applications, 2008, 44(2): 20-22.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[7]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[8]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[9]	陈宝童，王丽清，蒋晓敏，姚寒冰. 群智协同任务分配研究综述[J]. 计算机工程与应用, 2021, 57(20): 1-12.
[10]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[11]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[12]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[13]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[14]	张铭，邓文瀚，林娟，钟一文. 改进蚁群优化算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(13): 85-95.
[15]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.