多智能体蜂拥的研究(8)

多智能体系统蜂拥问题的研究 36

5 结论及展望

群体智能中的个体在无中心控制的情况下体现出来的宏观有序的行为称之为涌现现象。蜂拥问题作为一种典型的涌现现象在自然界中普遍存在，比如鱼群、鸟群、蜂群等。随着国防工业的进一步发展，蜂拥控制被应用于多智能体系统合作控制中，比如无人驾驶飞行器群的控制、海底自治潜艇群的控制，无人深入地区多机器人的群集控制等。本文重点对多智能体的蜂拥控制算法进行了分析研究。

本文的主要工作如下：

（1）本文根据Reynolds法则和Olfati的经典算法，应用Matlab工具搭建了多智能体系统蜂拥控制的算法框架，实现了Olfati算法1和算法2。为多智能体蜂拥行为的研究提供了分析基础。

（2）本文对Olfati算法1和算法2进行了仿真，仿真结果验证了算法1的局限性，既只有在特定的初始条件下（初始状态各个智能体构成的拓扑网络是连通的）才能够形成群体的蜂拥，而在一般情况时，算法1会导致群体的分裂。通过对算法2的仿真研究发现，加入单个虚拟领导者能够改善算法1的弊端，即算法不依赖于智能体初始状态，在任意的初始条件下，多智能体系统都能形成蜂拥，达到格子状结构。

（3）本文在Olfati算法2的基础上，对其进行了三方面的分析和改进：

首先Olfati算法2为了使所有智能体能够形成连通拓扑结构，每个智能体都感知虚拟领导者的信息，这种方法在现实生活中是不易实现的，科学研究表明在自然界中往往只有一部分个体能够感受到领导者信息，之后把信息传递给附近的智能体，进而形成蜂拥。本文针对该现象，研究了仅有部分智能体具有领导者信息时的群集蜂拥问题。通过应用Matlab工具进行仿真，发现仅有部分智能体感知虚拟领导者信息时，依旧有大部分智能体能够达到蜂拥。且当需要实现相同比例的蜂拥时，规模越大的群集所需感知虚拟领导者信息的智能体比例越小。

其次，Olfati算法2尽管已经能够实现蜂拥结果，并使每个智能体的速度方向均和领导者智能体达到一致。然而，在领导者智能体具有变速度情况时，智能体不能够很好的跟踪领导者的速度大小。本文通过对算法进行改进，在反馈信息中加入了领导者加速度分量，使智能体的速度模能够较好地跟踪虚拟领导者的速度模。最后通过仿真对两种算法的速度模跟踪情况进行了仿真，仿真结果表明改进算法相比于原始算法而言，普通智能体的速度模量能够更好的跟随虚拟领导者的速度模量。

最后，Olfati算法2只研究了群体中含单个虚拟领导者的情况，然而在实际应用中，一个群集系统可能会受到多个虚拟领导者的影响。本文对Olfati算法2进行改进，将单个虚拟领导者扩展到多个虚拟领导者情形，并通过仿真验证了改进算法能够很好地克服Olfati算法在直接扩展到多领导者时普通智能体之间相互影响的情况。

对未来工作的展望：

多智能体系统蜂拥问题的研究 37

本文对Olfati算法进行了仿真，并对其进行了改进，但仍存在很多问题可作为下一步的研究方向。

（1）本文对多智能体系统的蜂拥算法进行的实现和改善，已经能够很好的通过Reynolds原则实现智能群体的蜂拥活动。然而，目前的研究还局限在计算机仿真阶段，没有在实际中应用，将蜂拥问题应用到实际中如车队编队，卫星覆盖区域等领域，进一步发现实际应用存在的问题，将会对蜂拥理论有很大的推进作用。

（2）本文在绘制接收领导者信息智能百分比同蜂拥个数百分比的关系曲线时是通过多次运算取平均值的方法进行仿真的，这种方法并不具有严格的可重复性，在之后的工作中，可对这部分进行严格的数学分析，从而得到可重复的实验方法将成为工作的一个重点。

（3）本文的所有仿真实验都是在二维空间中实现的，而现实生活是在三维空间中进行的。所以将蜂拥问题扩展到三维空间实现很有必要。

多智能体系统蜂拥问题的研究 38

参考文献

[1] Reza Olfati-Saber. Flocking for Multi-Agent Dynamic Systems: Algorithms and Theory

[J]. IEEE Transactions on Automatic Control, 2006, 3:401-421.

[2] B.L. Partridge. The chorus-line hypothesis of maneuver in avian flocks [J].Nature, 1984,

309:344–345.

[3] B.L. Partridge. The structure and function of fish schools [J].Scientific American, 1982,

246:114–123.

[4] A. Okubo. Dynamical aspects of animal grouping: swarms, schools, flocks, and herds [J].

Biophysics, 1986, 22:1–94.

[5] C.W. Reynolds. Flocks, herds, and schools: a distributed behavior model[J].Computer

Graphics,1987,21:25–34.

[6] T. Vicsek, A. Cziro′ok, E. Ben-Jacob, I. Cohen, and O. Shochet .Novel type of phase

transition in a system of self-driven particles [J]. Physical Review Letters, 1995, 75: 1226–1229.

[7] J. Toner and Y. Tu. Flocks, herds, and schools: A quantitative theory of

flocking[J].Physical Review E, 1998, 58:4828–4858.

[8] N. Shimoyama, K. Sugawara, T. Mizuguchi, Y. Hayakawa, and M. Sano. Collective

motion in a system of motile elements [J].Physical Review Letters, 1996, 76: 3870–3873.

[9] E. Shaw. Fish in schools [J].Natural History, 1975, 84: 40–45.

[10] D. Helbing, I. Farkas, and T. Vicsek. Simulating dynamical features of escape panic[J].

Nature, 2000, 407: 487–490.

[11] T. Vicsek. A question of scale [J]. Nature, 2001, 411: 421–421.

[12] J. K. Parrish, S. V. Viscido, and D. Grunbaum. Self-organized fish schools: an

examination of emergent properties [J]. Biol. Bull, 2002, 202,296–305.

[13] D. Estrin, R. Govindan, J. Heidemann, and S. Kumar. Next century challenges: scalable

coordination in sensor networks [J] .Proceeding of Mobile Computing and Networking, 1999, 21: 263–270.

[14] A. Mogilner and L. Edelstein-Keshet. Spatio-temporal order in populations of self-

aligning objects: formation of oriented patches [J]. Physica D, 1996, 89: 346–367. [15]赵建. 鱼群集群行为的建模与仿真[D]. 太原: 太原工业大学. 2008.

[16]王澜. 基于广义相关性的多Agent交互作用研究[D]. 西安: 西北工业大学, 2006. [17]王玫, 朱云龙, 何小贤. 群体智能研究综述[J]. 计算机工程, 2005, 1: 194-196. [18]彭喜元, 彭宇, 戴毓丰. 群智能理论及应用[J]. 电子学报, 2003, 12: 1982-1988.

多智能体系统蜂拥问题的研究 39

[19]Bonabeau E,DorigoM, Theraulaz G Swarm Intelligence：From Natural to Artificial

Systems[M].New York: Oxford University Press，1999.

[20]约翰.霍兰.涌现一从混沌到有序[M].上海:上海科学技术出版社,2001.

[21]K E Parsopoulos, M N Vrahatis. Recent approaches to global optimization problems

through particle swarm optimization [J]. Natural Computing , 2002, 2:235-306. [22]约翰.H.霍兰.隐秩序[M].上海:上海科技教育出版社, 2000.

[23]肖人彬,陶振武.群集智能研究进展[J].管理科学学报,2007, 10：3-8．

[24] A. Jadbabaie, J. Lin, and A. S. Morse. Coordination of groups of mobile agents using

nearest neighbor rules[J]. IEEE Transactions on Automatic Control, 2003, 21:988–1001. [25] L. Moreau. Stability of multi-agent systems with time-dependent communication

links[J]. IEEE Trans. on Automatic Control, 2005, 50:169–182.

[26] W. Ren and R.W. Beard. Consensus seeking in multi-agent systems under dynamically

changing interaction topologies[J]. IEEE Transactions on Automatic Control, 2005, 50: 655–661.

[27] R. Olfati-Saber, A. Fax, and R. M. Murray. Consensus and cooperation in multi-agent

networked systems[J]. Proceedings of the IEEE 2005, 95(1):215-233.

[28] Y. Liu, K. M. Passino, and M. M. Polycarpou. Stability analysis of M-dimensional async-

hronous swarms with a fixed communication topology[J]. IEEE Transactions On Automatic Control , 2003, 48:76–95.

[29] V. Gazi and K. M. Passino. Stability analysis of swarms[J]. IEEE Transactions on

Automatic Control, 2003, 48:692–697.

[30]Gdi Caro, M Dofigo. AntNet. Distributed stigmergetic control for communications

networks[J]. Journal of Artificial Intelligence Research, 1998, 9: 317-365．

[31] A. Fax and R. M. Murray. Information flow and cooperative control of vehicle

formations [J]. IEEE Transactions on Automatic Control, 2004, 49:1465–1476.

[32] M. Mesbahi. On state-dependent dynamic graphs and their controllability properties [J].

IEEE Transactions on Automatic Control, 2005, 50: 387–392.

[33] J. Cort′es, S. Martinez, T. Karatas, and F. Bullo. Coverage control for mobile sensing

networks[J].IEEE Transactions on Robotics and Automation, 2004, 20:243–255. [34] P. O¨ gren, E. Fiorelli, and N. E. Leonard. Cooperative control of mobile sensor networks:

adaptive gradient climbing in a distributed environment [J].IEEE Transactions on Automatic Control, 2005, 49: 1292–1302.

[35] O. Khatib. Real-time obstacle avoidance for manipulators and mobile robots [J]. Int.

Journal of Robotics Research, 1986, l5: 90–98.

[36] E. Rimon and D. E. Koditschek. Exact robot navigation using artificial potential

多智能体系统蜂拥问题的研究 40

functions [J]. IEEE Transactions on Robotics and Automation, 1992, 15: 501–518. [37] M. Fiedler. Algebraic connectivity of graphs[J]. Czechoslovak Mathematical Journal,

1973, 23: 298–305.

多智能体系统蜂拥问题的研究 41

致谢

本次毕业课题从2010年3月至今进行了3个月的时间，在这段时间中，我在杨文老师的悉心指导下完成了大学以来最后的一项工作。在这段时间中，我成功地把大学所学应用到实际工作中，尤其是我的编程能力有了很大的提高。本文的完成，得到了杨文老师的很大帮助，她丰富的知识往往在我走入死角时给我进行恰当的点拨。可以说，本文的完成很大程度上源于杨文老师的帮助指导。在此，我对杨文老师表示真诚的感谢，感谢杨文老师帮我给大学画上了一个完美的句号。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库多智能体蜂拥的研究(8)在线全文阅读。