19.在不断变化的作战节奏下,来自开发的模拟优化方法的结果 ......................................................................................................................................................101 20.ABOC、ABOA 和开发的 ABOGA 平均持续时间结果之间的百分比差异 ................................................................................................................................................107 21.在不同作战节奏下来自 OptQuest 的结果 .............................................................................................................109 22.开发的 ABOGA 方法结果与 OptQuest 结果之间的百分比差异 .............................................................................................110 23.OptQuest 结果与常见实践启发式结果之间的百分比差异 .............................................................................................................112 24.不同能力差异系数下 ABOA、ABOC 和 ABOGA 输出的比较 .............................................................................................................................................117 25.ABOA、ABOC 和 ABOGA 输出的比较, ABOC 和 ABOGA 的工作订单数量各不相同......................................................................................................................................................123
摘要................................................................................................................................iii
摘要 — 为了充分利用异构多机器人团队合作的固有优势,复杂的协调算法必不可少。时间扩展多机器人任务分配方法将一组任务分配和安排给一组机器人,以优化某些目标并满足操作约束。如果考虑合作任务(即需要两个或多个机器人直接协同工作的任务),这尤其具有挑战性。在本文中,我们提出了一个易于实施的标准来验证时间扩展多机器人任务分配问题解决方案的可行性,即可执行性,这些问题具有跨计划依赖性,这些依赖性源于对合作任务和优先约束的考虑。使用引入的可行性标准,我们针对所考虑的问题类提出了一种基于邻域运算符的局部改进启发式方法。初始解决方案由贪婪的构造启发式方法获得。这两种方法都使用广义成本结构,因此能够处理各种目标函数实例。我们使用不同问题规模的测试场景来评估所提出的方法,所有这些场景都包含所考虑问题的复杂性方面。模拟结果证明了应用局部改进启发式方法所带来的改进潜力。
摘要 — 水下机器人监视网络的实现为海洋机器人带来了诸多挑战。水下场景通常以间歇性和不可靠的通信为特征。这使得开发适合在水下监视应用中有效工作的任务分配方案具有挑战性。我们提出了一种基于市场的任务分配方法,该方法以完全分布式的方式工作。通过定期拍卖,该算法实现了机器人在整个任务过程中的动态任务分配。没有中央拍卖师,任何机器人在打算执行任务时都会成为拍卖师。通过定期拍卖,所有机器人按顺序分配任务。该算法旨在提高对不良通信的鲁棒性并允许任务重新分配,以使分配适应不断变化的场景。计算机模拟结果报告支持所提出的方法。反潜战应用被认为是测试该方案的方法。在这个应用中,不同维度区域的监视必须由一组 AUV 完成。