1. 研究目的与意义（文献综述）

1.1目的及意义

随着现代工业、国防、太空和海洋探索以及整个国民经济和人民生活对机器人需求的不断增长, 机器人技术得到了快速的发展, 机器人在各个领域得到了广泛的应用。自 20 世纪 80年代以来, 随着分布式人工智能、机器人学、计算机科学和复杂系统研究的发展, 多机器人系统已经成为机器人研究领域的热点之一。相比于单机器人，多机器人具有工作效率高、可靠性高、智能沉余性好等优点。基于多机器人系统的诸多优点, 其在军事、工农业生产、空间探索、医学、交通控制、服务行业等领域的应用具有良好的应用前景。

多机器人技术研究的一个主要领域就是多机器人系统的任务分配问题（mrta），其体现了系统高层组织形式与运行机制,是多机器人系统实现目标的基础.一方面,任务分配的好坏直接影响整个系统的效率,并且直接关系到系统中各机器人是否能最大限度发挥自身的能力,避免占用更多的资源;另一方面,当一个机器人没有能力完成当前任务时,如何在现有机制的基础上,通过有效的对话、协商使多机器人合作完成。从本质上讲就是要解决在多机器人系统中每一个机器人的状态和能力，分解当前工作任务，确定多机器人系统中的每一个机器人在什么时间，什么地点，做什么的问题。即把多机器人任务分配问题转化为一个在多维空间内寻找最优解的问题，从而利用优化算法在此空间寻找最优解即最优的多机器人任务分配方案，实现对多机器人的任务分配。

2. 研究的基本内容与方案

本次设计主要对基于粒子群算法的多机器人分配问题的背景及应用进行详细分析，并对算法进行简要概述，随后列举出已有文献中的一些预测方法，并对其中一些方法进行实现，最后提出一种新的改进粒子群算法。

任务分配的目的是寻求任务分配给机器人的方案, 使全局目标效应最优。可采用集合和状态空间两种途径对多机器人任务分配问题进行描述。利用集合可将机器人任务分配描述为: 给定任务集 T, 机器人集 R,R=2R为 R 所有子集的集合, 将任务 T 分配给 R 的一个分配方案为:A: T→R。每个机器人子集 r∈R, 其计算执行任务子集 t∈2T的代价函数为: Cr: 2T→R ∪{∞}, 求解分配方案子集 A*∈RT使得全局代价函数 C: RT→R ∪{∞}最小, 其中 RT为将任务集 T 分配给机器人 R 的方案集。这个定义包含了几乎所有多机器人系统任务分配问题, 如果任务集 T 和机器人集 R定义为时间的函数 T( t) , R( t) , 并对目标函数在每个时刻进行最小化, 这个定义就涵盖了动态添减任务或机器人的情况。采用状态空间对多机器系统任务分配进行描述时, 将机器人协调看成各机器人状态空间 S 到其动作空间 A 的映射 S|R|→A|R|(|R|为机器人个数) , 任务分配要求机器人根据状态对任务进行投标, 从而映射转换成 B|R|T|→T|R|, 将所有机器人的状态空间转换为机器人对任务的投标空间, 将机器人的动作空间转换为任务空间。其中 B 为机器人投标空间, T 为机器人任务空间。然而即使在已知环境下求解这样的映射都为 NP 难题, 许多学者在不同应用领域利用不同的多机器系统任务分配方法进行了尝试

多机器人任务分配方法主要有基于行为的分配方法、市场机制方法、群体智能方法、基于线性规划的方法、基于情感招募的方法、基于空闲链的方法等。因此设计中必须先对这些数据模型进行深入学习，能够通过编程的方式实现这些模型，并对每种模型的利弊进行深入研究，才能够采百家之长，克服单一算法的缺点。群体智能算法中的蚁群算法和遗传算法广泛的被学者与粒子群算法结合，从而克服了搜索范围小容易陷入局部最优的缺点，其次针对粒子群算法中的惯性因子和加速度系数的取值也需要多次调试才能确定。

3. 研究计划与安排

（1）1-2周：阅读必读参考文献，提出设计方案并撰写开题报告

（2）3-4周：查阅其他相关文献，对现有的基于粒子群算法的多机器人任务分配问题进行研究

（3）5-6周：针对基于粒子群算法的多机器人任务分配问题调研

4. 参考文献（12篇以上）

[1] 李 炜 , 张伟 . 基 于 粒 子 群 算 法 的 多 无 人 机 任 务 分 配 方 法 [j]. 控 制 与 决 策 , 2010,25(9):1359-1363.

[2] 尹高扬, 周绍磊, 莫骏超,等. 基于多目标粒子群优化的无人机协同多任务分配[j]. 计算机与现代化, 2016(8):7-11.

[3] 杨尚君, 孙永维, 庞宇. 基于改进鱼群算法的多无人机任务分配研究[j]. 计算机仿真,2015, 32(1):69-72.