基于群体智能优化算法的移动机器人分组聚集方法

摘要

为了应对多个混合移动机器人集群在进行分组聚集时速度慢、成功率低等问题，设计了一种基于群体智能优化算法的分散式的分组聚集导航方法，使得每个机器人只利用有限感知范围内其他机器人的信息，结合灰狼优化(GWO)算法的原理来计算其与同组其他机器人进行聚集的首选导航速度。在确定每个机器人可利用的局部信息时，根据各组机器人的信息共享意愿，分为不同组之间相互合作和相互独立两种情况分别进行设计，从而实现了对原始的集中式GWO算法的分散化处理与应用。进一步对原始GWO算法进行改进，通过采用非线性收敛因子来提高机器人的前期探索能力，从而增大与同组成员的相遇概率，最终提高分组聚集的成功率。为了避免移动过程中机器人之间发生相互碰撞，利用分散式的最优互惠避碰(ORCA)算法对每个机器人的首选导航速度进行修正。仿真结果显示了所设计的不同分组聚集导航算法的有效性，并且相较于现有的基于粒子群优化(PSO)算法的分组聚集方法，所设计的各算法均具有更高的成功率、更快的收敛速度及更强的稳定性。

关键词

移动机器人集群 / 导航方法 / 分组聚集 / 灰狼优化算法 / 有限感知