一种基于部分交互的群集系统避险方法

1.本发明涉及群集机器人领域，具体是一种基于部分交互的群集系统避险方法。


背景技术：

2.群集运动在大自然中是一种普遍现象，只要细心观察那么在每个人的身边随时就可以发现生物群体的运动。仰望天空，一定看到过成群结队的鸟群，它们一会呈直线往前，一会大幅度的转弯，看似普遍的现象却给细心的研究者留下了一个问题：它们是如何做到几百只鸟几乎同时间统一的拐弯的？在解答这个问题之前，学者们也研究了大自然界中很多其他生物群体运动的现象，如：沙丁鱼群为了躲避天敌的捕食从而结成队，几乎和鸟群一样也是通过统一的转弯躲闪等动作来甩开捕食者，类似的还有蝗虫的集体跃迁，到微观世界中细菌、细胞乃至蛋白质微管的集体移动，以及出现在各种场合的人群都是群集运动的典型代表。
3.这些现象看似是一个主体在操控，实则是由大量自主个体所组成的群体，那么它们在飞行、巡游及移动过程中如何形成各种各样协调有序的集体运动模式，又如何就外部作用迅速地、几乎步调一致地改变当前运动状态，这种高度协调且极度有序的集体运动模式的产生机理和内在机制，长期以来一直是群集运动研究所探讨的核心问题。最初，对集群机器人的研究在于机器人之间间接通信和协调的手段。跟随着早期研究的步伐，2000年之后出现了一些专注于对象检索、聚类和对象排序的研究。这些研究始于观察所得的群居昆虫的已知行为，并且部署了具有相似行为的集群机器人。
4.而对群集机器人的避障避险研究是非常重要的方面，提出了如模糊控制避障的方法，将增强学习法引入群集控制的方法，或者用神经网络来提升机器人避险运动平滑性等方法。但是因为上述研究多使用“信息一致性”为基础的平均式交互，使外部有效刺激容易在群内“被淹没”，阻碍了外部有效信息在群内的传播，存在效率不高的问题，成为群集机器人技术发展的瓶颈。
5.近年来研究者提出了基于选择式交互或者局部交互的协同避险方案，如选择群体中感受外部信息最明显的个体为其他机器人权重高的信息来源，或者为集群选择领导者等方法，为机器人系统避险避障研究提供了新的思路。


技术实现要素：

6.发明目的：本发明目的在于提供一种基于部分交互的群集系统避险方法。通过避险信息部分交互，制定基于聚类系数的群集系统避险方法，实现了群集系统避险效率一定程度上的优化。
7.技术方案：本发明的具体步骤如下：
8.s1：确定边长为l的无边界上下左右互通的二维空间，在范围内随机初始化n个粒子和一个捕食者，初始参数包括粒子坐标，方向，粒子感知半径，粒子速率和捕食者速率。
9.s2：计算每个粒子的聚类系数和粒子与捕食者的距离。
10.s3：粒子根据其感知半径内的粒子的聚类系数和其与捕食者的距离更新自己的方向。
11.s4：捕食者根据其感知半径内的粒子更新自己的方向。
12.s5：判断是否有粒子满足被捕食条件，并以此更新粒子的坐标和数量，并更新捕食者的坐标和方向。
13.s6：判断粒子数量是否满足结束条件，如果满足则退出，否则循环s2-s6。
14.步骤s1中，本实验的参数包括：二维空间长度l、粒子数量n、感知半径r、粒子速率vel、捕食者速率vb。
15.步骤s2中，聚类系数计算方法为：
[0016][0017]
其中，ci为i粒子的聚类系数，ki为其感知范围内的粒子数量，若i感知范围内每存在两个粒子可以感知到对方记为一条边数，则ei为实际边数的数量，(ki(k
i-1))/2为边数的理论最大值。实验中的距离均为欧几里得距离。
[0018]
步骤s3中，本实验中粒子方向更新方法为：如果粒子感知半径内没有捕食者，则方向更新为其感知半径内的粒子和包括该粒子在内的聚类系数最大的粒子的方向；否则方向更新为从捕食者指向该粒子的矢量的方向。
[0019]
步骤s4中，本实验中捕食者方向更新方法为：判断其感知半径内是否有粒子，如果有，则捕食者方向更新为从捕食者指向距离其最近的粒子的矢量的方向；否则，捕食者方向不改变。
[0020]
步骤s5中，本实验中捕食条件为捕食者与距离其最近的粒子的距离是否小于等于捕食者的速率减去粒子的速率，如果是，则满足捕食条件，否则不满足捕食条件。如果不满足捕食条件，则粒子坐标更新为以其当前位置为起始点，指向该粒子方向，且大小为粒子速率的向量的顶点位置，粒子数量n不变，捕食者坐标更新步骤与粒子相同。如果满足捕食条件，则删除距离捕食者最近的粒子，粒子数量n减一，其余粒子坐标更新步骤同上，但捕食者坐标更新为被删除粒子的坐标更新后的位置，其方向更新为随机。
[0021]
步骤s6中，本实验中，粒子数量减为初始粒子数量的10％时退出实验，以减少在实验粒子数量偏少的情况下大范围内捕食者与粒子无法互相感知而造成的大随机性对实验结果的影响。
[0022]
实验效果：在l为8，感知半径0.5，粒子速率为0.1，捕食者速率0.2，粒子数量衰减为初始量20％停止的初始条件下。粒子数量从100开始，每次增加20，n每次变换后进行实验20次，取总体结果平均值。
[0023]
实验效果如下：
[0024]
当n从100开始，每次增加20，n＝400时停止实验，粒子总体存活时间平均增加54.36％。
[0025]
附图表说明
[0026]
图1是粒子数量在n＝400时在加入聚类系数避险法和未加入聚类系数避险法两种情况下进行10次实验的总体粒子存活时间的关系图。
[0027]
图2是粒子数量与粒子总体存活时间平均增加率的关系图。
[0028]
图3是在n为100时加入避险方法模型的某时刻的粒子与捕食者位置图。
[0029]
图4是在n为100时未加入避险方法模型的某时刻的粒子与捕食者位置图。
具体实施方式
[0030]
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚完整的描述。显然，所描述的实施方式是本发明一部分实施方式，而不是全部实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0031]
一种基于部分交互的群集系统避险方法，包括以下步骤：
[0032]
s1：在群集机器人系统中的每个机器人安装位置传感器；
[0033]
s2：每个机器人通过单片机等微处理器计算感知半径内每个粒子的聚类系数和是否有捕食者；
[0034]
s3：机器人通过聚类系数和是否能感知度捕食者来更新自身速度方向以达到避险；
[0035]
最后应说明的是，以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于部分交互的群集系统避险方法，其特征在于，包括以下步骤：s1：确定边长一定的无边界上下左右互通的二维空间，在范围内随机初始化若干个粒子和一个捕食者，初始参数包括粒子坐标，方向，粒子感受范围，粒子速率和捕食者速率。s2：计算每个粒子的聚类系数和粒子与捕食者的距离。s3：粒子根据其感知半径内的粒子的聚类系数和其与捕食者的距离更新自己的方向。s4：捕食者根据其感知半径内的粒子更新自己的方向。s5：判断是否有粒子满足被捕食条件，并以此更新粒子的坐标和数量，并更新捕食者的坐标和方向。s6：判断粒子数量是否满足结束条件，如果满足则退出，否则循环s2-s6。2.根据权利要求1所述的一种基于部分交互的群集系统避险方法，其特征在于：以无边界模型来计算聚类系数，符合现实世界粒子避险范围的无界限要求。3.根据权利要求1所述的一种基于部分交互的群集系统避险方法，其特征在于：粒子感应到捕食者后的避险方向信息由聚类系数这一特性传递到其他粒子，实现了各粒子间避险信息的部分交互。4.根据权利要求1所述的一种基于部分交互的群集系统避险方法，其特征在于：通过聚类系数逐步实现各个粒子的避险方向统一，减少了捕食者没有感应到粒子时遇到粒子并捕食的可能性。5.根据权利要求1所述的一种基于部分交互的群集系统避险方法，其特征在于：通过聚类系数将各粒子聚合在一起，使各粒子感应到捕食者后四散逃离，增加了各粒子被捕食者感应后捕食者再次感应到各粒子的难度。6.根据权利要求1所述的一种基于部分交互的群集系统避险方法，其特征在于：通过以上特征，加入聚类系数避险算法，提升各粒子在被捕食情况下的整体存活时间。

技术总结
本发明属于群集机器人领域，具体是一种基于部分交互的群集系统避险方法，包括：通过聚类系数这一特征实现群集机器人内部信息的部分交互，实现对捕食者的避险。实验结果表明：加入部分交互避险算法比未加入的算法群体粒子总体平均存活时间增加显著。总体平均存活时间增加显著。总体平均存活时间增加显著。


技术研发人员：卢新彪 范一博 汤明轩
受保护的技术使用者：河海大学
技术研发日：2023.03.29
技术公布日：2023/8/1