搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
出版时间 :
无库存
无人集群系统智能规划与协同控制技术
0.00     定价 ¥ 80.00
泸西县图书馆
此书还可采购1本,持证读者免费借回家
  • ISBN:
    9787030727954
  • 作      者:
    张栋,等
  • 出 版 社 :
    科学出版社
  • 出版日期:
    2022-08-01
收藏
精彩书摘
第1章 集群行为及其概述
  集群行为是一种常见于自然界中鸟群、蚁群、狼群、雁群等生物群体的集体行为,生物群体中的个体通过局部感知作用、简单的通信规则和简单的行为动作可以涌现出群体智能的行为,即所谓的集群智能现象。本章介绍了生物群体的典型行为和群体智能的特点,进而给出了集群的概念和内涵,通过一致性问题将生物界群体现象与实际应用问题结合,给出了集群技术相关的应用现状。1.1节介绍了集群的觅食行为、种群的交流机制以及分工协作机制,进而给出了生物群体的统一优化框架;1.2节介绍了集群的概念和内涵;1.3节介绍了集群智能涌现的一致性问题描述及典型应用;1.4节介绍了无人系统集群国内外研究的现状以及典型的集群项目。
  【学习要点】
  ● 掌握:① 群体智能的概念;② 集群智能的概念;③ 一致性问题的内涵。
  ● 熟悉:① 集群智能的仿真模型;② 一致性问题的应用场景;③ 种群的交流机制以及分工协作机制。
  ● 了解:① 典型的集群项目;② 生物群体的统一优化框架。
  1.1 集群的行为
  自然是人类创新灵感的不竭源泉,生物智能是智能科学研究的出发点和归宿。在生物群体系统中,简单部分的结合能产生复杂的整体效应,即整体大于部分之和,这样的现象称为复杂系统的涌现现象。其本质是由简单到复杂,由部分到整体。蚁群系统、人体免疫系统等表明: 少数规则和规律相互作用可以生成复杂的系统,涌现是其产生整体复杂性的基本方式。另外,涌现也是群体智能、进化计算等生物启发计算方法研究的关键问题。由许多个体相互作用,在群体层面涌现出复杂智能特性,这是生物智能产生的基本方式。
  本节重点介绍了典型生物种群的觅食行为、交流机制、分工与协作机制,进而给出了基于生物群体的统一优化框架。如果读者想要深入研究本节内容,可参考文献[1]。
  1.1.1 觅食行为
  1.1.1.1 蚂蚁觅食
  蚂蚁种类繁多,是生活在地球上数量*多的社会性昆虫。蚂蚁觅食,是多个个体参与组织有序的集体过程。蚂蚁个体的行为模式相对简单,行为规则容易建立。因此,蚂蚁觅食行为模型不仅是昆虫学家、生态学家的研究对象,也是人工智能专家的研究课题。
  蚂蚁一般采用个体和群体相结合的觅食方式。研究发现大多数蚂蚁种类都是少量个体分散寻觅食物,当发现超过自身所能搬运的、较为丰富的食物时,会立刻召唤同伴共同搬运。如我们在马路边常可以看到一群蚂蚁捕食大型昆虫的现象。这种方式不仅使蚂蚁能够共同搬运较大的食物,而且使蚂蚁总是趋向食物*为丰富的区域。
  1.1.1.2 蜜蜂觅食
  蜜蜂具有非常特殊的觅食行为,对其觅食行为的研究可以追溯到达尔文本人,他曾对这种社会性昆虫进行过大量的研究。蜜蜂在蜂巢外进行觅食时必须具有飞行定向的能力,关键是能从环境中获取必要的信息并加以利用。蜜蜂为了觅食往往要飞行几千米的距离,通常年幼的工蜂会留在巢内工作(称内勤蜂),主要负责包括喂养照料幼虫和清洁蜂巢等。待发育到一定年龄后才会离开蜂巢进行觅食或寻找新蜜源地(称外勤蜂),此时他们的活动靠的是视觉和嗅觉。当他们第一次离开蜂巢并不是马上就开始觅食活动,而是多次返回蜂巢并在蜂巢上方上下飞翔几分钟,这种行为称为“定向飞行”,它显然可以使觅食者辨明并记住蜂巢在环境中的相对位置。当蜜蜂发育到一周龄时便开始这种“定向飞行”,而直至发育到3周龄时才会开始真正的觅食活动。
  1.1.2 群体智能
  种群(population)是指在一定时间内占据一定空间的同种生物的所有个体。表面看来,种群是由多个个体组成,这些个体在一定的时间及空间内进行觅食、筑巢和繁殖等工作。但实际上,群内的各个个体并不是孤立的,而是通过种内关系组成的一个有机的统一体来共同完成上述工作。
  实际上,自然界中的许多生物都是以种群的形式存在。例如蚂蚁及蜜蜂等昆虫都是共同筑巢﹑共同保卫自己的巢穴,并且通过集体的配合来更加有效地寻找食物。一群狼能够共同打败一头雄性美洲野牛,使每个个体都能够得到食物,而单独一只狼很可能会因为饥饿而死亡。这种由简单主体无法单独实现某一个功能或完成某一项任务,但众多简单主体组成群体后,通过相互作用即可表现出复杂智能行为即为群体智能。大多数具有群居生活习性的生物系统一般都具有比较相似的群智能行为。现已提炼形成的人工系统模型主要反映的是蚁群、鸟群、蜂群、鱼群和菌群等群智能行为特征,如表1.1所示。
  虽然,上述这些群体智能的各种生物学原型和行为目的有所差别,但它们的内部结构和运行机理却有共同之处,即在一定的地域范围之内存在多个能力简单的个体,大部分个体在结构和功能上都是同构的;种群内没有中心控制,个体间的相互合作是分布式的;个体间遵循简单的规则进行交互和协作。简单地说,种群的宏观智能都是由微观存在的一些地理上分散的简单个体间协同进化所涌现出来的。表1.1群体行为及其算法算法群 体 行 为蚂蚁优化算法蚁群觅食LS算法、KLS算法蚂蚁公墓形成、幼虫分类任务分配算法蚂蚁分工粒子群优化算法群鸟觅食或飞行菌群优化算法菌群觅食狼群优化算法狼群觅食蜂群优化算法蜂群觅食鱼群优化算法鱼群觅食或游动1.1.3种群的交流机制
  1.1.3.1 信息传递种类
  信息交流是指信息随其载体在时间与空间中的流动,交流双方随之产生各自后续行为的过程。在生物种群中,适应性个体要想生存离不开彼此的信息交流。人类通过语言等来交流,生物则通过某种行为,声音或者分泌“信息素”来实现信息交流。动物传递信息所用信号有三种: 物理信息、化学信息和行为信息。物理信息是指生态系统中的光、声、温度、湿度和磁力等通过物理过程传递的信息;化学信息是指生物产生一些可以传递信息的化学物质,如植物的生物碱、有机酸、性外激素等;行为信息是指动物的特殊行为,向同种或异种生物传递特定的信息。
  生物个体间通过信息的交流,能了解和感知目前的环境状况,继而产生一系列适应性行为以求继续生存。它在保证生命活动的正常进行、种群的繁衍、调节生物种间关系及维持生态系统稳定等方面都具有重要作用。如蚂蚁群体为了在个体间交流信息,会释放信息素。先行的蚂蚁在路上留下一种信息素,后面的蚂蚁选择信息素浓度更高的路径,由此形成一种信息正反馈机制,通过不断重复,*终绝大多数蚂蚁走的都是*短的路线。利用化学物质进行传递信息是蜜蜂的交流方式之一。蜜蜂在从新发现的蜜源地飞回巢穴的途中,每飞行几米便从大颚腺中分泌出一种信息素,这种分泌物迅速挥发,弥散在空中,这样就在新蜜源地和蜂巢之间架起一条空中的气味走廊,其他蜜蜂便会沿着这条无形的空中走廊直飞目的地。在无风的天气,这条空中走廊可以维持很长时间。如表1.2所示的是现有群体智能算法中个体信息传递载体及其作用。表1.2信息传递种类及作用算法信息传递载体作用类型蝙蝠算法声回声定位物理信息萤火虫算法光在区域内寻找伙伴,实现位置进化物理信息蚁群算法蚂蚁分泌的信息素寻找*优觅食路线化学信息菌群觅食算法细菌分泌的自诱导剂群体觅食化学信息蜂群算法蜜蜂分泌的信息素群体觅食化学信息布谷鸟算法布谷鸟寻窝随机走寻找*佳鸟窝产卵行为信息粒子群算法鸟的社会行为飞行或觅食行为信息细菌趋化算法趋化行为个体觅食行为信息有些动物的信息传递载体不止一种,而是根据不同的交流目的来使用其相应的传递载体。化学信息是蚂蚁的主要交流载体,此外,还包括物理信息,如视觉、听觉和触觉等。如蚂蚁的声音有摩擦和敲打两种发声方式,发出的声音有报警、召集等多种信息。另外,蚂蚁也可以通过个体间触角接触、抚摸、抓紧、快速前进或后退等身体活动进行信息交流。
  1.1.3.2 信息交流方式
  简单地讲,信息交流是指信息的所有者和需求者彼此互通有无、以达共享信息资源目的的传递交换活动。信息从所有者传递到需求者的方式可分为不同类型,按照信息是否从信息发出者直接传递给信息接收者可分为直接交流和间接交流,如图1.1所示。
  图1.1 直接交流和间接交流
  1. 直接交流
  直接交流是指信息交流信号的产生和发出都有明确的意图和目的指向性,无须经过第三者处理,可以直接为对方所接收。简单地说,个体明确地知道自己所要传递的是什么信息,想达到什么目的,想要传递给谁。例如: 蚂蚁通过触角碰撞传递信息,蜜蜂通过舞蹈传递信息等。
  2. 间接交流
  间接交流是指个体通过中介进行交流,该中介可以是其他个体,也可以是环境。如个体可以先改变局部环境,或者在环境上留下标记,其他个体在一定时间后通过感知环境变化,以获得相应的信息。间接交流不一定有明确的意图,更多的是一种进化得来的本能行为。例如蚂蚁和蜜蜂在寻食的路径上释放信息素,不管这条路径上还有没有食物,它们都会采取这样的行为。而且这种交流方式也没有针对性,并不面向特定个体。虽然单个个体的这种行为似乎并没有太大意义,但是映射到群体层面的行为却从客观上增加了群体对环境的适应性。
  3. 区别及联系
  跟直接交流相比,间接交流具有一定的优势,主要体现在调动资源少,通信范围大,避免了个体信息发送能力的不足;其缺点是不具有灵活性,且信息延迟比较大。在间接交流中,个体一般在环境中做标记,其他个体通过感知环境的变化来采取相应的行为。相比之下,间接交流方式非常经济,不仅在自然生物中如此,在人工系统中也同样如此。极小的一个信号导致的环境变化,能够引起整个种群的极大变化。但是,这种交流方式只能用来表示非常简单的、不带有强烈倾向性的启发式信息,不具有灵活性,也无法包含更复杂的含义,即信息的粒度非常小。
  1.1.4 分工协作与分布式合作
  在自然界中,一方面,社会性群居动物的个体通常是分布在种群空间内不同的地理位置,且有着不同的劳动能力;另一方面,群内的任务是各种各样的,如狩猎、防御及觅食等,单个个体是无法完成的。因此,群居动物为实现群体对复杂环境的适应,联合了地理上分散及功能上异同的所有个体来共同完成复杂的、智能的任务,由此便出现了分工协作及分布式合作。通过分工,个体各司其职,每个个体只需完成其熟悉的简单任务,而通过它们之间的相互协作,整体目标得以达成,如图1.2所示。
  图1.2 分工协作与分布式合作
  1.1.4.1 蚁群的分工与协作
  在一些筑巢、寻食、清理巢穴等日常行为中,蚂蚁能很好地相互进行协作,共同完成任务。一个完整的蚂蚁群落一般包括四种不同类型的蚂蚁: 蚁后、雄蚁、工蚁和兵蚁。其中,蚁后是群落中唯一有生殖能力的雌性,主要负责繁殖后代;雄蚁主要负责和蚁后进行交配;工蚁数量*多,是群落中的主体,负责建造巢穴、采集食物、喂养幼蚁和蚁后等;兵蚁则进行警戒和保卫工作。四种蚂蚁各司其职,密切配合,相互协作,共同构成了一个完整的群落社会系统。
  蚂蚁的一些行为机制,已经被引入人工智能领域,用来设计启发式算法。但是,迄今有许多的蚂蚁行为,生物学家还未能探索出其协作的机制和原理。例如,切草蚁在收获食物时,一部分工蚁负责切割食物,另一部分负责搬运食物。在这个过程中,切割者能根据路径的距离、通道的大小和搬运者的数量来决定将草叶切割成适当的大小。
  1.1.4.2 蜂群的分工与协作
  蜜蜂也是分布式分工协作性*强的社会性昆虫之一。在蜜蜂群落中,通常包括一个有产卵能力的蜂王,一些有繁殖能力的雄蜂和生理机能未发展进化的工蜂。其中,蜂王和雄蜂专门负责生育后代,而工蜂是群落中的主体,它们负责收集花粉和花蜜,并将其送到特定的地点。在一个群落中,如果一只蜜蜂受到攻击,这只蜜蜂就会召唤群体,一同对敌人展开反击;蜂巢中如果有异类入侵,蜜蜂就会动员其中的所有个体,同心协力地把入侵的异类赶出巢穴。
  蜜蜂的协作性从其抵抗低温的行为方式中也可见一斑: 当巢内温度低于13℃时,它们在蜂巢内互相靠拢,结成球形团在一起,温度越低结团越紧,使蜂团的表面积缩小,密度增加,防止降温过多。同时,由于蜂球外表温度比球心低,在蜂球表面的
展开
目录
目录
丛书序
前言
第1章 集群行为及其概述 001
1.1 集群的行为 001
1.1.1 觅食行为 002
1.1.2 群体智能 002
1.1.3 种群的交流机制 003
1.1.4 分工协作与分布式合作 005
1.1.5 基于生物群体的统一优化框架 006
1.2 集群的概念和内涵 007
1.2.1 集群智能的概念 007
1.2.2 集群智能仿真模型 008
1.3 群智涌现的一致性问题 011
1.3.1 集群行为与一致性 011
1.3.2 一致性的典型应用 012
1.4 无人系统集群研究与应用现状 013
1.4.1 国内外研究现状 013
1.4.2 典型蜂群项目简介 015
1.5 本章小结 022
1.6 课后练习 023
参考文献 023
第2章 无人系统集群智能的关键技术 026
2.1 集群的自主控制技术 026
2.1.1 自主控制系统等级划分 026
2.1.2 基于认知行为的自主控制系统 028
2.1.3 基于人工智能的智能控制系统 029
2.1.4 发展趋势 030
2.2 集群协同作战系统结构和典型样式 031
2.2.1 协同作战体系结构 031
2.2.2 协同作战的典型样式 039
2.3 集群智能的关键技术 043
2.3.1 集群分布式的态势感知与认知技术 043
2.3.2 强对抗环境下的集群智能决策技术 047
2.3.3 集群协同规划技术 050
2.3.4 集群自主控制技术 054
2.3.5 仿真验证技术 059
2.4 本章小结 061
2.5 课后练习 061
参考文献 061
第3章 多智能体系统及集群系统的体系架构 062
3.1 智能体与多智能体概念 062
3.1.1 智能体与多智能体的定义 062
3.1.2 多智能体的协调机制 066
3.1.3 多智能体的协调控制问题 070
3.1.4 多智能体系统的应用 072
3.2 集群系统的体系架构 073
3.2.1 系统架构的内涵 073
3.2.2 典型的体系架构 073
3.3 集群动力学模型 077
3.3.1 数学方程建模方法 077
3.3.2 集群模拟平台 079
3.4 本章小结 082
3.5 课后练习 083
参考文献 083
第4章 多智能体一致性理论与方法 086
4.1 基础知识 086
4.1.1 符号说明 087
4.1.2 矩阵论基础 087
4.1.3 代数图论基础 087
4.1.4 非线性时不变系统基础 088
4.2 一阶模型的一致性理论 089
4.2.1 基本算法 089
4.2.2 时不变通信拓扑下的一致性分析 090
4.2.3 时变通信拓扑下的一致性分析 091
4.2.4 仿真分析 091
4.3 二阶模型的一致性理论 093
4.3.1 基本算法 093
4.3.2 一致性分析 094
4.3.3 仿真分析 095
4.4 异构模型的一致性理论 097
4.4.1 基本算法 097
4.4.2 一致性分析 097
4.4.3 仿真分析 099
4.5 通用模型的一致性理论 099
4.5.1 基本算法 099
4.5.2 一致性分析 100
4.5.3 仿真分析 102
4.6 基于事件触发的一致性理论 103
4.6.1 基本算法 104
4.6.2 事件触发方案设计 105
4.6.3 一致性分析 107
4.6.4 可行性验证 108
4.6.5 仿真分析 109
4.7 本章小结 111
4.8 课后练习 111
参考文献 113
第5章 无人机集群任务分配技术 114
5.1 集群任务分配场景描述 114
5.1.1 典型任务场景 114
5.1.2 任务特性分析 116
5.2 集群任务分配数学模型 118
5.2.1 集群任务分配模型 118
5.2.2 动态任务分配模型 122
5.3 集中式任务分配算法 126
5.3.1 集中式任务分配算法概述 126
5.3.2 基于蚁群的动态任务分配算法 128
5.4 分布式任务分配算法 138
5.4.1 分布式任务分配算法概述 138
5.4.2 基于合同网的分配算法 140
5.5 本章小结 148
5.6 课后练习 148
参考文献 149
第6章 无人机集群航迹规划技术 150
6.1 典型航迹规划场景 150
6.1.1 区域封锁任务 151
6.1.2 协同打击任务 151
6.1.3 异构协同任务 152
6.2 航迹规划系统的组成 154
6.2.1 航迹规划系统框架 154
6.2.2 航迹规划构成要素 156
6.2.3 航迹规划实现流程 158
6.3 航迹规划系统的数学模型 161
6.3.1 多约束的航迹规划模型 161
6.3.2 典型任务的航迹规划模型 166
6.4 航迹规划的算法简介 173
6.4.1 航迹规划方法概述 173
6.4.2 A算法 175
6.4.3 Dubins算法 177
6.4.4 RRT算法 179
6.4.5 动态航迹规划求解 180
6.5 航迹轨迹的平滑与检测 181
6.5.1 航迹平滑 181
6.5.2 航迹检测 184
6.6 本章小结 186
6.7 课后练习 186
参考文献 187
第7章 集群编队控制技术 189
7.1 巡飞弹集群编队控制问题描述与模型 189
7.1.1 编队控制问题描述 189
7.1.2 编队控制数学模型 191
7.2 基于事件驱动的分布式编队控制技术 195
7.2.1 基于事件驱动的一致性理论 195
7.2.2 基于事件驱动的弹群一致性编队控制 196
7.3 弹群编队突防技术 199
7.3.1 编队突防方案 199
7.3.2 编队突防模型 201
7.3.3 离线突防全局规划 202
7.3.4 在线突防局部避障 206
7.4 弹群编队作队形优化设计技术 213
7.4.1 模型描述 213
7.4.2 队形设计性能指标模型 216
7.4.3 求解策略 217
7.5 本章小结 220
7.6 课后练习 220
参考文献 222
第8章 群智能优化算法简介 223
8.1 鸽群算法及其原理 223
8.1.1 算法模型与原理 223
8.1.2 应用与展望 225
8.2 狼群算法及其原理 226
8.2.1 算法模型与原理 226
8.2.2 应用与展望 229
8.3 蜂群算法及其原理 230
8.3.1 算法模型与原理 230
8.3.2 应用与展望 233
8.4 鱼群算法及其原理 234
8.4.1 算法模型与原理 234
8.4.2 应用与展望 236
8.5 菌群算法及其原理 237
8.5.1 算法模型与原理 237
8.5.2 应用与展望 239
8.6 本章小结 239
8.7 课后练习 240
参考文献 240
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

温馨提示:请使用泸西县图书馆的读者帐号和密码进行登录

点击获取验证码
登录