智能群体系统的协同控制

风靡全球

智能群体系统的协同控制

基于群体动力学的研究结果揭示出智能个体的动力学特性大致如下（1）简单性：表现在个体的智能相对简单；（2）鲁棒性：表现在它没有中心的控制，不会由于一个或某几个个体的故障影响整个群体行为。它体现了群体系统对于失误的忍耐能力；（3）分散性：表现在群体中相互合作的个体是分布的；（4）自组织：表现在经个体自主的演化使得群体表现出显著的整体性质，即涌现；（5）可靠性：表现在系统完成一项任务的稳定性程度，它直接反映了控制策略的优劣；（6）一致性：表现在系统作为一个整体通过协调控制使其行为决策值趋于一致。相似问题的研究可延拓至智能群体系统运动协调控制性能的评估中。当不同的个体组成群体系统去完成一项任务时，一致性指标尤为重要。要想获得好的系统性能，就要对群体系统中的由智能个体动力学特性表征的个体模型进行精确的研究，同时也要对控制策略进行优化，如采用分布式的控制策略。使群体中的智能个体之间通过交互作用，可在运动中达到整体上的动态稳定。显然，智能个体动力学特性的研究，可揭示出生物集群行为的基本特征，尤其是简单个体规则与复杂整体行为之间的潜在关联；加深了人们对群体系统复杂行为和协调机制的认识和理解, 也为进一步的理论分析和应用提供了思路、借鉴及重要的基础。

    智能群体是由许多结构相对简单、能力有限的智能个体按照一定的关系相互联系在一起组合而成的结构相对复杂、功能强大的群体系统。群体中的智能个体不是单独的进行推理及行动，而是受生物集群行为的启示涌现出一种“社会性”。协同机制使群机器人等智能群体系统与单体系统相比具有诸多优势，在执行大规模复杂任务时，协同移动的群机器人系统具有较高的工作效能和较强的容错能力，其系统性能良好。运动协调机制是群机器人系统协同控制研究中的一个重要分支。它研究如何将多个机器人组织为一个群体并使各个机器人单体有效地协调运动，实现速度、方位等行为策略值趋于一致，产生总体解决问题的能力群机器人系统的功能也是通过相互协作而体现。因此，协调控制成为群机器人系统控制的途径。群机器人协调控制策略是群机器人系统研究的核心。研究灵感来自于生物界的集群现象。群机器人协调控制策略给出了系统中个体获取信息的方式和系统进行运动决策的方法，很大程度上决定了系统的结构。

) Z5 x5 B6 B5 i; P/ _3 l* y