聚类分组的异构多机器人任务分配算法在城市作战中的应用

"郑习羽，徐梓毓，王京华． 基于聚类分组的异构多机器人任务分配算法研究［J］. 航空兵器，2022, 29 ( 4 ) : 100 -109" 在城市作战或其他复杂环境的任务执行中，异构多机器人系统的任务分配问题是一项关键挑战。这篇由郑习羽、徐梓毓和王京华发表的研究论文提出了一个基于聚类分组的一致性束算法（C-CBBA），针对具有时间窗约束的大规模任务分配问题提供了解决方案。多机器人任务分配涉及到如何高效、合理地将大量任务分配给不同能力和特性的机器人，以实现整个系统的最优性能。 论文首先介绍了问题背景，强调了在有限的时间窗口内，如何有效地调度多种类型的机器人处理各种任务目标的重要性。传统的任务分配方法可能无法应对大规模、动态和复杂的问题，因此，研究者们设计了一个分布式算法，旨在通过聚类分组将大问题简化为小规模子问题，从而提高计算效率。 C-CBBA算法分为三个主要步骤：第一，采用K-means算法对任务目标点进行初步分类，依据机器人与任务点之间的距离进行聚类；第二，根据每个组内机器人的载荷能力，调整任务点的分配，确保任务不会超出机器人的处理能力；第三，应用延迟接受算法（DA）为每个聚类分配最近的机器人，进一步优化分配方案。 接下来，研究中改进了基于一致性的束算法（CBBA），对每个子问题进行精细化的任务分配。CBBA是一种协同优化策略，能够考虑机器人之间的相互影响，通过信息交换和迭代更新来寻找全局最优解。C-CBBA算法结合了这一思想，能够在保持较高任务完成度的同时，减少机器人之间的通信量，这对于实时性和能源效率具有重要意义。 仿真结果显示，提出的C-CBBA算法在解决大规模任务分配问题时表现优越，不仅任务完成度高，而且减少了通信开销，适用于无人机、无人车等无人系统在救援搜索、行星探索、军事行动、生产调度和资源分配等领域的广泛应用。 这篇论文对多机器人任务分配领域的研究做出了贡献，提供了新的思路和方法，对于实际操作中的任务规划和执行具有指导价值。其研究方法和结果对于优化复杂环境下异构多机器人的协同工作具有重要的理论和实践意义。