【正文】 in等[8]研究了自適應編隊控制問題。對于一個自主式移動機器人網(wǎng)絡(luò)，其中只有兩位領(lǐng)導者知道規(guī)定的速度，而其他的追隨者與固定的兩個鄰居以一種自適應控制率形成特定的三角形編隊，因此無需知道鄰居的速度。一組任意的幾何圖案都可以由兩個領(lǐng)導者與N個追隨者通過特定的鄰居關(guān)系與指定的跟隨編隊實現(xiàn)。這樣實現(xiàn)了多自主體的任意多邊形編隊的同步運動,使得多邊形編隊有了更大的現(xiàn)實意義。2009年，Gangfeng Yan等[9]研究了一群自由運動的自主體協(xié)調(diào)跟蹤目標的問題。他們提出了一種基于混合控制的新方法和協(xié)調(diào)跟蹤目標的可達性規(guī)范。當自主體遠離目標時它們會接近目標，然后切換到協(xié)調(diào)移動狀態(tài)，最終自主體們環(huán)繞在目標四周并在相互之間保持相等的角距離來合作地捕獲目標。2010年，Gangfeng Yan等[10]研究了一群自由運動的自主體的對運動目標的圍合問題，這可以看做實現(xiàn)一個圍繞一個事先不知道它的運動的移動目標的編隊的必要的條件。需要一個局部控制規(guī)律，僅僅利用目標和它的鄰居間的先對位置的信息，來解決這個問題。這個控制器是基于對目標追蹤這個任務(wù)和交互機器人的協(xié)調(diào)這個任務(wù)去耦。經(jīng)過證明，一群自主移動智能體協(xié)作的估計目標的速度，然后漸漸形成一個正多邊形的編隊，保持移動目標在他們的圖心。它實現(xiàn)了環(huán)繞一個運動目標的圓形編隊，其中目標的速度是不知道的。而且，這些自主體可以在目標的速度改變時自適應的維持編隊。2009年，Wei Ding等[11]研究了平面內(nèi)的群體自主體的分層追趕策略。通過了一個簡單的兩層追趕策略形成了多種多樣的編隊，包括集合、勻速圓周運動、復雜的圓周運動、同軸圓周運動、同軸對數(shù)螺線運動。其中高層和低層都以圓形拓撲循環(huán)追趕的戰(zhàn)略可以實現(xiàn)集合、勻速圓周運動和復雜的圓周運動。而高層以圓形拓撲循環(huán)追趕，低層以鏈狀拓撲追趕的戰(zhàn)略可以實現(xiàn)集合、同軸圓周運動和同軸對數(shù)螺線運動。2009年，Ying Lan等[12]研究了協(xié)調(diào)路徑跟蹤問題，也就是操作一群分散的自主體聚集到一條給定的路徑上，實現(xiàn)一個交互式的編隊。一個新的混合控制策略被用來解決由于感知范圍不足導致鄰居隨著時間的推移可能會改變的問題：每個自主體的狀態(tài)空間以與目標路徑的相對位置分化為幾個區(qū)域。一個區(qū)域的控制戰(zhàn)略引導所有自主體進入下一個區(qū)域，直到實現(xiàn)所有自主體的路徑跟蹤和協(xié)調(diào)運動。因此隨著狀態(tài)切換控制規(guī)律，所有自主體在路徑上均勻間隔排列和最終作為一個整體向前移動。 最近幾年，協(xié)調(diào)路徑追蹤已經(jīng)成為了一個熱門話題，由于軍事方面的應用，以前關(guān)于這個問題的研究局限于機器人，航天器等等。協(xié)調(diào)路徑追蹤的控制規(guī)律一般分成兩部分：路徑追蹤以及多機器人協(xié)調(diào)。盡管很對方案對路徑追蹤有效，然而對于多機器人協(xié)調(diào)卻沒有完整的解決方案。 以前的方案在不管載具離路徑多遠的情況下同時考慮路徑追蹤以及多機器人協(xié)調(diào)。然而，由于受限的傳感距離以及通信容量，并不是所有的載具都有可能一直知道目標路徑以及它的鄰居。因此，對于遠離路徑的載具，僅僅知道它的幾個鄰居的位置，而不知道路徑的信息，是可以的。對于已經(jīng)靠近目標路徑的載具，知道路徑以及它的鄰居的信息，這樣他們就能追蹤路徑以及和其他同樣靠近路徑的載具協(xié)調(diào)行動以形成期望的編隊。這樣，遠離路徑的載具，他們的目標就是靠近路徑。對于靠近路徑的載具，他們能感知路徑以及更多的靠經(jīng)路徑的其他載具，這樣，它們的主要目標就是沿著路徑運動，并且實現(xiàn)期望的編隊。 一種基于可到達性說明的新的方法以及混合控制被用來解決這個問題。每個載具的狀態(tài)空間根據(jù)路徑被分成幾塊。一個控制規(guī)律操縱所有的載具進入一塊區(qū)域，另一個就實現(xiàn)路徑追蹤和行動協(xié)調(diào)。這樣，在狀態(tài)依賴的轉(zhuǎn)換規(guī)律的作用下，所有的載具最終都處在路徑上，并且整體的向前運動。由于受限的傳感范圍，每個載具的鄰居其間都可能改變。在處理這個問題的時候，盡管每個載具可以感知幾個鄰居，但其僅僅測量一個鄰居的信息。這樣在協(xié)調(diào)控制時，使用的測量信息最少。 這篇文章提出個一種新的基于混合控制的方法來解決路徑追蹤問題。它綜合了分散式的控制規(guī)律。它考慮了載具的感知范圍，并且證明僅僅使用局部信息以及最少的連接就能解決協(xié)調(diào)式路徑追蹤問題。 課題意義在多自主機器人系統(tǒng)中，很多時候要求多個自主機器人在協(xié)作的過程中保持一定的隊形，以便更好的協(xié)作，即多機器人編隊控制。 編隊控制問題主要包括隊形形成和隊形控制兩個問題。隊形形成問題問題主要是研究如何使機器人系統(tǒng)從一個雜亂無章的狀態(tài)形成一個整體具有規(guī)律性或符合設(shè)計者要求的穩(wěn)定狀態(tài)，這對于一隊多自主機器人協(xié)作完成一項特定任務(wù)提供了支持。隊形控制主要是研究在自主機器人系統(tǒng)朝著目標行進的過程中，既要遵循一定的隊形約束，又要適應當前工作環(huán)境的約束(如障礙物)的控制技術(shù)，這是多自主機器人編隊控制的核心問題。多自主機器人保持一定的隊形至少有以下幾點好處： （1） 充分獲取當前環(huán)境信息。單個機器人的傳感器獲取信息的能力是有限的，如果多個機器人保持一定的隊形，而每個機器人的傳感器負責獲取自己周圍的環(huán)境信息，這樣就可以保證比較完整的獲得機器人群體當前活動區(qū)域內(nèi)的環(huán)境信息，對于實現(xiàn)偵查、搜尋、排雷及安全巡邏等任務(wù)是有利的。（2） 可以增強抵御外界入侵的能力，作戰(zhàn)過程中，機器人士兵通過保持隊形，可以抵抗多方向的入侵，增加自身安全性，群居動物按一定隊形行進可以有效抵抗掠食者的現(xiàn)象就是一例。（3） 可以提高工作效率，如果選擇恰當隊形可以加快任務(wù)的完成。例如多個機器人推箱子，機器人與箱子必須保持一定的幾何關(guān)系才能夠?qū)⑾渥油葡蚱谕姆较?，類似的任?wù)還有農(nóng)作物收割、播種等。多自主機器人系統(tǒng)的編隊控制是目前控制和機器人研究領(lǐng)域的研究熱點之一。多自主機器人系統(tǒng)通過模擬生物之間的某些群體行為從而完成特定的任務(wù)。在多自主機器人系統(tǒng)中,每個機器人按照預定規(guī)則檢測周圍環(huán)境,與其鄰近機器人通訊,并根據(jù)自身獲得的信息來決定下一步的行動。雖然每個機器人只使用了其能獲得的局部信息,但是整個系統(tǒng)卻能實現(xiàn)一些全局性的任務(wù)。多機器人系統(tǒng)編隊控制與單個機器人相比： （1） 可以顯著提高系統(tǒng)的效率，大大節(jié)約時間。（2） 能夠有效提高系統(tǒng)的魯棒性和容錯能力。（3） 同時設(shè)計和制造多個簡單機器人比單個復雜機器人更容易、成本更低（4） 通過共享資源可以彌補單個機器人的不足，完成單個機器人難以完成或無法完成的任務(wù)。多機器人系統(tǒng)編隊控制在軍事監(jiān)測、搶險救援、空間及海洋開發(fā)、智能交通系統(tǒng)、工農(nóng)業(yè)生產(chǎn)、服務(wù)行業(yè)等領(lǐng)域中有廣泛的應用前景并已經(jīng)得到了一定的實際應用。例如在行星探測、煤礦、火山口等高危環(huán)境下作業(yè)以及在水下作業(yè)等需要遠程操作的的場合；在需要短時間內(nèi)完成災難搜索、營救以及危險物品清除的場合等；在軍事領(lǐng)域，無人偵察機甚至無人戰(zhàn)斗機、無人潛航器、無人戰(zhàn)車、排雷機器人、巡航導彈等智能武器已經(jīng)出現(xiàn)并將發(fā)揮重要作用。因此我研究的課題就是用編隊控制的思想來仿真研究生物群體中的螞蟻跟隨問題。螞蟻是大家司空見慣的一種昆蟲，而他們的群體合作的精神令人欽佩。他們的覓食行為、勞動分配、孵化分類、協(xié)作運輸、構(gòu)造墓地等行為之精巧令人驚嘆。若我們是能從他們身上學習到一些什么的話，也將是一件非常有益的事請。 關(guān)于蜜蜂覓食，人們已經(jīng)做過很徹底地了解，據(jù)說它們是用飛行的舞姿（兜圈圈）來傳遞信息，圈子的軸方向表示花蜜的方向，用飛行的圈數(shù)表示有花蜜地方的距離，別的蜜蜂得此信號，就紛擁向該方向飛去。 而螞蟻覓食的方法，卻另有一番世界，據(jù)研究當螞蟻找到食物并將它搬回來時，就會在其經(jīng)過的路徑上留下一種“信息素”，其他螞蟻嗅到這個激素的“味道”，就沿該路奮勇向前，覓食而去。不但如此而且還會沿著最短的路徑奔向食物，當大量螞蟻這么做時，蟻群就會一只跟著一只形成一條最短的線來搬運食物。但是如果我們用手劃過螞蟻的行進隊伍，干擾了螞蟻的信息素，螞蟻就會失去方向感，到處亂爬。那么我們又如何利用多自主機器人來模擬螞蟻跟隨這一行為呢？設(shè)想，如果我們要為螞蟻設(shè)計一個人工智能的程序，那么這個程序要多么復雜呢？首先，你要讓螞蟻能夠避開障礙物，就必須根據(jù)適當?shù)牡匦谓o它編進指令讓他們能夠巧妙的避開障礙物；其次，要讓螞蟻找到食物，就需要讓他們遍歷空間上的所有點；再次，如果要讓螞蟻找到最短的路徑，那么需要計算所有可能的路徑并且比較它們的大小；而且更重要的是，你要小心翼翼的編程，因為程序的錯誤也許會讓你前功盡棄。這是多么不可思議的程序！太復雜了，恐怕沒人能夠完成這樣繁瑣冗余的程序。 然而，事實并沒有你想得那么復雜，上面這個程序每個螞蟻的核心程序編碼不過100多行！為什么這么簡單的程序會讓螞蟻干這樣復雜的事情？答案是：簡單規(guī)則的涌現(xiàn)。事實上，每只螞蟻并不是像我們想象的需要知道整個世界的信息，他們其實只關(guān)心很小范圍內(nèi)的眼前信息，而且根據(jù)這些局部信息利用幾條簡單的規(guī)則進行決策，這樣，在蟻群這個集體里，復雜性的行為就會凸現(xiàn)出來。這就是人工生命、復雜性科學解釋的規(guī)律！ 2 螞蟻跟隨問題的仿真設(shè)計 預期結(jié)果本文旨在使用計算機模擬自然界螞蟻的尋徑方式，仿真實現(xiàn)螞蟻跟隨編隊。假設(shè)在一個存在障礙物的環(huán)境中有一個螞蟻窩和一處食物，各個螞蟻在沒有事先告訴他們食物在什么地方的前提下開始尋找食物。當一只找到食物以后，它會向環(huán)境釋放一種信息素，吸引其他的螞蟻過來，這樣越來越多的螞蟻會找到食物！有些螞蟻并沒有象其它螞蟻一樣總重復同樣的路，他們會另辟蹊徑，如果令開辟的道路比原來的其他道路更短，那么，漸漸，更多的螞蟻被吸引到這條較短的路上來。最后，經(jīng)過一段時間運行，可能會出現(xiàn)一條最短的路徑被大多數(shù)螞蟻重復著。 實現(xiàn)方案螞蟻在運動過程中，能夠在它所經(jīng)過的路徑上留下信息素來進行信息傳遞，而且螞蟻在運動過程中能夠感知這種物質(zhì)，并以此指導自己的運動方向，因此由大量螞蟻組成的蟻群集體行為便表現(xiàn)出一種信息正反饋現(xiàn)象：某一路徑上走過的螞蟻越多，則后來者選擇該路徑的概率就越大。 為了說明蟻群算法的原理，先簡要介紹一下螞蟻搜尋食物