混合粒子群优化算法和案例推理方法的多机器人学习

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

混合粒子群优化算法和案例推理方法的多机器人学习

刘强, 马家辰, 谢玮, 马立勇

文章导航 > 电子科技大学学报 > 2014 > 43(1): 137-143

刘强, 马家辰, 谢玮, 马立勇. 混合粒子群优化算法和案例推理方法的多机器人学习[J]. 电子科技大学学报, 2014, 43(1): 137-143. doi: 10.3969/j.issn.1001-0548.2014.01.023

引用本文:

刘强, 马家辰, 谢玮, 马立勇. 混合粒子群优化算法和案例推理方法的多机器人学习[J]. 电子科技大学学报, 2014, 43(1): 137-143. doi: 10.3969/j.issn.1001-0548.2014.01.023

LIU Qiang, MA Jia-chen, XIE Wei, MA Li-yong. Multi-Robot Learning Using PSO Combined with CBR Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(1): 137-143. doi: 10.3969/j.issn.1001-0548.2014.01.023

Citation:

LIU Qiang, MA Jia-chen, XIE Wei, MA Li-yong. Multi-Robot Learning Using PSO Combined with CBR Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(1): 137-143. doi: 10.3969/j.issn.1001-0548.2014.01.023

混合粒子群优化算法和案例推理方法的多机器人学习

doi: 10.3969/j.issn.1001-0548.2014.01.023

1.
哈尔滨工业大学航天学院哈尔滨 150001;
2.
哈尔滨工业大学(威海)信息与电气工程学院山东威海 264209

基金项目:

山东省自然科学基金(ZR2011FM005)

作者简介:
刘强(1984-),男,博士生,主要从事智能机器人和多机器人系统方面的研究.

中图分类号: TP273

Multi-Robot Learning Using PSO Combined with CBR Algorithm

1.
School of Astronautics,Harbin Institute of Technology Harbin 150001;
2.
School of Information and Electrical Engineering,Harbin Institute of Technology(Weihai) Weihai Shandong 264209

Funds:

Supported by Shandong Province Natural Science Foundation (ZR2011FM005)

摘要: 以未知环境下多机器人学习为研究平台,因案例推理方法可存储以前的问题和解信息,用该方法的长期记忆特性可帮助粒子群优化算法更好地解决新的问题。在特定的仿真环境里,粒子群优化算法可训练机器人的几个基本行为,经过学习使机器人具有更好的鲁棒性和自适应学习能力。根据机器人不同行为在复杂环境下的性能指标,CBR可从案例库中选择特定的行为,并将其参数传送到粒子群优化算法的初始解库,从而加速整体的学习过程。利用机器人仿真软件MissionLab,采用基于行为的多机器人编队任务,用来测试该算法的有效性。仿真和实验结果表明,案例推理方法和粒子群优化算法相结合,使机器人获得更优的控制参数,同时在未知环境下的多机器人编队具有更好的性能。
- 基于行为的方法 /
- 案例推理 /
- MissionLab仿真平台 /
- 多机器人编队 /
- 粒子群优化算法
Abstract: Case-based reasoning (CBR) which stores old problems and solution information as cases can solve new problems of the particle swarm optimization (PSO) with its long-term memory during the learning phase for multiple robots in an unknown environment. The PSO components which offer trainings to the robot in specially-designed simulation environments to deliver basic behaviors enhance their robustness and adaptivity. The CBR components which selects solution from the case base evolved for basic behaviors rank them according to their performance in the new complex enviroment and introduce them to a PSO algorithm's initial population, hence speeding up the learning process. Behavior-based multi-robot formation control task is employed as a platform to assess the effectiveness of this approach with robot simulation software MissionLab. Simulation and experimental results show that the CBR-injected PSO algorithm can quickly obtain optimal control parameters and multi-robot formation performs better in unknown environment.
- behavior-based /
- case-based reasoning /
- MissionLab /
- multi-robot formation /
- particle swarm optimization

[1]	鲁华祥, 尹世远, 龚国良, 刘毅, 陈刚. 基于深度确定性策略梯度的粒子群算法 . 电子科技大学学报, 2021, 50(2): 199-206. doi: 10.12178/1001-0548.2020420
[2]	郜东瑞, 周晖, 冯李逍, 张云霞, 彭茂琴, 张永清. 基于特征融合和粒子群优化算法的运动想象脑电信号识别方法 . 电子科技大学学报, 2021, 50(3): 467-475. doi: 10.12178/1001-0548.2020107
[3]	何羚, 舒文江, 陈良, 阎啸, 王茜. 改进的多目标粒子群优化算法及其在雷达布站中的应用 . 电子科技大学学报, 2020, 49(6): 806-811. doi: 10.12178/1001-0548.2020025
[4]	王传兵, 张利嵩, 李翔, 岳松, 吴秉横. 基于粒子群算法的多层介质透波性能优化 . 电子科技大学学报, 2019, 48(4): 498-503. doi: 10.3969/j.issn.1001-0548.2019.04.004
[5]	张新明, 王霞, 涂强, 康强. 趋优算子和Levy Flight混合的粒子群优化算法 . 电子科技大学学报, 2018, 47(3): 421-429. doi: 10.3969/j.issn.1001-0548.2018.03.016
[6]	张云春, 王玉婧, 姚绍文, 李娜, 胡建陶. 基于粒子群优化的无线Mesh网络信道分配算法 . 电子科技大学学报, 2017, 46(5): 728-733, 746. doi: 10.3969/j.issn.1001-0548.2017.05.015
[7]	屈鸿, 黄利伟, 柯星. 动态环境下基于改进蚁群算法的机器人路径规划研究 . 电子科技大学学报, 2015, 44(2): 260-265. doi: 10.3969/j.issn.1001-0548.2015.02.017
[8]	肖海林, 任婵婵, 聂在平, 李民政. 基于线性权重粒子群优化算法的多基站协作波束成型 . 电子科技大学学报, 2015, 44(5): 663-667. doi: 10.3969/j.issn.1001-0548.2015.05.004
[9]	李旻, 咸卫明, 龙兵, 王厚军. 基于特征优选模拟电路故障诊断方法 . 电子科技大学学报, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015
[10]	敖永才, 师奕兵, 张伟, 李焱骏. 自适应惯性权重的改进粒子群算法 . 电子科技大学学报, 2014, 43(6): 874-880. doi: 10.3969/j.issn.1001-0548.2014.06.014
[11]	阳凯, 赵志钦, 聂在平. 基于模糊离散粒子群算法的非均匀阵列优化 . 电子科技大学学报, 2012, 41(1): 43-47. doi: 10.3969/j.issn.1001-0548.2012.01.009
[12]	王维博, 冯全源. 粒子群优化算法在天线方向图综合中的应用 . 电子科技大学学报, 2011, 40(2): 237-241. doi: 10.3969/j.issn.1001-0548.2011.02.016
[13]	胡建, 李志蜀, 欧鹏, 罗思达. 粒子群优化算法中的分步式策略 . 电子科技大学学报, 2009, 38(3): 435-440. doi: 10.3969/j.issn.1001-0548.2009.03.028
[14]	刁鸣, 高洪元, 马杰, 缪善林. 应用神经网络粒子群算法的多用户检测 . 电子科技大学学报, 2008, 37(2): 178-180,281.
[15]	吕士颖, 郑晓鸣, 王晓东. 基于免疫量子粒子群优化的属性约简 . 电子科技大学学报, 2007, 36(6): 1268-1272.
[16]	李明, 张勇, 李军权, 张亚芬. 改进PSO-SVM在说话人识别中的应用 . 电子科技大学学报, 2007, 36(6): 1345-1349.
[17]	任诚, 唐普英, 方峻. 拉伸技术粒子群优化算法的多用户检测器 . 电子科技大学学报, 2007, 36(5): 915-917.
[18]	李刚俊. 冗余度机器人的运动规划碰撞算法 . 电子科技大学学报, 2005, 34(6): 828-831,864.
[19]	沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较 . 电子科技大学学报, 2005, 34(5): 696-699.
[20]	刘涟, 涂晓东, 李乐民. OBS系统仿真平台的构建及分析 . 电子科技大学学报, 2004, 33(6): 652-655.

WeChat

点击查看大图

计量

文章访问数: 3609
HTML全文浏览量: 134
PDF下载量: 51
被引次数: 0

混合粒子群优化算法和案例推理方法的多机器人学习

doi: 10.3969/j.issn.1001-0548.2014.01.023

1. 哈尔滨工业大学航天学院哈尔滨 150001;

2. 哈尔滨工业大学(威海)信息与电气工程学院山东威海 264209

基金项目:

山东省自然科学基金(ZR2011FM005)

作者简介:
刘强(1984-),男,博士生,主要从事智能机器人和多机器人系统方面的研究.

收稿日期: 2012-05-29
修回日期: 2013-01-15
刊出日期: 2014-02-15

中图分类号: TP273

关键词:

摘要: 以未知环境下多机器人学习为研究平台,因案例推理方法可存储以前的问题和解信息,用该方法的长期记忆特性可帮助粒子群优化算法更好地解决新的问题。在特定的仿真环境里,粒子群优化算法可训练机器人的几个基本行为,经过学习使机器人具有更好的鲁棒性和自适应学习能力。根据机器人不同行为在复杂环境下的性能指标,CBR可从案例库中选择特定的行为,并将其参数传送到粒子群优化算法的初始解库,从而加速整体的学习过程。利用机器人仿真软件MissionLab,采用基于行为的多机器人编队任务,用来测试该算法的有效性。仿真和实验结果表明,案例推理方法和粒子群优化算法相结合,使机器人获得更优的控制参数,同时在未知环境下的多机器人编队具有更好的性能。

English Abstract

刘强, 马家辰, 谢玮, 马立勇. 混合粒子群优化算法和案例推理方法的多机器人学习[J]. 电子科技大学学报, 2014, 43(1): 137-143. doi: 10.3969/j.issn.1001-0548.2014.01.023

引用本文:

刘强, 马家辰, 谢玮, 马立勇. 混合粒子群优化算法和案例推理方法的多机器人学习[J]. 电子科技大学学报, 2014, 43(1): 137-143. doi: 10.3969/j.issn.1001-0548.2014.01.023

LIU Qiang, MA Jia-chen, XIE Wei, MA Li-yong. Multi-Robot Learning Using PSO Combined with CBR Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(1): 137-143. doi: 10.3969/j.issn.1001-0548.2014.01.023

Citation:

LIU Qiang, MA Jia-chen, XIE Wei, MA Li-yong. Multi-Robot Learning Using PSO Combined with CBR Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(1): 137-143. doi: 10.3969/j.issn.1001-0548.2014.01.023

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发