计算机应用

作者：郑延斌, 王林林, 席鹏雪, 樊文鑫, 韩梦云

单位：1. 河南师范大学 计算机与信息工程学院, 河南 新乡 453007;2. 智慧商务与物联网技术河南省工程实验室(河南师范大学), 河南 新乡 453007

关键词：多Agent,路径规划,反向学习,蚁群算法,博弈论

基金：河南省科技攻关项目（142300410349，132102210538）；河南省软科学项目（142400411001）；河南师范大学青年基金资助项目（2017QK20）。

针对多Agent路径规划问题，提出了一个两阶段的路径规划算法。首先，利用改进的蚁群算法来为每个Agent规划出一条从起始点到目标点，不与环境中静态障碍物碰撞的最优路径。在蚁群算法的改进中引入反向学习方法来对蚂蚁位置进行初始化分布，提高了算法的全局搜索能力；利用粒子群算法中的自适应惯性权重因子来调节信息素强度Q值，使其自适应地变化，避免陷入局部最优；对信息素挥发因子ρ进行调节，提高算法的迭代速度。其次，若多Agent之间存在动态碰撞，利用博弈论构建多Agent之间的动态避障模型，并利用虚拟行动法来解决博弈的求解问题及多Nash均衡的选择问题，确保每个Agent能够快速学习到最优Nash均衡。仿真实验结果表明改进蚁群算法与传统蚁群算法相比在搜索精度与搜索速度上有明显的提高，与Mylvaganam的多Agent动态避障算法相比，所提算法减小了路径总长度并提高了收敛速度。

来源：2019年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第3期