摘要
本发明涉及一种基于进化优化与学习驱动的多机器人任务分配与路径规划方法及系统,该方法包括:设定多机器人任务分配问题;采用遗传算法求解任务分配问题,并采用强化学习算法为求解得到的任务分配方案生成无碰撞路径。该系统包括交互闭环连接的任务分配模块和路径规划模块,任务分配模块通过遗传算法迭代优化任务分配方案,经过适应度计算和遗传操作,逐代优化出高效的分配结果,同时考虑冲突解决时间和总成本;路径规划模块接收任务分配结果,为每个机器人规划相应路径,并将路径规划的成本反馈至任务分配模块。与现有技术相比,本发明能够提升多机器人系统在复杂动态环境中的任务分配与路径规划效率,减少因路径冲突造成的停滞。
技术关键词
路径规划方法
生成无碰撞
多机器人任务分配
强化学习算法
遗传算法求解
唯一性
路径规划效率
多机器人系统
时间序列信息
多头注意力机制
路径规划系统
闭环
终点
通信模块
系统为您推荐了相关专利信息
网络流量数据
拒绝服务攻击
通信网络拓扑
异常事件
拓扑图
终端设备
NOMA系统
资源优化方法
反射单元
深度强化学习算法
车辆路径规划方法
博弈论模型
实用拜占庭容错算法
分布式多智能体
通道