科技日新月异发展的今天,机器人技术也在急速向前发展,机器人的能力不断提高,应用领域不断扩展。因为有许多工作(如在时间和空间上分布很广的任务)单个机器人无法承担,因此多机器人的出现应运而生。越来越多的事例表明,对于一些动态性强而且复杂的任务,开发单个机器人远比开发多个机器人系统复杂和昂贵。同时,随着机器人生产线的出现及柔性制造系统的需要,人们想使多机器人系统进行自主作业的愿望越来越强烈,这些需求正在促进机器人技术朝着多机器人合作研究方向发展。 由于路径规划问题是多机器人合理高效地执行任务的前提,它对提高机器人的工作效率至关重要。如何选择合理甚至最佳的路径是非常重要的研究课题。多机器人路径规划以多机器人系统为对象,在同一工作空间中为每一个机器人找到一条路径,并保证每一时刻机器人与机器人之间无碰撞,机器人与环境之间无碰撞。本文研究基于智能体理论的多机器人路径规划技术。 本文首先介绍了多机器人系统、多智能体理论(MAS)以及基于MAS的多机器人系统特点及其发展现状,接着介绍了多机器人的路径规划方法,着重介绍了作为当前多机器人路径规划研究热点的几种规划方法,阐述它们的优缺点。随后,针对传统算法在处理多机器人路径规划中遇到的避障死锁问题,提出了基于改进人工势场法的路径规划方法。该方法根据传统的单一固定人工势场思想,在吸引力、排斥力的基础上按照统一的规则对机器人增加旋转力,使有碰撞危险的多个机器人都右转(或左转),避免了避障死锁问题。随后对有四个机器人的环境下用改进人工势场法作了路径规划的仿真和分析,并指出了该方法容易造成“浪费”路径等不足。针对这个方法的弊端,接着提出另一种基于混合算法的路径规划方法。该方法把每个机器人当作一个Agent,Agent能够主动识别环境中障碍物性质。先用遗传算法对多机器人做全局规划,在前进过程中若有机器人之间的距离小于安全距离,则采用改进人工势场法进行避障直至脱离避障危险。然后对该算法作了仿真和分析。仿真结果表明,在本文提出的基于混合遗传算法的路径规划法较基于改进的人工势场法在时间和路径上都有所改进。最后针对两种算法的不足对今后的工作提出展望。