未知环境下基于改进Glasius生物启发神经网络的多机器人协作多目标搜索OA
针对未知环境下多机器人协作多目标搜索中存在的重复覆盖、路径振荡与协作效率不足问题,在Glasius生物启发神经网络(GBNN)基础上,提出了一种改进的GBNN模型(IGBNN)及其分布式协作搜索框架。首先,将未知环境离散为栅格并与神经元一一对应,结合探测地图实时更新外部刺激项,构建随环境变化的神经活动势场。其次,引入了基于转向角的高斯方向权重与活性传输阈值,抑制离散决策导致的活性突变,降低无效转弯并缓解局部死锁。最后,设计了环境介导的分布式协作机制,实现多机器人之间的局部信息共享与冲突规避。仿真实验结显示,在40×40复杂场景中的40个目标的搜索任务中,所提算法在保持100%搜索成功率的基础上,相较GBNN平均转弯次数降低了25.8%,完成全目标搜索的平均步数减少了15.1%。结果验证了所提算法在未知复杂环境中具有更高的搜索效率与协作搜索性能。
张方方;徐凌寒;彭金柱;王海静;刘艳红
郑州大学电气与信息工程学院,河南郑州450001 洛阳产业技术研究院,河南洛阳471000郑州大学电气与信息工程学院,河南郑州450001 洛阳产业技术研究院,河南洛阳471000郑州大学电气与信息工程学院,河南郑州450001 洛阳产业技术研究院,河南洛阳471000郑州大学电气与信息工程学院,河南郑州450001 洛阳产业技术研究院,河南洛阳471000郑州大学电气与信息工程学院,河南郑州450001
信息技术与安全科学
多机器人协作多目标搜索Glasius生物启发神经网络脉冲神经网络栅格地图路径规划
《信息与控制》 2026 (2)
P.279-291,13
国家自然科学基金面上项目(62273311)河南省自然科学基金面上项目(242300421400)。
评论