李成鳳，田彥濤

（1.綏化學(xué)院 信息工程學(xué)院，黑龍江 綏化 152061;2.吉林大學(xué) 通信工程學(xué)院，吉林 長春 130025）

群體機(jī)器人的群集行為研究綜述*

李成鳳1，田彥濤2

（1.綏化學(xué)院 信息工程學(xué)院，黑龍江 綏化 152061;2.吉林大學(xué) 通信工程學(xué)院，吉林 長春 130025）

針對群體機(jī)器人的群集行為，對其適應(yīng)性、可控性和優(yōu)化性三個(gè)方面的研究現(xiàn)狀進(jìn)行總結(jié)，并指出了群集行為研究中有待解決的一些問題，以促進(jìn)對群體系統(tǒng)協(xié)調(diào)控制理論與應(yīng)用的進(jìn)一步研究.

適應(yīng)性;可控性;優(yōu)化性

生物群體行為是自然界中極為常見的現(xiàn)象，如蜂群筑巢，魚群覓食和鳥群遷徙等，其共同特點(diǎn)是:個(gè)體數(shù)量龐大且智能相對簡單;僅具有局部感知能力，信息來自于自身、鄰居個(gè)體和外部環(huán)境;不存在統(tǒng)一的管理者，可以涌現(xiàn)出協(xié)調(diào)有序的狀態(tài);具有生存（如覓食、遷徙或逃生等）優(yōu)勢.受此啟發(fā)，群集行為作為群體機(jī)器人協(xié)調(diào)控制中最基本的問題之一成為現(xiàn)今的研究熱點(diǎn).所謂群集行為，是指群體中每個(gè)個(gè)體利用自身信息、與其鄰居進(jìn)行交互獲取的局部信息，以及所在運(yùn)行環(huán)境反饋的導(dǎo)航信息不斷更新自身控制策略，使整個(gè)群體聚集有序地按相同方向運(yùn)動.

本文將對群集行為的研究現(xiàn)狀從群體對環(huán)境的適應(yīng)、穩(wěn)定狀態(tài)可控和性能優(yōu)化進(jìn)行總結(jié)及分析.

1 群集行為的適應(yīng)性

群集行為的適應(yīng)性是指群體機(jī)器人能夠根據(jù)跟蹤目標(biāo)和外界環(huán)境的改變產(chǎn)生不同的協(xié)調(diào)控制策略而使整個(gè)群體仍能實(shí)現(xiàn)群集.從外界環(huán)境的角度來看，目前的研究逐步從理想無障礙物環(huán)境過渡到了存在障礙物的復(fù)雜環(huán)境，并取得了豐碩的研究成果.

1.1 理想的無障礙物環(huán)境

最初關(guān)于群集行為的研究都是基于理想的無障礙環(huán)境展開的，如 Boid 模型［1］，Vicsek 模型［2］以及吸引排斥模型［3］等經(jīng)典群體動力學(xué)模型的建立.

Boid模型所遵循的三條規(guī)則為:①中心靠攏;②避免碰撞;③速度匹配.雖然只是實(shí)現(xiàn)了計(jì)算機(jī)仿真實(shí)驗(yàn)，但之后很多研究都是基于該模型的規(guī)則.文獻(xiàn)［4］運(yùn)用圖論、非光滑分析以及Lyapunov穩(wěn)定性理論等給出了集群現(xiàn)象的理論解釋，提出了局部控制策略，使群體最終實(shí)現(xiàn)穩(wěn)定的群集運(yùn)動.Vicsek模型是對Boid模型進(jìn)行簡化，其更新規(guī)則是將鄰近個(gè)體速度方向的非線性均值作為下一時(shí)刻個(gè)體的速度方向，并通過仿真實(shí)驗(yàn)驗(yàn)證了策略的有效性.文獻(xiàn)［5］利用圖論、矩陣論和控制論對Vicsek模型的穩(wěn)定性進(jìn)行了理論證明.顯然，上述研究均沒有考慮環(huán)境對系統(tǒng)的影響.文獻(xiàn)［6］提出了一系列吸引排斥函數(shù)來描述個(gè)體間的相互作用，并設(shè)計(jì)了分布式控制器來分析n維空間中某種特定環(huán)境下的群體聚集行為.文獻(xiàn)［7］分析了具有不同虛擬力的群集系統(tǒng)的穩(wěn)定性.文獻(xiàn)［8］利用虛擬力和最近鄰居原則來實(shí)現(xiàn)群集運(yùn)動.文獻(xiàn)［6－8］的研究中雖然沒有考慮環(huán)境中存在障礙物的情況，但是卻利用特定的梯度函數(shù)對環(huán)境進(jìn)行了描述，同時(shí)環(huán)境的作用也反饋到群體的控制策略當(dāng)中，起到了導(dǎo)航作用.

1.2 存在障礙物的環(huán)境

障礙物環(huán)境接近群體機(jī)器人實(shí)際應(yīng)用的真實(shí)環(huán)境，故研究此環(huán)境中的群集行為更具現(xiàn)實(shí)意義.

文獻(xiàn)［9］假設(shè)群體中部分個(gè)體能夠?qū)ζ溆龅竭^的障礙物產(chǎn)生有限記憶，從而使群體更快到達(dá)目標(biāo)區(qū)域，實(shí)現(xiàn)自組織的群集行為.通過對六種不同障礙物地形進(jìn)行了仿真實(shí)驗(yàn)，結(jié)果表明:至少在某些領(lǐng)域這個(gè)猜想是正確的.文獻(xiàn)［10］定義當(dāng)個(gè)體與障礙物的距離小于臨界值時(shí)，該障礙物邊緣對應(yīng)產(chǎn)生一個(gè)虛擬障礙物個(gè)體，并利用人工勢能函數(shù)設(shè)計(jì)了分布式群集避障算法，避免了個(gè)體在運(yùn)動過程中與障礙物的碰撞.但此算法只適用于凸形障礙物環(huán)境.文獻(xiàn)［11］提出了障礙物環(huán)境中的自適應(yīng)群集算法，群體可以根據(jù)環(huán)境條件分散成多個(gè)群體或重新組合為一個(gè)群體，實(shí)驗(yàn)結(jié)果表明:群體能夠不斷重復(fù)分區(qū)過程并通過多個(gè)狹窄通道.文獻(xiàn)［12］利用模糊邏輯設(shè)計(jì)分布式避障控制算法，使群體實(shí)現(xiàn)了障礙物環(huán)境中群集運(yùn)動，進(jìn)行了穩(wěn)定性分析，并通過仿真實(shí)驗(yàn)進(jìn)行了進(jìn)一步的驗(yàn)證.文獻(xiàn)［13］在網(wǎng)絡(luò)初始狀態(tài)處于連通的條件下，結(jié)合人工勢能函數(shù)與流函數(shù)設(shè)計(jì)了能夠使群體實(shí)現(xiàn)期望的穩(wěn)定群集運(yùn)動的分布式群集避障控制算法，該算法能夠使群體保持連通，并且順利避開障礙物而沒有陷入局部極小.

盡管關(guān)于群體對環(huán)境的適應(yīng)的研究取得了一定進(jìn)展，但對于實(shí)際應(yīng)用中更為復(fù)雜多變的不確定環(huán)境，群體適應(yīng)性研究還有待進(jìn)一步地深入.

2 群集行為的可控性

群集行為的可控性是指通過設(shè)計(jì)控制策略使群體最終達(dá)到期望的協(xié)調(diào)有序狀態(tài)（速度和位置）.目前，為解決群集行為的可控性問題，研究者分別在群體引入了領(lǐng)導(dǎo)者和軟控制的概念.

2.1 引入領(lǐng)導(dǎo)者的群集算法

文獻(xiàn)［14］指出海洋中的魚群里有一部分魚在起“領(lǐng)導(dǎo)者”作用.可見，在群體機(jī)器人中引入領(lǐng)導(dǎo)者是合理的.文獻(xiàn)［10］引入了具有恒定速度的全局作用范圍的虛擬領(lǐng)導(dǎo)者，設(shè)計(jì)了分布式協(xié)調(diào)控制算法，并從理論和仿真上證明群體能夠?qū)崿F(xiàn)期望的群集行為.文獻(xiàn)［15］指出僅有少數(shù)個(gè)體能夠獲得虛擬領(lǐng)導(dǎo)者的信息，群體就能夠在通信拓?fù)浣Y(jié)構(gòu)保持連通的條件下實(shí)現(xiàn)群集行為的可控.此虛擬領(lǐng)導(dǎo)者的作用范圍不再是全局的而是局部的，這更符合群體機(jī)器人中的個(gè)體僅具有局部通信能力的特點(diǎn).文獻(xiàn)［16］利用圖論、非光滑分析結(jié)合群集勢能函數(shù)、速度一致性和導(dǎo)航反饋思想，對多智能體的分布式領(lǐng)導(dǎo)者跟隨者群集算法展開研究.群體中僅有一個(gè)具有時(shí)變期望速度的虛擬領(lǐng)導(dǎo)者，每個(gè)知情個(gè)體只感知到領(lǐng)導(dǎo)者的部分信息，但群體速度仍可漸近收斂到期望速度，同時(shí)，具有領(lǐng)導(dǎo)者位置信息的知情個(gè)體的中心也可最終跟隨上領(lǐng)導(dǎo)者的軌跡.另外，發(fā)現(xiàn)勢能函數(shù)的局部最小可以不形成α格形式.

文獻(xiàn)［17］所設(shè)定的領(lǐng)導(dǎo)者不再是虛擬的，而是群體中能感知到全局信息的部分真實(shí)個(gè)體，其他普通個(gè)體則僅能感知到局部信息，經(jīng)理論分析和仿真實(shí)驗(yàn)驗(yàn)證所設(shè)計(jì)的群集算法有效.文獻(xiàn)［18］仍存在多個(gè)能夠獲取全局信息的領(lǐng)導(dǎo)者，與之前研究不同的是采用模糊控制方法對個(gè)體之間的相互作用力關(guān)系進(jìn)行描述，除從理論上證明群體能夠?qū)崿F(xiàn)穩(wěn)定群集運(yùn)動外，還利用實(shí)體機(jī)器人進(jìn)行實(shí)驗(yàn)驗(yàn)證了控制器的有效性.

2.2 引入軟控制的群集算法

群集系統(tǒng)的突出特點(diǎn)是每個(gè)個(gè)體具有相對簡單的結(jié)構(gòu)、有限的計(jì)算能力和局部的通信能力.實(shí)際上在想要使整個(gè)系統(tǒng)實(shí)現(xiàn)期望的控制目標(biāo)時(shí)，不能夠以群體中個(gè)體復(fù)雜度的增加為代價(jià)，否則就違背了群體機(jī)器人系統(tǒng)上述最典型的特征.所以在遵循該原則的基礎(chǔ)上，文獻(xiàn)［19］中提出了“軟控制”這一概念，用于實(shí)現(xiàn)在破壞群體局部交互機(jī)制和個(gè)體的動力學(xué)規(guī)則的情況下對群體狀態(tài)的控制.所謂“軟控制”，即在群體機(jī)器人系統(tǒng)中引入的可以人為控制的特殊智能體“shill”，其運(yùn)動更新策略與群體中的普通個(gè)體是不同的，但群體中的普通個(gè)體僅將其以普通個(gè)體看待進(jìn)行鄰居范圍內(nèi)的局部信息交互，而不會視其為特殊個(gè)體，這是與領(lǐng)導(dǎo)者控制算法最大的不同.同時(shí)，理論和仿真分析已經(jīng)證明該控制策略的正確性和可行性.

但在上述文獻(xiàn)中，當(dāng)有多個(gè)不同的期望狀態(tài)時(shí)，在不破壞群體局部規(guī)則的基礎(chǔ)上實(shí)現(xiàn)群集系統(tǒng)的可控問題仍沒有解決，需要進(jìn)一步的研究.

3 群集行為的優(yōu)化性

群集行為的優(yōu)化性是指利用優(yōu)化算法實(shí)現(xiàn)群集系統(tǒng)的性能優(yōu)化.

文獻(xiàn)［20］利用粒子群優(yōu)化算法進(jìn)行群體機(jī)器人群集算法的速度在線優(yōu)化，使群體的收斂速度達(dá)到最大值.文獻(xiàn)［21］則是考慮群體機(jī)器人運(yùn)行中的能量消耗問題，利用粒子群優(yōu)化算法實(shí)現(xiàn)能耗最小的優(yōu)化目標(biāo).文獻(xiàn)［22］將群體交互過程中通信量作為適應(yīng)度函數(shù)，利用粒子群優(yōu)化算法得到了最優(yōu)的通信半徑和通信頻率.文獻(xiàn)［23］對基于粒子群優(yōu)化建立起的群集算法進(jìn)行了定性分析，并通過相應(yīng)的仿真實(shí)驗(yàn)驗(yàn)證了算法的有效性，其最終目標(biāo)是利用粒子群優(yōu)化算法實(shí)現(xiàn)多目標(biāo)跟蹤的群集行為.文獻(xiàn)［24］研究了結(jié)合拓?fù)鋬?yōu)化的群集運(yùn)動，提出一個(gè)分布式優(yōu)化方案來降低群體跟蹤虛擬的目標(biāo)時(shí)為保持連通性而造成的通信復(fù)雜度，并在此基礎(chǔ)上設(shè)計(jì)了分布式控制算法以實(shí)現(xiàn)群集行為.

上述研究均沒有考慮群集系統(tǒng)的綜合性能優(yōu)化，即選擇主要性能指標(biāo)，如能耗指標(biāo)、通信量指標(biāo)、快速性指標(biāo)和準(zhǔn)確性指標(biāo)等，實(shí)現(xiàn)多目標(biāo)優(yōu)化.

4 結(jié)論

群集行為的研究雖取得了一定進(jìn)展，但想要應(yīng)用于工程實(shí)際，還需專家學(xué)者進(jìn)行更進(jìn)一步的研究，并著重解決如下問題:①如何建立更合適的群集行為數(shù)學(xué)模型?②如何設(shè)計(jì)基于局部信息交互的群集控制算法?③如何達(dá)到群體最終協(xié)調(diào)有序狀態(tài)的可控?④如何實(shí)現(xiàn)群體對多種任務(wù)或復(fù)雜環(huán)境變化的適應(yīng)?⑤如何獲得群體在個(gè)體失效或出現(xiàn)干擾情況下所表現(xiàn)出的魯棒性?⑥如何完成群體在實(shí)現(xiàn)群集行為基礎(chǔ)上的綜合性能優(yōu)化?

［1］C.W.Reynolds，F(xiàn)locks，birds，and schools:a distributed behavioral model［J］.Proc.Of ACM Computer Graphics（SIGGRAPH＇87），1987，21（4）:25 －34.

［2］T.Vicsek，A.Czirok，E.Ben － Jacob，I.Cohen，O.Shochet.Novel type of phase transition in a system of self－ driven particles［J］.Physical Reviews Letter，1995，75（6）:1226 －1229.

［3］A.Jadbabaie，J.Lin，A.S.Morse.Coordination of groups of mobile autonomous agents using neighbor rules［J］.IEEE Transaction on Automatic Control，2003，48（6）:988 －1001.

［4］H.G.Tanner，A.Jadbabaie and G.J.Pappas，F(xiàn)locking in fixed and switching networks［J］.IEEE Trans.Autom.Contr.，2007，52（5）:863－868.

［5］V.Gazi and K.M.Passino.A class of attraction/repulsion functions for stable swarm aggregations［C］.Proc.of Conference on Decision Control，Los Vegas，NV，Dec 2002:2842 －2847.

［6］V.Gazi and K.M.Passino.Stability analysis of swarms in an environment with an attractant/repellent profile［C］.Proc.of the American Control Conference，Anchorage，AK，May 2002:1819 －1824.

［7］Xiaohai Li，Zhijun Cai and Jizhong Xiao.Biologically inspired flocking of swarms with dynamic topology in uniform environments［C］.Proceedings of Conference on Decision and Control，New Orleans，LA，Dec.2007:2522 －2527.

［8］Dan Jin，Lixin Gao.Stability analysis of a double integrator swarm model related to position and velocity［J］.Transactions of the Institute of Measurement and Control，2008.30（3 －4）:275 －293.

［9］R.Winder，J.A.Reggia.Using distributed partial memories to improve self－ organizing collective movements［J］.IEEE Transactions on Systems，Man，and Cybernetics，Part B:Cybernetics，2004，34（4）:1697－1707.

［10］R.Olfati－ Saber.Flocking for Multi－ agent Dynamic Systems:Algorithms and Theory［J］.IEEE Transactions on Automation and Control，2006，51（3）:401 － 420.

［11］Y.Hanada，Geunho Lee;Nak Young Chong.Adaptive Flocking of a Swarm of Robots Based on Local Interactions［C］.Proceedings of Conference on Swarm Intelligence Symposium，Honolulu，HI，2007:340 －347.

［12］Hui Yu，Tiecheng Zhang，Jigui Jian.Flocking with obstacle avoidance based on fuzzy logic［C］.Proceedings of Conference on Control and Automation，Xiamen，China，June，2010:1876 －1881.

［13］Qiang Wang，Hao Fang，Jie Chen，Yutian Mao，Lihua Dou.Flocking with obstacle avoidance and connectivity maintenance in multiagent systems［C］.Proceedings of Conference on Decision and Control，Maui，HI，2012:4009 －4014.

［14］I.D.Couzin，J.Krause，N.R.Franks，S.A.Levin.Effective leadership and decision making in animal groups on the move［J］.Nature，2005，433（7025）:513 －516.

［15］Huosheng Su，Xiaofan Wang，and Zongli Lin.Flocking of Multi－ Agent with a Virtual Leader［J］.IEEE Transactions on Automation and Control，2009，54（2）:293 － 306.

［16］Wenwu Yu，Guanrong Chen，Ming Cao.Distributed Leader－Follower Flocking Control for Multi－Agent Dynamical Systems with Time－ Varying Velocities［J］.Systems ＆ Control Letters，2010，59:543 －552.

［17］Dongbing Gu，Zongyao Wang.Leader－ Follower Flocking:Algorithms and Experiments［J］.IEEE Transactions on Control Systems Technology，2009，17（5）:1211 －1219.

［18］Dongbing Gu，Huosheng Hu.Using Fuzzy Logic to Design Separation Function in Flocking Algorithms［J］.IEEE Transactions on Fuzzy System，2008，16（4）:826 －838.

［19］Jing Han，Ming Li and Lei Guo.Soft Control on Collective Behavior of a Group of Autonomous agent y a Shill agent［J］.Journal of Systems Science and Complexity 2006，19（1）:54 －62.

［20］R.Vatankhah，S.Etemadi，M.Honarvar，A.Alasty，M.Boroushaki.Vossoughi，G.Online velocity optimization of robotic swarm flocking using particle swarm optimization（PSO）method［C］.Proceedings of International Symposium on Mechatronics and its Applications，Sharjah，March，2009:1 －6.

［21］Mao Yang，Chengfeng Li，Yantao Tian.Flocking for Swarm Robot System:Distributed Coadaptive Control and Optimization［C］.Proceedings of Conference on Information Engineering and Computer Science，Wuhan，Dec.2009:1 －4.

［22］Li Chengfeng，Hong Wei，Liu Zongchun and Tian Yantao.Traffic in cooperative consensus behavior of swarm robots［C］.Proceedings of the International Conference on Machine Learning and Cybernetics.Guilin，2011:1368 －1375.

［23］A.S.Barrera，A.López － López，G.R.Gomez.Self－ organization of agents for collective movement based on particle swarm optimization:A qualitative analysis［C］.Proceedings of Conference on Electrical Communications and Computers，San Andres Cholula，2011:71 －76.

［24］X.Luo，D.Liu，X.Guan，S.Li.Flocking in target pursuit for multi－ agent systems with partial informed agents［J］.IET Control Theory ＆ Applications，2012，6（4）:560 －569.

TP24

A

1008－7974（2014）03－0036－03

2010－06－10

李成鳳（1986－），女，黑龍江巴彥人，碩士，教師.

國家自然科學(xué)基金項(xiàng)目（60675057）.

（責(zé)任編輯:王前）