基于共演化博弈理论的动态环境下群体协同演化机制研究及其应用

Swarm behaviors under dynamic environment usually tend to show great uncertainty, therefore, analysis of swarm behaviors and its evolution become one of the challenges faced in the study of swarm co-evolution. It has been found that the feedback mechanism in co-evolutionary games helps to analyze swarm behavior and its evolution process under dynamic environment. Because of this, this project aims to explore the analysis of swarm social behavior characteristics qualitatively and quantitatively, swarm co-evolution mechanism guided by knowledge and swarm behavior evolution mechanism based on co-evolutionary game. Firstly, we propose classification mechanism and quantifying method of swarm social behavior, whereby analyzing swarm social behavior characteristics qualitatively and quantitatively. Next, we dig collaboration pattern knowledge from swarm evolutionary process, research self-learning mechanisms of collaboration pattern knowledge, and explore the interactive between swarm evolution and knowledge evolution and its impact on swarm collaboration performance. Further, we draw lessons from feedback mechanism in co-evolutionary game to discuss interrelationship between individual game, swarm structure and swarm behavior; through establishing the dynamic modeling of swarm structure, to express the characteristics of swarm behavior evolution process. Finally, for the problem of multiple robots navigation in unknown environment, we establish swarm evolution model and analyze the performance of this model. This study will provide new ideas and theory for the application of swarm intelligence and solve complex optimization problems which are difficult to deal with traditional methods.

动态环境下群体行为往往表现出极大的不确定性，因此，群体行为及其演化分析成为群体协同演化研究中面临的挑战之一。研究表明共演化博弈中反馈机制有助于分析动态环境下群体行为及其演化过程。据此，本项目旨在探讨群体社会行为特征定性和定量分析、知识引导的群体协作机制和共演化博弈下群体行为演化机制等问题。首先，提出群体社会行为分类机制和评价指标，从而定性和定量分析群体社会行为特征。其次，挖掘群体进化过程中协作模式知识，通过分析协作模式的自学习机制，从而探讨群体进化和知识进化之间交互及其对群体协作性能的影响。进一步，借鉴共演化博弈中反馈机制，探讨个体博弈、群体结构和群体行为间相互影响；并通过对群体结构的动态建模，从而表达群体行为演化过程的特点。最后，针对未知环境中多机器人导航问题，建立群体协作模型并分析模型性能。该研究将对群体智能理论与应用提供新的研究思路和理论成果，解决目前传统方法难以处理的复杂优化问题。

动态环境下群体行为往往表现出极大的不确定性，因此，群体行为及其演化分析成为群体协同演化研究中面临的挑战之一。本项目主要研究内容包括： .1）研究群体社会行为分类和量化，定性、定量描述社会交互模型中行为特性，通过分析群体社会行为特征，建立基于群体特征的协同演化模型。提出了动态分级诱导策略和启发式机制的协同演化模型，从实验和理论两方面探讨模型的性能。 .2）探讨群体进化过程中知识进化策略和知识扩散模型，采用基于深度学习的推荐模型从进化过程中发现有用知识，探讨知识引导的群体协同演化模型；利用强化学习策略讨论知识进化模型，探讨知识进化中自学习机制；研究知识扩散模型引导的搜索策略，讨论群体进化和知识进化间交互作用和影响，有效提高群体协作性能。构建了基于学习机制和知识模型的协同演化模型，并利用大量仿真实验验证模型的优越性。 .3）研究群体结构与群体行为的协同演化过程，通过探讨协同演化过程中博弈机制，进一步分析群体行为演化动力学。通过研究群体结构的动态模型, 探讨群体结构动态化方法，以及不同群体结构特性影响群体行为的演化趋势，从而分析群体行为演化过程特点。基于此，提出了共演化搏弈反馈机制启发的多种群协同演化模型，通过对大量TSP实例的实验测试，验证了该模型的有效性；通过解决机器人路径规划问题验证了算法的实用性。.4）针对多机器人路径规划问题，探讨知识模型引导的搜索策略，设计知识引导的群体协同算法，并验证其稳定性、有效性、可行性；利用多机器人导航问题ROS实验平台，反馈并改进相关的机制、模型、算法；采用新的机器人导航算法改进ROS Navigation功能包，并评价新算法性能。.研究结果表明：共演化博弈中反馈机制能有效促进群体合作行为发生，通过讨论基于演化博弈的群体协同演化机制，从而进一步探讨多无人系统协同控制中共演化博弈方法。该研究将对群体智能理论与应用提供新的研究思路和理论成果，解决目前传统方法难以处理的复杂优化问题。