动态多机器人救援任务分配的分布式微粒群优化及其在矿难救援的应用

Multiple robot rescue tasks allocation problem in the environment after disaster widely exists in our real life, however, there still lacks effective methods to solve such problem so far. Aimed at such complex environment after disaster, this project studies composite map building method and multiple robots rescue tasks allocation solved by distributed Particle Swarm Optimization(PSO) Algorithm in the dynamic environment after disaster, and its application, and expect to obtain the following achievements: (1) building composite map, based on the original map, Unmanned Aerial Vehicles(UAVs) are employed to capture the information of the environment after disaster, according to the above information, the environment map, the trapped men distribution map, and the dangerous zone map are built; (2) Presenting distributed PSO methods for multiple robot rescue tasks allocation problem with dynamic communication topology based on the built composite map, and trying to get an optimal rescue tasks allocation strategy; (3) applying the proposed methods to optimize the problem of personnel and emergency material rescuing after mine disaster. The project, at the cross edge of such disciplines as automation, mine safely, and computer and applied mathematics, is novel and challenging, and is urgently demanded by our society. The achievements of this project can enrich the evolutionary optimization theory, and improving the effectiveness of rescue after disaster. Therefore, the project is considerable significance in theory and application.

灾后环境多机器人救援任务分配问题非常复杂且普遍存在，目前尚缺乏有效的解决方法。本项目研究动态多机器人救援任务分配的分布式微粒群优化及其在矿难救援中的应用，内容包括：灾后复杂搜救环境复合地图构建、动态多机器人救援任务分配的问题建模及其分布式微粒群优化求解，及其在矿难发生后人员和物资救援中的应用。通过研究，基于已有的先验知识和无人机捕获的环境信息，给出灾后复杂环境地形地图、被困人员分布地图，以及危险区域地图的复合地图构建方法，提出通信拓扑结构动态变化下多机器人救援任务分配模型的重构以及分布式微粒群优化求解方法，并应用于矿难发生后人员和物资的救援问题。本项目是自动化、矿山安全，以及应用数学等学科有机交叉、新颖且富有挑战的研究方向，有非常明确的社会需求，因此，具有重要的理论意义和实际应用价值。

灾后环境多机器人救援任务分配问题非常复杂且普遍存在，尽管已有的任务分配方法给实际应用提供了可行途径，然而用于灾后救援任务分配时，救援效率依然低下，上述缺陷使其难易应用到实际的复杂灾后救援问题中。项目负责人及成员对动态多机器人救援任务分配的分布式微粒群优化及其在矿难救援的应用，进行了为期3年的全面深入研究，基于灾后救援任务分配问题的特征，充分考虑了灾后环境中存在的各种复杂且不确定因素，以矿难灾后救援为背景，为所提的微粒群优化算法提供实际应用背景。基于集中式求解问题的优势，提出了一种集中式微粒群算法用于求解灾后救援任务分配问题，有效提高了救援目标的个数；基于通信拓扑结构的动态变化特征，提出了分布式微粒群算法用于求解通信拓扑结构动态变化情况下的灾后救援任务分配问题，提高了整体的救援效率；针对救援任务分配过程中的载荷受限和时间受限等约束问题，提出了基于微粒群优化方法的约束问题求解方法，有效的解决了载荷受限情况下的救援任务分配问题；进一步地，针对救援目标个数静态和动态变化情况下的任务分配问题，分别提出了静态和动态环境下，不同编码解码方法的微粒群优化求解方法，有效且全面解决了目标点个数变化情况下的救援分配问题；此外，考虑灾后环境的高度信息，构建三维地图，提出考虑高度信息的多机器人救援任务分配方法；考虑灾后多种地貌环境，给出基于微粒群优化方法的多地貌多交通工具接力救援任务分配方法。将上述理论用于矿难灾后救援问题中，验证了所提理论和方法的有效性。基于上述成果，项目组负责人和成员申请发明专利2项，发表的高水平论文有14篇，其中，有6篇发表在SCI源刊上（含顶级期刊论文3篇，中情所1、2区期刊论文6篇），培养博士研究生3名、硕士研究生4名以及本科生1名，圆满完成了项目的预期目标。项目取得的研究成果解决了难以有效求解的灾后救援机器人任务分配问题，也丰富了任务分配的理论，还扩大了微粒群优化方法的应用范围，理论意义和实用价值都很大。