群机器人自组织行为涌现机理及其演化规律研究

This subject focuses on the emergence of complex self-organizing behaviors from simple behavior rules for swarm robots based on a biologically inspired approach. The emergence model of self-organizing behaviors will be established for swarm robots. The key elements that influence the evolution of the self-organizing behaviors of swarm robots are investigated based on the emergence model. The self-organizing behaviors of swarm robots will be predicted and controlled based on the theoretical method. The innovative research is summarized as follows: 1) The complex self-organizing behaviors of social animals are decomposed into simple reactive behaviors based on a bio-inspired approach. 2) The interaction among the basic behaviors mechanism will be investigated. We attempt to identify the method to form the behaviors mechanism network based on the basic behaviors. The complete model of the behaviors mechanism network for self-organizing system will be established. 3) The connection modes and interactions among the cellular will be determined based on the behaviors mechanism network. The emergence model of the self-organizing behaviors for swarm robots will be built based on cellular automata. 4) The evolution of some variables will be studied, which cause the emergence phenomenon. The action mechanism and system constraints will be explored to result in the intended emergent behaviors. This research topic will make us understand the emergence mechanism of self-organizing behaviors for swarm robots better. This project has significance in science and theoretic value for structuring a large - scale swarm robots systems.

本课题基于生物启发的方法研究群机器人如何利用简单的行为规则涌现出复杂的自组织行为，建立群机器人自组织行为的涌现模型，利用涌现模型研究影响群机器人自组织行为演化规律的关键因素，实现对群机器人自组织行为的预测与控制。基于以上研究目标提出如下创新性研究思路：1) 基于生物仿生的方法将系统复杂的自组织行为解构为简单的反应式行为模式，建立基本行为机制集合。2) 研究基本行为机制之间的相互作用，找出将多种行为机制连接起来形成网络的方法，建立完整的自组织系统行为机制网络模型。3) 根据系统行为机制网络确定元胞之间的连接方式及其相互作用，利用元胞自动机建立群机器人自组织行为涌现模型。4) 研究产生涌现现象的变量的演化规律，探索产生预期的涌现行为的作用机制与系统约束。本课题的研究将从理论上深化对群机器人自组织行为涌现机理的理解，对于构建更大规模的机器人集群系统具有重要的科学意义与理论价值。

本课题基于生物启发的方法研究群机器人如何利用简单的行为规则涌现出复杂的自组织行为，对区域搜索、任务分配策略、任务分配算法中的参数优化策略以及基于神经网的群机器人自组织行为信息素模型进行了深入研究，主要研究成果包括：(1) 提出了一种基于自适应步长的随机行走方法，即每个机器人通过估计环境中的机器人密度来自适应地调节步长，从而降低重复搜索的次数。(2) 构造了一种截断的随机行走方法，该方法生成的步长满足给定分布且其步长大小在指定范围内，从而提高搜索效率。(3) 针对现有方法的局限性，使用了多个解的搜索公式并构造了一种基于迭代成功率的自主选择机制以提高算法的优化性能。(4) 构造了基于动态响应阈值的模型计算机器人协作行为概率，从而实现了有效的任务分配。(5) 基于神经网络建立了群机器人协作行为模型，研究确定影响系统自组织行为涌现的关键因素。本课题的研究加深了对机器人交互作用机理的理解，为机器人群体行为的设计与分析提供必要的理论依据。。