1.一种工业环境下的多智能体任务分配与路径规划方法,其特征在于,其特征在于,包括以下步骤:S1.对时间步进行初始化,基于多智能体任务分配与路径规划问题和匈牙利算法,得到初始任务分配方案;
S2.根据任务重新分配策略和周期检测任务优化分配策略对匈牙利算法进行优化,得到新的任务分配方案,具体包括以下分步骤:S21.选择满足约束条件的智能体;
S22.检测当前是否存在到达任务目标点的智能体,若存在到达任务目标点的智能体,则触发任务重新分配策略进行任务重新分配并执行步骤S23,若不存在,执行步骤S23;
S23.计算得到智能体到每个任务点的距离成本值S24.每隔周期时间
S25.根据距离成本值
S26.计算当前成本矩阵
S27.根据总代价值最小的成本矩阵得到新的任务分配方案,实现任务分配;
S3.根据新的任务分配方案,得到任务目标点并结合视野滚动窗口和所述视野滚动窗口,具体为:预先设定冲突检测窗口所述步骤S3具体包括以下分步骤:
S31.获取每个智能体的初始位置和任务目标位置;
S32.初始化二叉树根节点,利用
S33.利用矩阵表示方法对生成的路径进行冲突检测,记录所产生的冲突,并计算当前总路径成本,将根节点加入S34.判断
S35.判断节点
S36.根据父节点
2.根据权利要求1所述的工业环境下的多智能体任务分配与路径规划方法,其特征在于,步骤S21中所述约束条件的公式为:其中,
3.根据权利要求1所述的工业环境下的多智能体任务分配与路径规划方法,其特征在于,步骤S22中所述任务重新分配策略,具体为:将当前智能体完成的任务从总任务集合
4.根据权利要求1所述的工业环境下的多智能体任务分配与路径规划方法,其特征在于,步骤S23中所述智能体到每个任务点的距离成本值其中,
5.根据权利要求1所述的工业环境下的多智能体任务分配与路径规划方法,其特征在于,步骤S24中所述周期检测任务优化分配策略,具体为:根据智能体未来一段时间内的路径,得到执行当前任务的距离成本;将执行当前任务的距离成本与距离成本值
6.根据权利要求1所述的工业环境下的多智能体任务分配与路径规划方法,其特征在于,步骤S26中所述的总代价值最小的成本矩阵的计算公式为:其中,
7.根据权利要求1所述的工业环境下的多智能体任务分配与路径规划方法,其特征在于,步骤S33中所述矩阵表示方法,具体为:将各智能体用外接圆表示,获得各智能体占用的空间区域;利用二维矩阵表示各智能体占用的空间区域,智能体占用的方格值为1,未占用的方格值为0;判断二维矩阵所表示的区域位置是否存在相同的顶点,若不存在相同的顶点,表示智能体未发生冲突,若存在相同的顶点,则表示该智能体发生了冲突,将该顶点对应二维矩阵中的位置进行相加,得到的值表示在该位置发生冲突的智能体的数量。