摘要
目前，随者科技的发展，人工智能与无人驾驶已成为当今世界关注的焦点。尤其是无人驾驶，融合了人工智能，机器视觉，规划决策等功能的综合体系。本文主要针对智能体的路径规划与编队控制进行研究，主要内容如下： 首先，对本课题的研究背景和意义进行了介绍，分析了多智能体路径规划与编队控制的研究现状。列举了经典规划算法的优势与不足以及常见的改进方案，针对智能体编队，主要介绍了常用的体系结构与编队控制原理。 其次，针对基本蚁群算法在规划路径中，前期启发性较弱，且收敛速速度慢的问题，通过融合A*算法的方式进行改进。然后针对复杂环境中，信息素更新机制效率较差的缺点，以不平等原则加强精英蚂蚁同时削弱普通蚂蚁信息素权重的方式，加强了正反馈效应，使信息素的更新更加高效。实验证明，改进的蚁群算法表现出了较明显的优越性。 再次，针对复杂智能体环境，首先使用改进的蚁群算法进行全局路径规划，然后，再通过人工势场算法进行逐步的的局部路径规划。针对多智能体的动态避障问题，首先通过蚁群算法找到的最优路径并重新选择拐点，以减少拐点数量。然后将重新排列的拐点视为人工势场算法的子目标点。最后，通过人工势场算法逐步的向子目标点运动。由于人工势场面对动态环境具有较高的灵活性和适应性，但容易陷入局部极小值陷阱，因此，提出了蚁群算法与人工势场相结合的方案以解决局部极小值问题。实验结果证明了所提算法的有效性。 最后，基于一阶一致性原理设计了智能体编队模型，使用人工势场算法实现了智能体的主动避障与规划路径，再根据领航-跟随者的编队控制方案，成功实现了多智能体的编队控制。设计了智能体队形变换实验和存在静态与动态障碍物的环境中的智能体编队实验。证明了所提方案能够完成设定的队形并保持编队稳定，还能有效处理静态或动态障碍物。验证了该智能体编队具有较强的鲁棒性与适应性。
NETL