多机器人系统任务分配效用评价算法

摘要：

为了提高复杂环境中多机器人系统任务分配的决策质量,获取准确、客观的效用评价,提出了一种基于自适应神经-模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)的效用评价算法ANFIS-UE.设计了基于ANFIS的效用评价网络结构,并采用Q学习对效用评价网络的参数进行学习.利用ANFIS优越的函数逼近能力和泛化能力,提高了效用函数的学习效率,能够对连续的状态输入产生连续的效用评价值.实验结果表明,该算法获得的效用评价相对更准确,从而提高了任务分配方案的质量.

关键词：自适应神经-模糊推理系统、Q学习、效用评价、多机器人系统、任务分配

所属期刊栏目：34

分类号：TP24(自动化技术及设备)

资助基金：电子科技大学中山学院博士启动基金项目410YKQ01;国家科技型中小企业技术创新基金项目12C26214405188;广东省教育部产学研基金项目2011B090400371

在线出版日期：2013-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3288-3292