1、生物的群體運(yùn)動是指大量生物個(gè)體一起運(yùn)動，它們通過個(gè)體自組織的行為實(shí)現(xiàn)群體的協(xié)作優(yōu)勢，如躲避天敵、尋找食物等。群體運(yùn)動的一個(gè)突出特點(diǎn)，就是通過個(gè)體簡單的局部規(guī)則，實(shí)現(xiàn)全局整體協(xié)同運(yùn)動，它具有分布式、自組織和協(xié)調(diào)性。這種群體大于個(gè)體之和的特性，吸引了許多研究人員關(guān)注多智能體的群體協(xié)同控制問題。多智能體的群體協(xié)同運(yùn)動控制首先要假設(shè)個(gè)體的運(yùn)動模型，然后根據(jù)運(yùn)動模型設(shè)計(jì)相應(yīng)的控制策略，在控制策略中，每個(gè)智能體的行為都是依據(jù)它相鄰的其它智能體而做出

2、反應(yīng)，智能體個(gè)體的實(shí)際運(yùn)動狀態(tài)不是預(yù)先設(shè)定好的，但是群體將會涌現(xiàn)出協(xié)同運(yùn)動的智能行為。這種協(xié)同的智能行為也會所在環(huán)境等條件的約束而受到干擾，例如在有障礙物環(huán)境中實(shí)現(xiàn)群體協(xié)同運(yùn)動控制，原有的控制策略有可能性能不再穩(wěn)定，必須根據(jù)障礙物的狀況重新設(shè)計(jì)。假如個(gè)體能夠充分運(yùn)用群體的協(xié)作性，那么當(dāng)只有部分智能體擁有障礙物環(huán)境探測能力時(shí)，功能簡單的個(gè)體也能夠通過群體協(xié)同實(shí)現(xiàn)障礙物避碰。
　　在本文中，個(gè)體的控制策略使得群體中的每個(gè)智能體都能通過

3、運(yùn)動控制實(shí)現(xiàn)狀態(tài)完全一致，叫做一致性控制。個(gè)體的控制策略使得每個(gè)智能體都與相鄰智能體保持相等的距離，同時(shí)速度完全一致，叫做蜂擁控制。固定拓?fù)浣Y(jié)構(gòu)的多智能體群體協(xié)同運(yùn)動中，智能體的拓?fù)浣Y(jié)構(gòu)一經(jīng)確定就不再改變。而變拓?fù)浣Y(jié)構(gòu)的多智能體群體運(yùn)動時(shí)，智能體總是實(shí)時(shí)地接收鄰接智能體的狀態(tài)信息。本文主要是在各種條件下討論多智能體群體協(xié)同避障運(yùn)動的控制策略，具體如下：
　　(1)本文提出了具有部分感知能力的多智能體一致性協(xié)同避開光滑凸障礙物的控制

4、策略。多智能體群體中僅有少部分智能體具有障礙物全局信息感知能力，另一部分智能體僅具有障礙物局部信息感知能力。通過為具有全局感知能力的智能體增加虛擬導(dǎo)航反饋項(xiàng)，使受障礙物擾動而分散的智能體能夠在導(dǎo)航反饋的作用下逐漸聚集，與具有全局感知能力的智能體保持連通的其它智能體，也能夠聚集到目標(biāo)位置。本文證明了算法的收斂性、狀態(tài)的一致性，分析了障礙物的無碰撞性，并演示了相應(yīng)的仿真結(jié)果。
　　(2)本文提出了具有部分感知能力的多智能體蜂擁協(xié)同避開

5、非凸障礙物的控制策略。部分感知能力是指群體中僅有一部分智能體具有障礙物全局信息感知能力。該控制策略主要根據(jù)晶體的結(jié)構(gòu)模型生成大量虛擬的具有排斥作用的智能體，來引導(dǎo)實(shí)際智能體避開障礙物。對于非凸的障礙物，具有障礙物全局信息感知能力的智能體能夠根據(jù)幾何關(guān)系判斷并填充非凸區(qū)域，從而保證不陷入勢能函數(shù)的局部最優(yōu)。而與它們保持連通的無障礙物全局信息感知能力的智能體，也能夠離開障礙物非凸區(qū)域并聚集到目標(biāo)位置。本文證明了算法的聚集性、速度一致性、無碰

6、撞性，演示了仿真結(jié)果。
　　(3)本文提出了具有部分感知能力的多智能體一致協(xié)同繞行通過單個(gè)障礙物的控制策略。多智能體群體中僅有少部分智能體具有障礙物感知能力，另一部分智能體則完全不需要障礙物探測裝置。該控制策略主要采用反對稱矩陣構(gòu)造導(dǎo)航反饋方向，使得具有障礙物感知能力的智能體個(gè)體具有圍繞障礙物旋轉(zhuǎn)的功能。分別在一階和二階動態(tài)模型下，固定拓?fù)浜妥兺負(fù)浣Y(jié)構(gòu)條件下，針對變速和變加速度的障礙物設(shè)計(jì)了控制算法，并證明了算法的收斂性、一致性和

7、無碰撞性，演示了仿真結(jié)果。
　　(4)本文提出了保持連通性的多智能體群體協(xié)同繞行通過不規(guī)則形狀障礙物的控制策略。相鄰多智能體之間采用回差切換法則和勢能函數(shù)上限的設(shè)置而保持拓?fù)浣Y(jié)構(gòu)的連通性，智能體與障礙物之間的拓?fù)潢P(guān)系也通過勢能函數(shù)設(shè)計(jì)保持連通。在該控制策略中，僅使一個(gè)智能體具有障礙物感知能力，將該智能體與障礙物表面上與其距離最近的點(diǎn)作為繞行運(yùn)動參考點(diǎn)，分別設(shè)計(jì)了一階動態(tài)模型和二階動態(tài)模型下的繞行控制策略，并證明了算法的收斂性、連通