摘要
在多机器人系统中，将复杂任务分配给异构机器人团队的问题，也称为多机器人联盟形成问题，已经开始受到相当大的关注。解决这个问题的努力从搜索联盟结构的子空间的基于启发式的方法到进化学习方法。传统方法通常力求优化单个目标函数，例如执行的任务数或执行所有任务所需的时间，或此类目标的加权函数。在现实世界的应用程序中，诸如最小化旅行距离和最大化完成的任务数等目标在本质上往往是相互冲突的。因此，联盟形成问题自然适合于基于进化学习的多目标优化方法。在本文中，我们将机器人联盟映射到一组任务的问题描述为一个多目标优化问题，并提出了一种非支配排序遗传算法（NSGA-II）的变体以获得权衡解决方案。此外，我们将该解决方案扩展到机器人资源不可添加的领域。仿真结果表明了该方法在生成帕累托最优解集方面的有效性。
收到：2011-06-30
在线发布：2011年12月
印刷出版：2011年12月
本文是根据知识共享署名非商业许可证的条款分发的，该许可证允许在任何媒体上进行无限制的非商业使用、分发和复制，前提是正确引用了原始作品。
