徐征②王卫军②杨文林②韩彰秀②(①长安大学工程机械学院，陕西西安710064；②广州中国科学院先进技术研究所，广东广州511458)摘要:多机器人协同系统是当今机器人学研究领域的热点,具有环境适应性好、空间分布广、最优匹配、自
由协同、更好的系统冗余度及鲁棒性等特点。针对多机器人协同系统涉及的路径规划、协同控制和 任务分配等三方面内容,综述多机器人协同系统的研究进展,指出其中存在的技术问题,并对未来的 发展趋势进行展望。关键词:多机器人;协同控制;路径规划;任务分配;综述中图分类号:TP242 文献标识码:ADOI： 10.19287/j・ cnki.1005-2402.2019.11.004Research review and development trend of multi-robot cooperative systemBAO Xiangyu0®, CAO Xuepeng①,ZHANG Gong®, WANG Jian②,HOU Zhicheng②, LIANG Jimin②，XU Zheng②，WANG Weijun②，YANG Wenlin②，HAN Zhangxiu②
(① School of Construction Machinery, ChangJ an University, Xi，an 710064,CHN;②Guangzhou Institute of Advanced Technology, Chinese Academy of Science, Guangzhou 511458 ,CHN)Abstract: Multi-Robot cooperative system is a hotspot in the field of robotics. It is provided with the characteristics
of good environmental adaptability, wide spatial distribution, optimal matching, free cooperation, better system redundancy and robustness. In this paper, the research progress of multi-robot cooperative system
is reviewed, including path planning, coordinated control and task allocation. The technical problems are pointed out and the future development trend of multi-robot cooperative system is discussed.Keywords: multi-robot; coordinated control; path planning ； task allocation ； review近年来,机器人产业蓬勃发展并日渐成熟,在各领 域均得到广泛应用,可满足多工种、高精度的工业生产 需求⑷。随着工业领域“机器人化”加速发展,机器人
同⑷。为此，本文针对多机器人协同系统涉及的路径
规划、协同控制和任务分配等三方面内容，综述多机器
人协同系统的研究进展,指出其中存在的技术问题并 对未来的发展趋势进行展望。系统涵盖的制造产线愈加庞大、作业任务愈加繁重，单 机器人作业已难以满足轴孔装配、多路径焊接、搬运大
尺寸重物等复杂工况，多机器人系统应运而生。与单 机器人作业模式相比,多机器人协同系统具有环境自 适应,多任务适用⑵，最优匹配、自由协同⑶、更好的 系统冗余度及鲁棒性⑷等特点。1多机器人协同控制多机器人协同系统的控制问题涉及位置协同控制 与力协同控制两方面,常采用力/位置混合控制的方式
进行协同控制，同时对动态阻尼环境做出实时
依据不同的任务形式,机器人任务分为:松散型任 务(单机器人可执行)和紧耦合型任务(多机器人协作 完成)旧。多任务并行采用自由协作形式，单任务模
响应⑺。早在1995年,Mataric[8]和他的团队就设计了一种
合作双机器人推箱的定位方法。通过传感器感知接触
式的多机器人协作形式又分为顺序协同与同步协 和追踪光线对机器人定位。当今比较常见的机器人定*广东省引进创新创业团队专项(2014ZT05G132)；深圳市海外高层次人才资金(KQTD2015033117354154)；广东省重大专项(2015B010919002)；东莞市重大 专项(2017215102008)・26・刻出％ .f為杓常2019年第伯期位技术有超声波导航定位、GPS定位和红外导航定 位。F Rivard［9］提出一种基于超声脉冲和ARF通信链 路的超声波相对定位系统。机器人向其他机体发送超
声波来感知自己的相对位置,实现高精度定位(误差: 8 mm/7.6 m 和 3°/7.6 m) 0 Kemppainen［10］提出一种
利用红外定位系统定位机器人相对姿态的分布式多机 器人传感系统。通过测量光的照度和罗盘航向网格
图,绘制环境地图，并实现分式多机器人的传感与定
位。Kyounghwan Jo［11］提出一种DGPS (差分全球定 位)与优化里程计相融合的多机器人系统定位技术。
DGPS收集机器人的相对位置信息，根据协方差计算 权重。通过加权求和估计每个机器人的位置调整值,
解决了 GPS定位精度不够的问题。Van-Nam Tran^在I2C总线上使用ZigBee进行 机器人网络通信。采用GPS天线定位机器人的位置,
将采集到的数据发送并存储在服务器中。这种方法克 服了传统无线传感器网络不灵活、不易重新配置和需 要大量节点的缺点。SM TIAN［13］采用星型结构的Zig-
Bee 作为多移动机器人的通信手段，配置专门 的网络 协调机器人，基于Z-Stack协议栈实现完整的CC2430
的协议内容。戴卫军网博士则提出采用基于ZigBee 无线传感器网络的RSSI定位技术。由定位引擎 CC2530收集参考节点的坐标轴和RSSI值，将定位精
度控制在0.5 m内，并实现实时通信。定位滤波算法分为粒子滤波法和卡尔曼滤波法, 两者在定位收敛时精度相同［⑸o Mottaghi［16］采用粒
子滤波器定位机器人，给每个机器人分配粒子子集,直 接用粒子云生成输入，为每个搜索机器人施加有吸引 力的电位。刘利枚曲］将常规粒子滤波方法与粒子群
优化算法相结合,调整例子提议分布和粒子权重,提高 了约1/3的位置预测精度。当粒子束远大于状态维数
的时候，卡尔曼滤波计算效率更强。SI Roumeliotis［18］ 于2000年提出了基于贝叶斯估计与卡尔曼滤波的移 动机器人定位的统一框架。方法采用多假设跟踪和多
模态概率分布函数的定位框架,克服了卡尔曼滤波易 丢失跟踪目标的缺点。Trawny［19］将集中式卡尔曼滤
波分解到多个滤波器上。简化了机器人的计算维数, 减小了 30%的方向精度误差。相比于集中卡尔曼滤
波，张鑫妙］等人提出的基于分布式扩展卡尔曼滤波 (DEKF)方法进一步减小了定位信息的计算量和通信 量、提高了系统鲁棒性和定位精度。在精确定位的基础上实现多机器人编队策略是位 置协同控制的研究重点。A. G. Barrientos^及其团队Special Reports镰述直接利用智能控制器实现协同控制。控制律采用具有 两个规则的并行分布控制器(PCD)和具有九个Takagi
-Su型规则的模糊比例微分(PD)控制器，由瞬时旋转 中心确定机器人所需速度。该系统仅适用较少并行机
器人运输直刚体情形。王文明胞］硕士及其团队采用
基于闭环控制律的领导-跟随者(Leader-Follower)方
法，实时追踪领航者的方位和速度。依据领航者与跟 随者的实时相对距离i和角度V，反馈下一时刻跟随
者的转速。该方法实现对机器人整体的编队控制、队 形保持和队形变换。考虑到运输稳定性对多机器人协
同的重要性,德国的Chia Choon Loh】23〕创新性地引入
两层控制结构领导者-跟随者法低级控制器相结合输 出期望角速度，显著提升机器人编队协同性和平稳性。
不同于上述的集中化方法，TY Huang】24】等人提出基 于个体自主运动(IAM)的分布式自组织方法。机器人
自主移动，与附近机器人相互感知,彼此分散并相对于 目标聚集。这种分布式方法的通信和计算瓶颈较少，
为复杂的多任务并行的机器人系统构建了良好的空间 模型。同样采用机器人分布式编队模式，美国学者
Ashley Stoupe［25］提出一种基于行为的机器人施工系
统。该系统依据当前状态的传感器信息分别求解各机 器人的下一步动作，同时保证多机器人的整体动作紧 密耦合。在模拟的复杂“自然地形中”利用Frace Trink
反馈提高速度控制灵敏度,保持机器人队形的鲁棒性。多机器人协作运输同一个物体时,机器人之间具 有物理链接和内力约束。多机器人系统要实现紧耦合 必须采取力协同控制有效分配载荷顷。另外,机器人
末端的位置误差可能导致运输物体承受较大的局部内
力，同样需要力控制实时调节机器人末端与物体之间
的接触力/力矩，将期望力/力矩核算在合理的范 围内口7］。赵志刚血］等人依据牛顿-欧拉法的逆动力学算
法，用线性加权方法令吊运物质质心处内力有限，推导 出多机器人吊运系统的动态载荷分配的表达式。该研
究为广义的多机器人协同系统载荷分配问题打下基
础,但并未涉及机器人受扰动或预定路径变化情况下 的载荷分配修正。吴晋逊］硕士及其团队克服机器人
运动易抖动的问题，设计出一种基于改进人工协调场
的力混合器,消邻近避碰、速度超限和运动抖动等特殊 情况得到有效处理或消除。为确保力控制的可靠性, 欧阳帆㈤］等人采用基于遗传算法的阻尼PD控制对
内力控制误差进行优化。通过逆雅可比矩阵转换将机 器人末端力的误差信号转化为关节电动机的修正量,27镰述 Special Reports___________________________________________________________________________________2019 年第\"期减小了 14.8%的轴向力平均误差。TY Huangs〕依据
“良好分布承载”规则，构建了“良好分布的承重”的空 间模型。在保证队伍位姿稳定的前提下，规定中间与
两边相邻机器人都沿着物体边缘移动在承载较大的相 邻机器人处,这使得所有机器人的承载量趋向于平均
值。巴布罗诺什瓦尼技术大学的Barmak Baigzadeh- noe［32］提出基于自适应模糊反步法的协作机器人力控 制方法。利用模糊逻辑系统的通用逼近性质估计系统
动力学，以自适应模糊控制设计控制器追踪内力，使得 系统的闭环系统更加均匀。2多机器人路径规划解决路径规划问题的核心是寻找从起始状态到达 目标状态的无碰撞路径。依据算法原理，路径规划算 法大致分为:传统算法、图形学算法、智能仿生学算法
和其他算法⑶］O在处理复杂动态环境信息中的路径 规划问题时,常采用智能仿生学算法或虚拟力法。早在1998年，南加洲大学的Barry Brian Werger［34］就
提出了一种基于最小行为的机器人足球系统的路径规 划的方法。该方法依据极简、无状态和公差的设计原 则,在动态环境中实现有效避障并生成平滑的轨迹。 1999年,国内的孙树栋⑶］等人提出了引入适应值调
整矩阵的遗传算法。采用栅格序号的编码形式优化已 知环境下的避撞路径,但不适用于动态规划□2003年,刘国栋［旳等人提出采用实数编码改进 遗传算法。方法引入具有明确物理意义的适应度函
数，加速了算法收敛，实现了动态环境中的有效避障。 该研究只仿真了单个球形机器人，之后，浙江大学的刘
山⑶］博士等提出一种基于定点转动-遗传算法的路径 规划方法。方法将多机器人协作路径规划问题转化为 一般凸多边形零件的平面运动问题，在稀疏障碍物区
域采用定点转动法,在特殊窄道环境中采用遗传算法, 证明了规划空间路径搜索的完备性，降低了运动能耗、 缩短了运算时间。由Khatib提出的人工势场法是局部路径规划的 一种常见虚拟力法，其基本思想是将机器人路径虚拟 为人工势场中的受力过程。障碍物对机器人产生斥
力，目标位置则对机器人产生引力泗。传统的人工势 场法易出现“死锁”（局部最小值）问题。有的研究者 通过变参数和修正势场函数改善这个问题3〕。Mo- hamed［40］由沿墙导航概念提出一种修正人工势场法的 切线错误（Tangent Bug）理论，设计了更可靠的切换和
合并条件，消除了局部最小值问题。吴晋及其团队提
• 28 •出一种修正目标函数的基于改进人工协调场的多机器
人避碰算法。方法凸化障碍物的模型,然后由子目标 主动选择,解决“死锁”问题。有的研究者混合人工势场法与其他方法来修复缺 陷。加拿大的Milad Nazarahari［41］提出一种改进人工
势场和遗传算法的多机器人路径规划算法。改进人工 势场法遵循时间有效原则确定可行路径，改进遗传算
法利用五个定值的交叉和变异碰撞算子改善初始路
径。Hassan陶提出基于能量逼近的人工势场法。由 简化势函数建立三维势图，使用虚拟障碍法处理局部 极小值,生成地图并实现全局离线路径规划o探究动态环境下的路径规划问题的方法还有很 多。C Chen⑷］教授采用线性时序逻辑（LTL）理论规
划全局最优路径,结合线性时序逻辑和二维编队控制
方法,在满足复杂任务需求和实现优化路径的同时扩
展直接网络拓扑结构，实现集中通信。美国莱斯大学的Golnaz Habibi⑷］提出一种可扩 展的分布式路径规划算法。该方法使用分布式
Bellman-Ford算法权衡路径安全性和运输所需的机械
功,获得随机障碍的未知环境中的最优路径。法明代 尔州立学院的Doug Kim嗣提出一种结合分段预留策 略的两级路径规划方法。由服务约束的周期性监控触
发动态重复规划，完全消除了潜在的死锁，避免了不可 预测的服务请求模式引起的饥饿匮乏。3多机器人任务分配多机器人任务分配能够合理调度机器人队伍，同
时对机器人的工况饱和、任务冲突、欠缺能力、出现故
障等特殊情形进行调度协商。它是多机器人系统研究 的基础问题，体现了系统的高层组织形式与运行机
制因此，任务分配策略的好坏很大程度上影响了 多机器人系统的作业效率与实际性能。依据有无中央控制机器人,将任务分配策略划分 为集中式和分布式两大机制。1955年提出的匈牙利
算法是典型的集中式任务分配算法。随着机器人维度
与数量的增加，动态环境中的环境信息量与通信量呈 指数增长,集中式方法并不适合高复杂度的计算⑷］o
分布式任务分配策略展现出大大优于集中式的环境适
应性与鲁棒性。分布式任务分配的方法有:博弈法、免疫系统法、
市场法、蚁群算法等。研究者们对分布式任务分配策 略进行了大量研究，收获了丰厚的研究成果。博弈论的精髓是将个体决策建立在预测其他局中
20侣年第11期______________________________________________________________________________________special Reports镰述人的选择之上。Wojciech Szynkiewicz \"切提出基于动 态博弈理论的机器人交互的形式化模型。该模型可以 在任意时刻内判断多个自主机器人的博弈关系,与部 分未知的环境也能良好交互。Y Meng⑷］提出一种基
于博弈论的多目标搜索的方法。先假定目标分布的粗 糙先验概率图，然后用动态规划方程估计每个机器人 的效用函数，强化了系统的实时求解能力。黎萍冋对
基于博弈论的分布式多机器人系统的任务分配进行了 仿真分析。仿真结果显示:博弈论计算时间受机器人
数量的影响较小，在通信局部失效的情况，执行任务用 时仅增加3%，展现出更好的鲁棒性。基于生物免疫网络模型的分配方法将任务和机器 人类比为抗原和抗体，据此,Godfre严］提出基于人工
免疫系统原理的移动机器人任务分配模型。依据激励
与抑制作用评估吸引力系数，设置免疫机制避免冲突 或阻塞。Amanda Whitbrook［52］提出一种基于farmer模 型的遗传免疫网络的任务分配算法。该算法严格遵循 免疫系统的二维刺激和抑制原则,得出的分配最优解 明显优于其他遗传算法的贪婪解。袁明新博士厲］在
人工免疫的原理上引入干扰素调节因子，由搬运物数
量调节免疫水平，减少了机器人的推力损耗和等待 数量。信息素是蚁群算法协调机器人工作的重要概念。
J Jiang［54］提出一种基于蚁群算法的自主任务分配方
法，引入排斥信息素C有效减少空间冲突。Zheng T⑶］在蚁群算法中引入双信息素。依据两种信息素的 密度值,记录任务分配和任务处理顺序的阈值,选取阈 值大的机器人群体处理任务。曹宗华等人对单信
息素蚁群法的收益函数进行了修正，实现了全局近似 最优的任务分配。4研究展望基于前文国内外学者最新的研究进展和科研成
果,为了顺应工业4.0环境下的智能柔性生产和敏捷 制造，可以看出：(1) 多机器人协同系统应当选取高性能永磁同步 电机，提高控制精度并进一步消除物理惯性误差。摒
弃集中化方法,改用分布式控制策略,控制算法面向模 块化、强容错性、高冗余度系统,实现大负载下的高柔
性和高灵敏度。(2) 多机器人工作环境具有易变性和不可预见 性。为实现智能决策能力，应实现机器人的深度学习 和强化学习,通过多次学习“试错”、“纠错”和优化行
动。机器人对无法实现的动作应有判断能力,及时报 警提示,实现成熟完备的机器自适应性。(3)多机器人协同的设计方向应当基于易于实
现、广泛运用的通信方式和设计语言。完善底层的交 互设计和控制方式，实现多机器人搬运系统匹配现有 实际工况的智能控制方式,在工业环境的实际应用中
实现不断优化。随着多机器人协同技术的不断优化与发展，终将
在未来的生产应用中实现广阔的市场价值。参考文献[1] 周东健，张兴国，李成浩.多机器人系统协同作业技术发展近况与前
景[J].机电技术,2013,36(6)： 146-150.[2] 吴军，徐昕，连传强.协作多机器人系统研究进展综述[J].智能系统
学报,2011,6(1)： 13 - 27.[3] 陈忠泽，林良明,颜国正.基于MAS的多机器人系统:协作多机器人
学发展的一个重要方向[J].机器人,2001,23(4)： 368-373.[4] 石志国，王志良,刘冀伟.异构多机器人协作系统研究进展[J].机
器人,2009,4(5)： 377-391.[5] 张兴国，张伯，唐玉芝.多机器人系统协同作业策略研究及仿真实现
[J].机床与液压,2017,45( 17)： 44-51.[6] 李正义.机器人与环境间力/位置控制技术研究与应用[D].武汉：
华中科技大学,2011.[7] 庄严.移动机器人基于多传感器数据融合的定位及地图创建研究
[D].大连:大连理工大学,2004.[8 ] M J Mataric, M Nilsson, KT Simsarin. Cooperative multi - robot box -
pushing] J]. IEEE/RSJ International Conference on Intelligent Robots &
Systems 95 Human Robot Interaction & Cooperative Robots, 1995 (3):
556-561.[9] F Rivard, J Bisson, F Michaud. Ultrasonic relative positioning for multi
-robot systems [J]. IEEE International Conference on Robotics & Automation ,2008： 323-328.[10] Anssi Kemppainen, Janne Haverinen, Juha Roning. A distributed multi
-robot sensing system using an infrared location system [ R ].
International Conference on Icinco, 2015: 280-283.[11] KH Jo, J Lee. Multi-robot cooperative localization with optimally fused
information of odometer and GPS[ R]. International Conference on Control, 2007： 601-605.[12] Tran V N, Hoang A Q, MT Pham. Design and implementation of a
multi-robot system based on zigbee network [Z]. National Conference
on Electronics, Communications and Information Technology, 2016.[13] Tian S M,Gao X J. Multi-robot communication system based on zigbee
network[ J]. Communications Technology, 2010,43(5)： 207-209.[14] 戴卫军，唐燕妮.基于ZigBee+RFID的智能装配多机器人协作系统
研究[J].现代制造工程,2017( 17) : 54-58.[15] 王玲,刘云辉，万建伟.基于相对方位的多机器人合作定位算法
[J].传感技术学报,2007,20(4)； 794-799.[16] Roozbeh Mottaghi, Richard Vaughan. An integrated particle filter and
potential field method applied to cooperative multi-robot target tracking
[J]. Autonomous Robots, 2007 , 23(1) ： 19-35.・29・镰述 Special Reports___________________________________________________________________________________2019 年第\"期[17] 刘利枚，蔡自兴.粒子群优化的多机器人协作定位方法[J].中南
大学学报,2011,42(3): 682-687.[18] Roumeliotis S I,Bekey G A. Bayesian estimation and Kalman filtering:
a unified ftamework for mobile robot localization [ R]. IEEE International Conference on Robotics & Autmation,2000 , 3 : 2985-2992.[19] Trawny N, Roumeliotis S I, Giannakis G B. Cooperative multi-robot lo
calization under communication constraints] J] * IEEE International Conference on Robotics & Autom, 2009： 2690-2696.[20] 张鑫,刘玉东，巨永锋.一种基于分布式EKF的多机器人协同定位
方法[J]・计算机仿真,2011,28(9): 210-222.[21 ] Barrientos A G,lopez J L,Espinoza E S. Object transportation using a
cooperative mobile multi-robot system [J]. IEEE Latin America Transactions, 2016, 14(3) ： 1184-1191.[22] 王文明，周帅.多机器人协同控制与编队方法研究[J].信息网络
安全,2014(6)： 59-66.[23] Chia Choon Loha, Ansgar Traechtler. Cooperative transportation of a
load using nonholonomic mobile robots [ J ]. Procedia Engineering,
2012, 14(3)： 860-866.[24] Huang T Y,Chen X B. A Self-organized Approach to collaborative han
dling of multi-robot systems] J]. Robot, 2011.[25 ] Ashley Stroupe, Terry Huntsberger, Avi Okon. Behavior-based multi-
robot collaboration for autonomous construction tasks] J]. IEEE/RSJ International Conference on Intelligent, 2005: 1495-5000.[26] 赵志刚,滕富军，石广田.紧耦合多机器人联合吊运系统逆运动学
求解[J].哈尔滨工程大学学报,2016,37(2)： 254-260.[27] 王砚麟，赵志刚，石广田.多机器人协调吊运系统控制优化仿真
[J].计算机仿真,2015,32(10) : 404-408.[28 ]赵志刚,吕恬生.多机器人协同吊运系统的协调动态载荷分配[J].
机器人,2012,34(1)： 114-119.[29] 吴晋,张国良，汤文俊.基于改进人工协调场的多机器人避碰算法
[J].计算机应用，2013,33( 11) : 3123-3128.[30] 欧阳帆，张铁，陈杨.基于遗传算法的双机器人协调搬运阻尼比例
微分控制方法[J].上海交通大学学报,2016,50(6) : 879-883.[31 ] Huang T Y, Wang X N, Chen X B. The multirobot time-optimal han
dling method based on formation control[ J]. Journal of System Simula
tion, 2010.[32] Baigzadehnoe B, Rahmani Z, Khosravi A. On position/force tracking
control problem of cooperative robot manipulators using adaptive fuzzy
backstepping approach [ J ]. Isa Transactions, 2017 , 70 ： 432.[33] 张广林,胡小梅，柴剑飞.路径规划算法及其应用综述[J].现代机
械,2011(5)： 85-90.[34] BB Werger. Cooperation without deliberation: a minimal behavior-based
approach to multi-robot teams [ J]. Elsevier Science Publishers Ltd.,
1999, 110(2): 293-320.[35] 孙树栋，曲彦宾.遗传算法在机器人路径规划中的应用研究[J].
西北工业大学学报,1998(1)： 79-83.[36] 刘国栋，谢宏斌,李春光.动态环境中基于遗传算法的移动机器人
路径规划的方法[J].机器人,2003,25(4) ：327-330.[37] 刘山,梁文君.多机器人协作搬运路径规划研究[J].计算工程与
应用,2010,46(32)： 197-201.[38] 张波涛，刘士荣,董德国.基于栅格一几何混合地图的移动机器人
分层路径规划[J].华东理工大学学报,2011,37(5) : 621-626.[39] 朱大奇，颜明重.移动机器人路径规划技术综述[J].控制与决策，
2010,25(7) : 961-967.• 30 •[40] Mohamed E F, El-Metwally K, Hanafy A R. An improved Tangent Bug
method integrated with artificial potential field for multi-robot path planning[ R]. International Symposium on Innovations in Intelligent Systems
& Applications. 2011: 555-559.[41 ] Milad Nazarahari, Esmaeel Kharrmirza, Samira Doostie. Multi-objective
multi-robot path planning in continuous environment using an enhanced ge
netic algorithm]J]. Expert Systems With Applications, 20]&[42] Hassan A M, Elias C M, Shehata 0 M. A global integrated artificial po
tential field/virtual obstacles path planning algorithm for multi-robot system applications [J]. International Research Journal of Engineering and
Technology, 2017. 04(09) : 1198-1204.[43] Cheng C, Yu X Y, Ou L L. Research on multi - robot collaborative
transportation control system [ R ]. Control & Decision Conference, 2016： 4886-4891.[44] Habibi G, Xie W, Jellins M. Distributed path planning for collective
transport using homogeneous multi - robot systems [ M ]. Springer Japan, 2016.[45] Doug Kim. Mobile robot dispatch strategy for cooperative applications
in onfined space [ J ] . Advances in Robotics & Automation. 2017, 6
(3)： 1-11.[46] 张箭，刘淑华.多机器人任务分配的研究与进展[J].智能系统学
报,2008,3(2) : 115-120.[47] 么立双，苏丽颖，李小鹏.多机器人系统任务分配方式的研究与发
展[J].制造业自动化,2013(10)： 21-24.[48] Wojciech Szynkiewicz. A game-theoretic model of multi-robot interac-
tions[ J]. Nature Medicine, 2006, 12(1) : 99-106.[49] Meng Y. Multi - robot searching using game - theory based approach
[J]. International Journal of Advanced Robotic System, 2008,5(4):
341-350.[50] 黎萍,杨宜民.基于博弈论的多机器人系统任务分配算法[J ].计算
机应用研究,2013,30(2)： 392-395.[51] Godfrey W W,Nair S B. An immune system based multi-robot mobile
agent network [ R ]. International Conference on Artificial Immune
System. 2008, 5132： 424-433.[52 ] Amanda Whitbrook, Gabriel Gainham, Wen-Hua Chen. An idiotypic
network approach to task allocation in the multi robot domain[ R]. The
International Conference on Agents and Artificial Intelligence, 2012, 79
(3) ： 333-59.[53]袁明新，叶兆莉,程帅.干扰素调节的多机器人协作搬运免疫网络
算法[J].智能系统学报,2014(1) : 76-82.[54 ] Jiang J, Zang X Z, Yan J H. Multi-robot dynamically perceived task
allocation based on an ant colony algorithm[ J]. Robot. 2008, 30(3):
254-253.[55] Zheng T,Yang L. Optimal ant colony algorithm based multi-robot task
allocation and processing sequence scheduling [ R ]. World Congress on
Intelligent Control & Automation, 2008： 5693-5698.[56] 曹宗华，吴斌，黄玉清.基于改进蚁群算法的多机器人任务分配
[J].组合机床与自动化加工技术,2013(2)： 34-37.第一作者：包翔宇，男，1994年生，硕士研究生，主 要研究方向为多机器人协同系统应用研究。(编辑陈钢)
(收稿日期：2018-09-11)
文章编号：191108如果您想发表对本文的看法，请将文章编号填入读者意见调查表中的相应位置。
因篇幅问题不能全部显示，请点此查看更多更全内容