面向自主机器人组的集体行为优化研究

本论文研究集体机器人领域，更具体地说是探索、路径规划与协调背景下的多机器人系统优化问题。它包含两项贡献。第一项是将蝴蝶优化算法（BOA）用于解决动态环境中带能量约束的未知区域探索问题。据我们所知，该算法此前从未用于解决机器人问题。我们提出了该算法的一个称为 xBOA 的新版本，其基于交叉算子以改进候选解的多样性并加速算法收敛。第二项贡献是开发了一种新的仿真框架，用于对机器人中的动态增量问题（如探索任务）进行基准测试。该框架以通用方式构建，只需最少修改即可快速比较不同元启发式算法，并易于适应单机器人与多机器人场景。此外，它为研究人员提供了自动化实验和生成可视化的工具，使他们能专注于更重要的任务，如建模新算法。我们进行了一系列实验，显示出有前景的结果，并使我们能够验证我们的方法与模型。