【多机器人探索】基于多目标灰狼优化算法的多机器人探索

---

1.引言

多机器人探索是指在未知空间探索，从传感器数据生成环境模型的过程。多机器人探索的单目标通常是最大化搜索不确定性，这里将目标扩展为多目标：寻找新地点和提高地图精度。

2.算法原理

多目标灰狼优化算法:一种新的多准则优化算法

3.数学模型

多机器人探索可以被视为多任务系统，每个机器人接收传感器读数数据，并更新地图中网格占用的概率。在多机器人系统中，机器人任务可以为:使用传感器扫描环境、避免障碍物和与其他机器人的碰撞、寻求探索新地形、提高地图的精度。这意味着整个多机器人系统需要协作，满足多目标优化目标。

目标函数为：
$$\begin{gathered} max{f}_1=探索区域 \\ minf2=未知点概率 \end{gathered}$$

4.结果展示

5.参考文献

[1] Couceiro M S, Rocha R P, Ferreira N M F. A novel multi-robot exploration approach based on particle swarm optimization algorithms[C]//2011 IEEE International Symposium on Safety, Security, and Rescue Robotics. IEEE, 2011: 327-332.
[2] Burgard W, Moors M, Stachniss C, et al. Coordinated multi-robot exploration[J]. IEEE Transactions on robotics, 2005, 21(3): 376-386.
[3] Romeh A E, Mirjalili S, Gul F. Hybrid Vulture-Coordinated Multi-Robot Exploration: A Novel Algorithm for Optimization of Multi-Robot Exploration[J]. Mathematics, 2023, 11(11): 2474.

6.代码获取