基于自组织的多无人机编队算法设计

一、基于自组织的多无人均匀多边形编队控制

1. 基于自组织的多无人机编队问题详解

1.1 初始配置、目标配置和无人机模型定义

1.1.1、初始配置、目标配置和无人机模型定义

我们把无人机考虑成一个具有一定体积的智能体，不考虑其具体动力学特性，仅仅将其视为一个具有一定体积的、可自主移动的圆球。智能体之间不能接触、碰撞。
智能体是同质的、可互换的、匿名的，所有个体性质都是相同的，唯一的不同只有其所处的环境不同或者说其运动状态不同，除此之外，没有任何特殊性，匿名性也导致智能体无法依靠 ID 分辨其他个体。且个体具有无记忆性，无法记录上一步的行为或者决策。
智能体拥有相同的笛卡尔坐标系统，且目标多边形位置是固定已知的，没个无人机均有记录均匀多边形的几个顶点位置。
忽略通信细节，不考虑通信时延和定位精度问题，每个智能体均可准确知道其他任何个体位置，实际上仿真实验中只用到局部其他个体的位置信息。
智能体有两种状态，静止和激活状态，静止即为保持位置不变化，但仍然会与外界保持沟通；激活状态则是智能体主动判断自身所处位置，根据环境做出决策，然后执行决策。仿真时，智能体默认保持静止，激活是异步进行的，同一时间只考虑激活一个个体，激活个体随机选择，依次达到对现实运行的仿真。

多边形形成算法设计

1.2.1、多边形形成控制算法约束条件

算法设计之先，我们需要给出一些智能体运动约束条件： 1)智能体之间不能碰撞，更不能重合，设定智能体之间最小间距为 d。 2)本文所设计控制算法不涉及具体控制率，每个个体移动速度相同，表现在算法中则是每个个体每次激活时移动的距离小于等于 D。

步骤一：抵达多边形

"""
Vertex_Position 表示多边形顶点坐标列表、detect 表示函数检测最近顶点 detect_occupy 表示
函数检测顶点是否被占领、move 表示函数移动、get 表示函数通信索要排队序号，adjust 表示目标
"""

def function1(Vertex_Position = Vertex_Position):
    nearest_point = detect(Vertex_Position)
    #检测最近多边形顶点位置
    if ！detect_occupy(nearest_point):
        #如果检测到该顶点没被占领
        move(nearest_point)
        #移向目标顶点
    else:
        order = get(occupy_ID)
        #向占领的智能体索要当前排队序号
    if order:
        adjust_aim = adjust(order)
        #根据排队序号调整自己的目标位置
    else:
        Vertex_Position = Vertex_Position.remove(nearest_point)
        return functions(Vertex_Position)
        #索要排序号失败则移除顶点列表中的最近顶点，
        #并再次调用决策函数
    return None

步骤二：均匀化

"""
def function2():
    pre_index ,next_index = detect_neighbor()
    #检测前后相邻个体在均匀多边形链表上的索引
    aim = ((pre_index+next_index)/2 + my_index)/2
    #aim 为前后相邻个体的中点与自身位置的中点
    move(aim)
    #往目标位置移动
    
注：detect_neighbor()表示函数检测多边形上前后相邻个体

2 仿真结果

代码见 done/plgsim.py 由于本科时候太菜了，自己写的代码自己都不想去维护。为了读者阅读方便，尝试重构代码(见ToDo), 基本框架已经搭起来了，但策略迁移工作量太多了，又是毕业之际，暂时保留再做，感兴趣的小伙伴也也可以提出代码合并哈。

3: 链接

二、基于自组织的多智能体追逐与合围

https://www.bilibili.com/video/BV1PE41117DG

代码待整理上传

colaforced/AgentsMotionSimulation