群机器人在区域搜索中的随机搜索方法及系统.pdf

《群机器人在区域搜索中的随机搜索方法及系统.pdf》由会员分享，可在线阅读，更多相关《群机器人在区域搜索中的随机搜索方法及系统.pdf（15页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911023609.X (22)申请日 2019.10.25 (71)申请人 山东大学 地址 264209 山东省威海市环翠区文化西 路180号 (72)发明人 张承进庞豹宋勇杨润涛 (74)专利代理机构 济南圣达知识产权代理有限 公司 37221 代理人 李圣梅 (51)Int.Cl. G06F 7/58(2006.01) (54)发明名称 群机器人在区域搜索中的随机搜索方法及 系统 (57)摘要 本公开提出了群机器人在区域搜索中的随 机搜索方法及系统， 包括： 建立机器。

2、人随机行走 模型， 利用所述模型控制机器人的随机运动； 构 造随机数生成器使其能够生成满足给定分布的 步长并确保生成的步长大小在指定范围内； 机器 人使用随机行走方法执行区域搜索任务时， 根据 搜索任务的特点选定合适的步长， 实现对机器人 运动距离的有效控制； 使用均方位移作为性能指 标来衡量机器人的搜索效率。 权利要求书2页 说明书8页 附图4页 CN 110673826 A 2020.01.10 CN 110673826 A 1.群机器人在区域搜索中的随机搜索方法， 其特征是， 包括： 建立机器人随机行走模型， 利用所述模型控制机器人的随机运动； 构造随机数生成器使其能够生成满足给定分布的。

3、步长并确保生成的步长大小在指定 范围内； 机器人使用随机行走方法执行区域搜索任务时， 根据搜索任务的特点选定合适的步 长， 实现对机器人运动距离的有效控制； 使用均方位移作为性能指标来衡量机器人的搜索效率。 2.如权利要求1所述的群机器人在区域搜索中的随机搜索方法， 其特征是， 基于机器人 在一维晶格中运动的情形推导出N维情形下的随机行走， 并得到机器人所处位置的概率密 度函数； 对于二维状态下真实的随机行走， 使用冯米塞斯分布来描述机器人的运动方向。 3.如权利要求1所述的群机器人在区域搜索中的随机搜索方法， 其特征是， 计算使用冯 米塞斯分布的随机行走方法的均方位移时， 利用该分布生成的运。

4、动方向的正弦均值和余弦 均值以及机器人所处位置的概率密度函数来描述机器人的均方位移。 4.如权利要求1所述的群机器人在区域搜索中的随机搜索方法， 其特征是， 构造了随机 数生成器使其能够生成满足给定分布的步长并确保生成的步长大小在指定范围内： 根据实际的区域搜索任务规定步长的范围， l为步长最小值， L为步长最大值， 随机数生 成器生成在l与L间的整数值作为步长； 假设， 机器人步长s(lsL)满足概率分布P(s)， P表示生成步长s的概率， 依次计算其 它整数步长的概率P(s),sl,L， 对比找到具有最小概率的步长并设置随机数生成器生 成该步长的数量为1， 按照概率对比计算其他步长的数量，。

5、 最终可计算得到l,L范围内各 整数步长的数量， 并将这些元素组成步长的集合， 机器人使用随机行走方法执行区域搜索 任务时从该集合中随机选择步长。 5.群机器人在区域搜索中的随机搜索系统， 其特征是， 包括： 模型建立模块， 建立机器人随机行走模型， 利用所述模型控制机器人的随机运动； 随机数生成器构造模块， 构造随机数生成器使其能够生成满足给定分布的步长并确保 生成的步长大小在指定范围内； 机器人运动控制模块， 机器人使用随机行走方法执行区域搜索任务时， 根据搜索任务 的特点选定合适的步长， 实现对机器人运动距离的有效控制； 使用均方位移作为性能指标来衡量机器人的搜索效率。 6.如权利要求5。

6、所述的群机器人在区域搜索中的随机搜索系统， 其特征是， 基于机器人 在一维晶格中运动的情形推导出N维情形下的随机行走， 再使用冯米塞斯分布来描述机 器人的运动方向， 描述机器人在二维状态下真实的随机行走。 7.如权利要求5所述的群机器人在区域搜索中的随机搜索系统， 其特征是， 计算使用冯 米塞斯分布的随机行走方法的均方位移时， 利用该分布生成的运动方向的正弦均值和余弦 均值来描述机器人的均方位移。 8.如权利要求5所述的群机器人在区域搜索中的随机搜索系统， 其特征是， 构造了随机 数生成器使其能够生成满足给定分布的步长并确保生成的步长大小在指定范围内： 根据实际的区域搜索任务规定步长的范围， 。

7、l为步长最小值， L为步长最大值， 随机数生 成器生成在l与L间的整数值作为步长； 权利要求书 1/2 页 2 CN 110673826 A 2 假设， 机器人步长s(lsL)满足概率分布P(s)， P表示生成步长s的概率， 依次计算其 它整数步长的概率P(s),sl,L， 对比找到具有最小概率的步长并设置随机数生成器生 成该步长的数量为1， 按照概率对比计算其他步长的数量， 最终可计算得到l,L范围内各 整数步长的数量， 并将这些元素组成步长的集合， 机器人使用随机行走方法执行区域搜索 任务时从该集合中随机选择步长。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运。

8、行的计 算机程序， 其特征在于， 所述处理器执行所述程序时实现上述权利要求1-4任一所述的群机 器人在区域搜索中的随机搜索方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现上述权利要求1-4任一所述的群机器人在区域搜索中的随机搜索方法的步骤。 权利要求书 2/2 页 3 CN 110673826 A 3 群机器人在区域搜索中的随机搜索方法及系统 技术领域 0001 本公开涉及智能机器人技术领域， 特别是涉及群机器人在区域搜索中的随机搜索 方法及系统。 背景技术 0002 群机器人系统是模仿社会性昆虫或其它社会性生物群体行为所建立的系统。

9、， 由许 多无差别自治机器人在完全分布式控制下组成的机器人群体， 群机器人可以完成单一机器 人无法完成的复杂任务， 同时由简单个体构成的群机器人系统的设计成本一般低于同等能 力的单体机器人。 群机器人是一个新兴的学科， 属于多机器人系统的范畴， 主要研究机器人 之间及机器人与周围环境进行社会性交互的机制， 以及在社会性交互作用过程中如何涌现 出复杂的群体行为与群体智能。 0003 区域搜索是机器人研究中的一个基本任务， 机器人对环境的搜索可用于随后的制 图、 定位等任务。 区域搜索研究的核心问题是如何快速、 有效的遍历整个未知区域。 区域面 积比较大时， 单个机器人很难有效搜索整个区域。 由于。

10、群机器人具有较好的鲁棒性、 灵活 性、 可扩展性， 群机器人已经被广泛应用于未知环境的区域搜索中。 研究利用群机器人执行 区域搜索任务， 在理论研究和实际应用中都有重要的意义。 从实际应用来说， 群机器人搜索 可用于空间探测、 地震等灾难后的幸存者救援、 矿难搜救、 排雷排爆等任务。 从理论上来说， 研究群机器人区域搜索不仅可以实现对群机器搜索行为的分析及预测， 而且可以提高机器 人的搜索效率。 进一步的， 可以深化对群机器人自组织涌现机理的理解， 建立群机器人自组 织行为的涌现模型， 利用涌现模型研究影响群机器人自组织行为演化规律的关键因素， 以 便实现对群机器人自组织行为的设计与控制。 0。

11、004 在机器人领域， 现有的搜索方法主要依靠具有较高精度的传感器系统(如测程计， 超声雷达等)以及复杂的制图、 搜索算法， 但由于群机器的人仅具有有限的个体能力， 无法 完成复杂的制图、 定位， 因此， 群机器人执行搜索任务时通常采用简单的随机行走方法。 随 机行走理论来源于悬浮在液体中粒子的无规则运动， 即Brownian运动。 随机行走中的随机 性主要体现在两个方面， 随机行走的运动方向的随机性和沿该方向行走的步长的随机性。 根据各运动方向之间是否具有相关性， 可将随机行走分为两类： 无关随机行走， 连续的运动 方向之间是无关的， 运动方向是完全随机的； 相关随机行走， 连续的运动方向之。

12、间是有关联 的， 此时， 机器人的运动方向可能与之前的方向相关或者机器人运动方向指向给定的方向。 根据步长的不同， 随机行走又可以分为固定的步长以及随机变化的步长。 群机器人中常用 的随机行走方法有Brownian运动、 Lvy飞行等。 Brownian运动以及Lvy飞行可以产生随机 变化的步长用以控制机器人的运动距离。 0005 发明人在研究中发现， 现阶段， 随机行走已被广泛应用于群机器人中， 但随机行走 方法在区域搜索任务中的有效性仍然有待研究。 一方面， 缺乏恰当、 有效的理论用于描述随 机行走模型。 另一方面， 尚无有效的性能指标用于衡量随机行走在区域搜索中的搜索效率。 此外， 现有。

13、的随机行走方法(如Brownian运动、 Lvy飞行)生成的较大、 较小的步长不能有效 说明书 1/8 页 4 CN 110673826 A 4 的控制机器人的运动距离， 从而使得对群机器人搜索效率的研究更加困难。 发明内容 0006 本发明的目的是提供群机器人在区域搜索中的随机搜索方法， 实现对机器人运动 距离的有效控制， 有效衡量搜索效率。 0007 本说明书实施方式提供群机器人在区域搜索中的随机搜索方法， 通过以下技术方 案实现： 0008 包括： 0009 建立机器人随机行走模型， 利用所述模型控制机器人的随机运动； 0010 构造随机数生成器使其能够生成满足给定分布的步长并确保生成的。

14、步长大小在 指定范围内； 0011 机器人使用随机行走方法执行区域搜索任务时， 根据搜索任务的特点选定合适的 步长， 实现对机器人运动距离的有效控制； 0012 使用均方位移作为性能指标来衡量机器人的搜索效率。 0013 进一步的技术方案， 基于机器人在一维晶格中运动的情形推导出N维情形下的随 机行走， 并得到机器人所处位置的概率密度函数； 对于二维状态下真实的随机行走， 使用 冯米塞斯分布来描述机器人的运动方向。 0014 进一步的技术方案， 计算使用冯米塞斯分布的随机行走方法的均方位移时， 利 用该分布生成的运动方向的正弦均值和余弦均值以及机器人所处位置的概率密度函数来 描述机器人的均方位。

15、移。 0015 进一步的技术方案， 构造了随机数生成器使其能够生成满足给定分布的步长并确 保生成的步长大小在指定范围内： 0016 根据实际的区域搜索任务规定步长的范围， l为步长最小值， L为步长最大值， 随机 数生成器生成在l与L间的整数值作为步长； 0017 假设， 机器人步长s(lsL)满足概率分布P(s)， P表示生成步长s的概率， 依次计 算其它整数步长的概率P(s),sl,L， 对比找到具有最小概率的步长并设置随机数生成 器生成该步长的数量为1， 按照概率对比计算其他步长的数量， 最终可计算得到l,L范围 内各整数步长的数量， 并将这些元素组成步长的集合， 机器人使用随机行走方法。

16、执行区域 搜索任务时从该集合中随机选择步长。 0018 本说明书实施方式提供群机器人在区域搜索中的随机搜索系统， 通过以下技术方 案实现： 0019 包括： 0020 模型建立模块， 建立机器人随机行走模型， 利用所述模型控制机器人的随机运动； 0021 随机数生成器构造模块， 构造随机数生成器使其能够生成满足给定分布的步长并 确保生成的步长大小在指定范围内； 0022 机器人运动控制模块， 机器人使用随机行走方法执行区域搜索任务时， 根据搜索 任务的特点选定合适的步长， 实现对机器人运动距离的有效控制； 0023 使用均方位移作为性能指标来衡量机器人的搜索效率。 0024 进一步的技术方案，。

17、 基于机器人在一维晶格中运动的情形推导出N维情形下的随 说明书 2/8 页 5 CN 110673826 A 5 机行走， 并得到机器人所处位置的概率密度函数； 对于二维状态下真实的随机行走， 使用 冯米塞斯分布来描述机器人的运动方向。 0025 进一步的技术方案， 计算使用冯米塞斯分布的随机行走方法的均方位移时， 利 用该分布生成的运动方向的正弦均值和余弦均值以及机器人所处位置的概率密度函数来 描述机器人的均方位移。 0026 进一步的技术方案， 构造了随机数生成器使其能够生成满足给定分布的步长并确 保生成的步长大小在指定范围内： 0027 根据实际的区域搜索任务规定步长的范围， l为步长最。

18、小值， L为步长最大值， 随机 数生成器生成在l与L间的整数值作为步长； 0028 假设， 机器人步长s(lsL)满足概率分布P(s)， P表示生成步长s的概率， 依次计 算其它整数步长的概率P(s),sl,L， 对比找到具有最小概率的步长并设置随机数生成 器生成该步长的数量为1， 按照概率对比计算其他步长的数量， 最终可计算得到l,L范围 内各整数步长的数量， 并将这些元素组成步长的集合， 机器人使用随机行走方法执行区域 搜索任务时从该集合中随机选择步长。 0029 本发明还公开了一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在 处理器上运行的计算机程序， 其特征在于， 所述处理。

19、器执行所述程序时实现上述群机器人 在区域搜索中的随机搜索方法的步骤。 0030 本发明还公开了一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执行时实现上述群机器人在区域搜索中的随机搜索方法的步骤。 0031 与现有技术相比， 本公开的有益效果是： 0032 本发明首先给出了随机行走模型的数学描述， 根据给出的随机行走的数学模型又 提出一个可用于衡量搜索效率的性能指标。 为了得到有效的随机步长， 本发明还构造了一 个基于随机行走方法的随机数生成器， 该随机数生成器可以生成基于给定随机行走方法 的、 在一定范围内的随机步长， 可以实现对机器人运动距离的有效控制。 此。

20、外， 将本发明提 出的性能指标与随机数生成器相结合能够更有效的衡量搜索效率。 附图说明 0033 构成本公开的一部分的说明书附图用来提供对本公开的进一步理解， 本公开的示 意性实施例及其说明用于解释本公开， 并不构成对本公开的不当限定。 0034 图1是本公开一个或多个实施例子的机器人步长服从正态分布时， 10个机器人的 行走轨迹； 0035 图2是本公开一个或多个实施例子的机器人步长服从幂律分布时， 10个机器人的 行走轨迹； 0036 图3是本公开一个或多个实施例子的冯米塞斯分布的概率密度函数； 0037 图4是本公开一个或多个实施例子的10个机器人的随机行走轨迹， 机器人运动方 向服从冯。

21、米塞斯分布 0 /6, 0， 步长服从正态分布 5, 1； 0038 图5是本公开一个或多个实施例子的10个机器人的随机行走轨迹， 机器人运动方 向服从冯米塞斯分布 0 /6, 1， 步长服从正态分布 5, 1； 0039 图6是本公开一个或多个实施例子的10个机器人的随机行走轨迹， 机器人运动方 说明书 3/8 页 6 CN 110673826 A 6 向服从冯米塞斯分布 0 /6, 2， 步长服从正态分布 5, 1； 0040 图7是本公开一个或多个实施例子的10个机器人的随机行走轨迹， 机器人运动方 向服从冯米塞斯分布 0 /6, 4， 步长服从正态分布 5, 1。 具体实施方式 004。

22、1 应该指出， 以下详细说明都是例示性的， 旨在对本公开提供进一步的说明。 除非另 有指明， 本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常 理解的相同含义。 0042 需要注意的是， 这里所使用的术语仅是为了描述具体实施方式， 而非意图限制根 据本公开的示例性实施方式。 如在这里所使用的， 除非上下文另外明确指出， 否则单数形式 也意图包括复数形式， 此外， 还应当理解的是， 当在本说明书中使用术语 “包含” 和/或 “包 括” 时， 其指明存在特征、 步骤、 操作、 器件、 组件和/或它们的组合。 0043 实施例子一 0044 该实施例公开了群机器人在区域搜索中的。

23、随机搜索方法， 具体包括： 0045 先用随机数生成器生成给定范围内的步长， 再用均方位移衡量几种随机行走方法 的搜索效率， 选择合适的随机行走方法。 生成服从冯米塞斯分布的随机运动方向， 用随机 数生成器生成随机步长， 搜索； 再生成随机运动方向、 随机步长， 搜索。 0046 在该实施例子中， 首先给出了随机行走模型的数学描述， 根据给出的随机行走的 数学模型又提出一个可用于衡量搜索效率的性能指标均方位移， 均方位移的值与随机行 走方法生成的步长和该步长对应的概率有关。 为了得到有效的随机步长， 本发明还构造了 一个基于随机行走方法的随机数生成器， 该随机数生成器可以生成基于给定随机行走方。

24、法 的、 在一定范围内的随机步长， 不仅得到了更有效的步长， 而且可以实现对机器人运动距离 的有效控制。 此外， 将本发明提出的性能指标与随机数生成器相结合能够更有效的衡量搜 索效率。 0047 性能指标用于衡量、 比较机器人使用各种随机行走方法的搜索效率， 即比较各随 机行走方法的有效性， 然后根据任务需求选择更有效的随机行走方法。 0048 本发明首先给出了机器人随机行走模型的数学描述， 并推导出了机器人所处位置 的概率密度函数。 0049 为了易于计算和推导， 本发明首先给出了机器人在一维晶格中运动的情形。 假设 在初始时刻(t0)机器人位于原点(x0)， 机器人直行、 后退的概率分别为。

25、r、 l， 机器人在 较短的时间 内移动距离为 。 若在t+ 时刻机器人所处的位置为x， 则在t时刻机器人所处的 位置有两种可能性： (1)机器人在x- 处并且下一时刻向右移动， (2)机器人在x+ 处并且下 一时刻向左移动。 可得 0050 p(x,t+ )p(x- ,t)r+p(x+ ,t)l 0051 当距离 、 时间间隔 较小时， 该公式可在(x,t)处展开为泰勒级数， 由此可得 0052 0053 其中， r-l， O( 2),O( 3)表示高阶项。 0054 令 , 0， 则O( 2),O( 3)趋近于0， 上式可表示为 说明书 4/8 页 7 CN 110673826 A 7 0。

26、055 0056其中该公式为平移-扩散方称， 其中为平移项， 表 示机器人在期望方向上的运动；为扩散项， 表示机器人朝周边区域的随机运动。 当该 方程存在初始解x0， t0时， 该方程存在解析解 0057 0058 可得， 机器人在t时刻所处的位置服从正态分布。 0059 通常来讲， 机器人所处位置与初始位置间的距离越远， 机器人搜索的区域越大， 表 明机器人具有较高的搜索效率。 均方位移是t时刻机器人位置与初始位置间距离的平方， 因 此， 本发明使用均方位移作为性能指标来衡量机器人的搜索效率。 均方位移可表示为 0060 0061 此外， 机器人的平均位置也可用于分析机器人的搜索效率， 记为。

27、 0062 0063 由上式， 可推得 0064 0065对于相关随机行走， 即直行、 后退的概率不相等(rl)， 当t较大时机 器人随机行走的均方位移与t2成正比。 对于无关随机行走， 即直行、 后退的概率相等(r l)， 机器人随机行走的均方位移与平均位置满足 0066 0067 机器人随机行走的均方位移与t成正比。 即， 机器人使用相关随机行走方法执行区 域搜索时， 搜索效率与t2成正比； 机器人使用无关随机行走方法执行区域搜索时， 搜索效率 与时间t成正比。 0068 根据机器人在一维晶格中的随机行走可推导出N维情形下的随机行走， 可得到平 移-扩散方程 0069 0070其中u是N维。

28、平均平移速度， 是梯度算子， 是拉普拉斯算子。 当该方程存在初始 解x0， t0时， 该方程存在解析解 0071 0072 由机器人平均位置及均方位移的计算公式， 可得E(Xt)ut。 令Rt|xt|， 均方位移 为 说明书 5/8 页 8 CN 110673826 A 8 0073 0074可得对于相关随机行走， 机器人随机行走的均方位移与t2 成正比； 对于无关随机行走， 机器人随机行走的均方位移与t成正比。 0075 本发明先在1维晶格、 N维晶格(机器人每次只能选择一个维度并从该维度的前后 两个方向中选择一个方向运动)这种理想情况下推导得到了机器人所处位置的概率密度函 数。 而机器人的。

29、实际运动一般是2维空间， 机器人的运动方向是完全随机的， 即机器人可以 向任意方向运动， 这种任意方向所服从的分布是圆形分布， 本发明使用冯米塞斯(von Mises)分布来描述这种圆形分布， 0076 0077其中I0表示第一类0阶的贝塞尔(Bessel)函数， 贝塞尔函数记为 0- , 是生成的运动方向的均值， 可以作为期望的运动方向； 可以衡量生成的方向 与均值 0间的集中程度， 值越大， 的分布越集中于 0； 反之， 值越 小， 的分布越分散； 当 0时， 生成的方向 间没有相关性， 此时机器人的运动方式为无关 随机行走。 冯米塞斯分布的概率密度函数可以见图3。 冯米塞斯分布通过 0控。

30、制机器人 整体的运动方向， 通过 控制机器人运动方向的集中程度。 0078 为了计算使用冯米塞斯分布的随机行走方法的均方位移， 需要研究该分布生成的 运动方向 的规律。 在圆形分布中， 运动方向 的正弦均值s和余弦均值c是常用的指标， 其中 0079 0080 0081 使用 的正弦均值s、 余弦均值c及平移-扩散方程， 经过n步之后， 机器人的均方位 移为 0082 0083 其中(1-c)2-s2)cos(n+1) 0)-2s(1-c)sin(n+1) 0)。 0084 在自然界中， 生物在环境中搜索时通常是沿着期望的方向 0左右对称的， 即s0， 此时， 上式的均方位移可以简化为 008。

31、5 0086其中当步长L为常数时， E(L2)(E(L)2， 则b0； 当步长L是变化 的， E(L2)(E(L)2， 则b0； 该公式表明， 机器人使用随机行走方法执行搜索任务时， 变化的 说明书 6/8 页 9 CN 110673826 A 9 步长的搜索效率大于固定步长。 0087 当机器人有期望的运动方向且运动方向 的正弦均值s0时， 上式的均方位移可 进一步简化为 0088 0089当n较大时，即机器人的搜索效率与t2有关。 0090 对于无关随机行走， f()是均匀分布且sc0， 此时均方位移可简化为 由均方位移的定义， 可得 0091 0092 由该式可得， 机器人的搜索效率由步。

32、长的均值和方差决定， 并且步长的均值E(L) 对搜索效率影响比方差D(L)更大。 0093 在执行区域搜索时， 常用的随机行走方法是Brownian运动和Lvy飞行， 即机器人 的步长分别服从正态分布、 幂律分布。 机器人使用Brownian运动方法执行区域搜索时， 正态 分布会生成一些较小的步长以及一些较大的步长； 机器人使用Lvy飞行方法执行区域搜索 时， 幂律分布会以较高的频率生成一些较小的步长并偶尔生成一些较大的步长。 机器人执 行区域搜索任务时， 较小的步长无法实现机器人的有效运动， 而较大的步长对于有限的区 域没有实际意义。 另一方面， 在使用均方位移衡量机器人的搜索效率时需要用到。

33、机器人步 长的均值和方差， 而随机行走方法如正态分布、 幂律分布所生成的较大的步长未必是机器 人实际行走的步长， 因此为了使均方位移能够较好的衡量搜索效率， 就必须对现有随机行 走方法生成的步长进行适当的调整。 本发明构造了一种随机数生成器使其能够生成满足给 定分布的步长并确保生成的步长大小在指定范围内。 0094 根据实际的区域搜索任务规定步长的范围， l为步长最小值， L为步长最大值， 随机 数生成器生成在l与L间的整数值作为步长。 假设， 机器人步长s(lsL)满足概率分布P (s)， P表示生成步长s的概率。 依次计算其它整数步长的概率P(s),sl,L， 对比找到具有 最小概率的步长。

34、并设置随机数生成器生成该步长的数量为1， 按照概率对比计算其他步长 的数量。 最终可计算得到l,L范围内各整数步长的数量， 并将这些元素组成步长的集合， 机器人使用随机行走方法执行区域搜索任务时从该集合中随机选择步长。 0095 为了更清楚的说明随机数生成器的生成随机步长的方式， 以Lvy随机数生成器为 例， 给出生成方式的具体过程： 0096 步长满足的概率为P(s)s- ， 其中 2， 步长最小值l1， 步长最大值L1000。 P (1)1,P(2)0.25,.,P(1000)1.010-6， 步长1000具有最小的概率， 设定值为1000的 步长数量为1， 则值为2的步长数量为25000。

35、0， 值为1的步长数量为1000000， 依次计算其他整 数步长的数量， 最后将所有的元素组成步长的集合， 机器人使用随机行走方法执行区域搜 索任务时从该集合中随机选择步长。 0097 机器人使用随机行走方法执行区域搜索任务时， 需要根据搜索任务的特点选定合 适的步长， 当机器人的步长服从正态分布时， 可生成较多较小的步长， 如图1所示； 当机器人 的步长服从幂律分布时， 可生成一些较小的步长并生成少量较大的步长， 如图2所示。 机器 人使用太小以及太大的步长不能实现有效的搜索， 因此需要使用随机数生成器生成在一定 说明书 7/8 页 10 CN 110673826 A 10 范围内并服从特定。

36、分布的步长从而实现机器人的有效搜索。 机器人在执行区域搜索时， 每 运动给定步长的距离之后需要改变搜索方向， 服从冯米塞斯分布的角度 即为新的运动 方向。 如图3所示， 调整冯米塞斯分布中参数 的值， 即可以使机器人实现无关随机行走， 也可以使机器人实现相关随机行走。 图4为 0 /6, 0的冯米塞斯分布， 此时10个机器 人使用随机行走方法执行区域搜索任务， 机器人运动表现为完全无关随机行走。 图5为 0 /6, 1的冯米塞斯分布， 此时10个机器人使用随机行走方法执行区域搜索任务， 机器 人运动表现为相关随机行走。 图6为 0 /6, 2的冯米塞斯分布， 此时10个机器人使用 随机行走方法。

37、执行区域搜索任务， 机器人运动表现为相关随机行走。 图7为 0 /6, 4的 冯米塞斯分布， 此时10个机器人使用随机行走方法执行区域搜索任务， 机器人运动表现 为相关随机行走。 并且随着参数值 的不断变大， 机器人随机行走的相关性不断增强， 即机 器人沿期望方向运动的趋势越来越明显。 机器人在未知环境内执行搜索任务时， 通常使用 无关随机行走方法， 此时机器人的搜索效率可由均方位移来衡量。 此时， 均方位移 由该式可得， 机器人的搜索效率由步长的均值和方差决定， 并且 步长的均值对搜索效率影响更大。 0098 可以理解的是， 在本说明书的描述中， 参考术语 “一实施例” 、“另一实施例” 、。

38、“其他 实施例” 、 或 “第一实施例第N实施例” 等的描述意指结合该实施例或示例描述的具体特 征、 结构、 材料或者特点包含于本发明的至少一个实施例或示例中。 在本说明书中， 对上述 术语的示意性表述不一定指的是相同的实施例或示例。 而且， 描述的具体特征、 结构、 材料 的特点可以在任何的一个或多个实施例或示例中以合适的方式结合。 0099 以上所述仅为本公开的优选实施例而已， 并不用于限制本公开， 对于本领域的技 术人员来说， 本公开可以有各种更改和变化。 凡在本公开的精神和原则之内， 所作的任何修 改、 等同替换、 改进等， 均应包含在本公开的保护范围之内。 说明书 8/8 页 11 CN 110673826 A 11 图1 图2 说明书附图 1/4 页 12 CN 110673826 A 12 图3 图4 说明书附图 2/4 页 13 CN 110673826 A 13 图5 图6 说明书附图 3/4 页 14 CN 110673826 A 14 图7 说明书附图 4/4 页 15 CN 110673826 A 15 。