基于图划分与协同环巡的多智能体巡逻方法和系统
知识产权简介
本专利提出了一种基于图划分与协同环巡的多智能体巡逻方法,面向带节点权重和边权的复杂图结构巡逻环境,主要解决现有多智能体巡逻方法中全局统一规划复杂度高、难以兼顾节点重要性差异、在复杂拓扑条件下巡逻性能不稳定等问题。该方法首先将原始巡逻图划分为多个彼此连通的局部子图,再根据各子图的巡逻负担将多个巡逻智能体分配至对应区域,随后在各子图内部构造覆盖全部节点的闭合巡逻回路,并进一步设计多智能体在回路上的协同环巡策略。具体地,多个智能体沿同一闭合回路按统一方向循环运动,根据节点权重设置不同的停留时间和初始间隔,从而提高高权重节点的访问频率,降低全图最差加权空闲时间。该方法将复杂的全局巡逻问题分解为“图划分—智能体分配—局部环巡”的分层求解过程,具有结构清晰、易于实现、可扩展性强等优点,可应用于安防巡逻、设施巡检、环境监测、灾害巡视等多种多机器人持续巡逻场景。
转化前景
本专利对应产品为多机器人协同巡逻系统中的核心规划与调度模块,可部署于园区安防巡逻、厂区巡检、仓储巡视、边境监控、地下管廊巡检及环境监测等场景的无人车、轮式机器人、四足机器人或无人机平台中,形成巡逻方案生成软件、任务调度平台或整机系统。其技术优势在于采用“图划分—智能体分配—局部环巡”的分层求解框架,将原始复杂的全局多智能体巡逻问题转化为若干结构清晰的局部子问题,从而降低全局统一规划复杂度,并更好适应复杂图环境中的拓扑差异与节点权重差异。同时,该方法通过连通子图划分、子图级智能体分配、闭合巡逻回路构造以及带权停留的协同环巡策略,提高高优先级节点的访问频率,降低全图最差加权空闲时间。其核心性能指标为全图最差加权空闲时间,并兼顾局部路径长度、单机器人巡逻负担、智能体利用率和方案生成效率等指标。 从产业化应用前景看,本专利方法路径结构清晰、部署逻辑明确、算法模块化程度高,易于与现有机器人本体、地图构建模块、任务管理平台及边缘计算设备集成,具备较强的工程落地能力和平台化推广价值,可进一步扩展至智慧安防、智能制造、能源设施运维、生态巡护及灾害巡视等持续巡逻类应用场景。