生物的群体运动是指大量生物个体一起运动,它们通过个体自组织的行为实现群体的协作优势,如躲避天敌、寻找食物等。群体运动的一个突出特点,就是通过个体简单的局部规则,实现全局整体协同运动,它具有分布式、自组织和协调性。这种群体大于个体之和的特性,吸引了许多研究人员关注多智能体的群体协同控制问题。多智能体的群体协同运动控制首先要假设个体的运动模型,然后根据运动模型设计相应的控制策略,在控制策略中,每个智能体的行为都是依据它相邻的其它智能体而做出反应,智能体个体的实际运动状态不是预先设定好的,但是群体将会涌现出协同运动的智能行为。这种协同的智能行为也会所在环境等条件的约束而受到干扰,例如在有障碍物环境中实现群体协同运动控制,原有的控制策略有可能性能不再稳定,必须根据障碍物的状况重新设计。假如个体能够充分运用群体的协作性,那么当只有部分智能体拥有障碍物环境探测能力时,功能简单的个体也能够通过群体协同实现障碍物避碰。在本文中,个体的控制策略使得群体中的每个智能体都能通过运动控制实现状态完全一致,叫做一致性控制。个体的控制策略使得每个智能体都与相邻智能体保持相等的距离,同时速度完全一致,叫做蜂拥控制。固定拓扑结构的多智能体群体协同运动中,智能体的拓扑结构一经确定就不再改变。而变拓扑结构的多智能体群体运动时,智能体总是实时地接收邻接智能体的状态信息。本文主要是在各种条件下讨论多智能体群体协同避障运动的控制策略,具体如下:(1)本文提出了具有部分感知能力的多智能体一致性协同避开光滑凸障碍物的控制策略。多智能体群体中仅有少部分智能体具有障碍物全局信息感知能力,另一部分智能体仅具有障碍物局部信息感知能力。通过为具有全局感知能力的智能体增加虚拟导航反馈项,使受障碍物扰动而分散的智能体能够在导航反馈的作用下逐渐聚集,与具有全局感知能力的智能体保持连通的其它智能体,也能够聚集到目标位置。本文证明了算法的收敛性、状态的一致性,分析了障碍物的无碰撞性,并演示了相应的仿真结果。(2)本文提出了具有部分感知能力的多智能体蜂拥协同避开非凸障碍物的控制策略。部分感知能力是指群体中仅有一部分智能体具有障碍物全局信息感知能力。该控制策略主要根据晶体的结构模型生成大量虚拟的具有排斥作用的智能体,来引导实际智能体避开障碍物。对于非凸的障碍物,具有障碍物全局信息感知能力的智能体能够根据几何关系判断并填充非凸区域,从而保证不陷入势能函数的局部最优。而与它们保持连通的无障碍物全局信息感知能力的智能体,也能够离开障碍物非凸区域并聚集到目标位置。本文证明了算法的聚集性、速度一致性、无碰撞性,演示了仿真结果。(3)本文提出了具有部分感知能力的多智能体一致协同绕行通过单个障碍物的控制策略。多智能体群体中仅有少部分智能体具有障碍物感知能力,另一部分智能体则完全不需要障碍物探测装置。该控制策略主要采用反对称矩阵构造导航反馈方向,使得具有障碍物感知能力的智能体个体具有围绕障碍物旋转的功能。分别在一阶和二阶动态模型下,固定拓扑和变拓扑结构条件下,针对变速和变加速度的障碍物设计了控制算法,并证明了算法的收敛性、一致性和无碰撞性,演示了仿真结果。(4)本文提出了保持连通性的多智能体群体协同绕行通过不规则形状障碍物的控制策略。相邻多智能体之间采用回差切换法则和势能函数上限的设置而保持拓扑结构的连通性,智能体与障碍物之间的拓扑关系也通过势能函数设计保持连通。在该控制策略中,仅使一个智能体具有障碍物感知能力,将该智能体与障碍物表面上与其距离最近的点作为绕行运动参考点,分别设计了一阶动态模型和二阶动态模型下的绕行控制策略,并证明了算法的收敛性、连通性和无碰撞性,演示了仿真结果。