王 震， 陈 熙， 张 浩， 蔚 涛， 邓 科，季袁冬

(1.四川大学空天科学与工程学院, 成都 610064；2.四川大学数学学院, 成都 610064)

1 引 言

近年来，模仿自然界生物群体行为的群体智能理论逐渐成为研究热点.避障是一种最基本的群体行为.相应地，现有的避障算法主要基于虚拟势场，主要有两类：一类是人工势场，包括传统人工势场以及对其势场函数[1-3]、增量系数[4]、避障机制[1,5]等的改进，该类算法根据形成的虚拟势场，沿着势能降低的方向实时规划避障路径；另一类则以圆形[6-8]、椭圆形[9-10]等极限环作为势场，该类算法利用二阶非线性函数的极限环特性和障碍的位置信息实时得出障碍绕行路线.

但是，随着研究的深入，人们发现传统的人工势场法与极限环法在处理复杂环境下的群体避障问题时存在不足，障碍的不规则性、非预知性与环境的有界性特别是不能很好地应对的挑战.近年来，大量学者对此开展了研究.如文献[10-12]针对凹型不规则障碍，通过设置虚拟目标点或虚拟牵引力来引导智能体对其进行绕行，解决了传统方法在此类环境下的目标不可达问题.针对既不规则又非预知的障碍，文献[1]以虚拟目标点解决不规则障碍绕行问题，仅利用局部信息计算所得的虚拟势场便实现了对非预知障碍的成功绕行.值得注意的是，上述研究仅针对预知/非预知复杂环境下的单智能体避障，无法从原理上避免局部极小值与路径抖动.此外，针对带边界环境下群体避……