赵梓良，刘 洋，李博伦，马力超，张志彦

（北京机械设备研究所，北京 100039）

0 引言

随着建图定位、目标识别、机器学习和通信组网等技术的成熟，无人智能体以其运算速度快、运动速度快、能长时间作业、能在极端环境下作业等特点，在目标搜索课题中受到青睐，被期望替代人类在危险、恶劣环境中高效长时间执行巡逻、侦察和搜救任务[1]。而多智能体的集群协作作业又能大大提升目标搜索任务的完成效率。

多智能体集群搜索策略是多机器人领域中一个重要的研究课题，通过一个显示控制平台和多个智能单体（如无人机）之间的协同策略规划，完成对一定区域内的静止、运动目标的搜索任务[2−7]。多智能体集群搜索策略设计主要包括2个步骤，一是智能体对待搜索环境场景的理解与建图，二是智能体对待搜索环境场景的协同搜索策略设计。

目前环境地图的典型表示方法包括尺度地图和拓扑地图2种。其中尺度地图基于直接度量信息表示环境细节，为地图中最小单位区域（栅格）赋值，如用0表示自由空间而用1表示障碍物。拓扑地图则是提取自由空间中的关键节点，并用边连接相邻的节点，形成拓扑网络结构[8]。与尺度地图相比，拓扑地图表示相同环境地图所需的数据信息更少，因此更适合在大型、复杂环境下执行目标搜索和巡逻等任务[8−10]。

图2 由示例场景尺寸地图提取出的拓扑地图

目前在多智能体对环境区域进行协同搜索的研究成果中，2种典型的搜索策略为：基于贪心算法的路径规划策略[11−13]与基于拓扑地图区域划分和分区最优回路求解的多级子图巡逻(MSP)策略[14−16]。……