Jerene人工免疫系统的多机器人协作探测研究(5)
规定：被占状态的占有值Xocc=0。8；已探状态的占有值 Xdete=1；自由状态的占有值Xfree=0。2。
2。1。2 机器人建模
机器人在探测之前对环境是未知的，需要借助传感器收集的信息分析出局部环境并将局部环境融合在地图中，每个机器人装有四个传感器，采用红外传感器。假设机器人的形状近似为正方形，其尺寸正好是一个栅格的大小。设栅格的单元边长为a，机器人安装四个固定方向的探测传感器。定义传感器近距离探测为“扩散式探测”，将近距离探测的信息处理后选定某一方向进行远距离探测，定义探测距离大的传感器探测为“定向式探测”。
图2-2为某个机器人正在进行探测，黑色阴影为机器人所在位置，将探测的信息处理后选定最佳结果，当机器人周围自由状态小于等于3时进行“扩散式探测”，当机器人周围自由状态大于3时进行“定向式探测”，并将探测信息处理后选定最佳结果。其中，“扩散式探测”探测范围为d=0~2a；“定向式探测”探测范围为d=0~3a；
图2-2两个机器人探索环境
2。2 基于人工免疫系统的探测算法
生物免疫系统具有学习性、记忆性、大范围的分布式、并行处理等特点，通过免疫细胞(B细胞)的选择过程以及二次响应来实现对本体(Self)与非本体(Non-se1f)的自适应判别，从实际应用的角度来看，生物免疫系统可以看成是利用抗原抗体以及抗体与抗体之间相互作用维持动态平衡的一个非线性复杂系统。文献综述
基于Jerene[8]的独特型免疫网络模型，提出了特异型免疫网络假设，在该系统中，机器人周围的局部环境看作成抗原。机器人相当于B细胞，在抗原的刺激下B细胞中大量分化、增值成效应Ｂ细胞与抗原结合做出免疫应答，产生抗体清除入侵体，同时产生记忆B细胞。
基于特异性免疫网络原理的机器人未知探测大致可描述如下:
1)定义机器人周围局部环境为抗原，机器人看作是免疫细胞中的B细胞。机器人的最佳的下一步行为可以看作是抗体。机器人最佳下一步行为的备选作为记忆细胞。机器人与周围的环境之间的关系用亲和度gib表示。
2)当亲和度无法判别机器人的抗体时，说明周围有其他机器人或者障碍物的干扰，通过与其他机器人进行信息交流，分析其他机器人对观测点的影响，用机器人相互作用评估rij表示。
3)在亲和度和机器人相互作用的评估下，根据动态方程计算出抗体的浓度值aik。即可获得抗体机器人最佳的下一步行为。此外，机器人在探测的后期会出现周围全被探测过或者是障碍物，这种情况我们称之为被锁。这时候机器人要跳出被锁要尽可能寻找最佳路径。
2。3 一种基于淋巴细胞机理的改进型边界探测算法
基于改进后的算法机器人探测可描述如下:
1) 机器人将局部感知的环境作为抗原或者宿主细胞，机器人看作是淋巴细胞。机器人的最佳的下一步行为可以看作是抗体或者靶细胞。机器人最佳下一步行为的备选作为记忆细胞。
2) 机器人与周围的环境之间的关系用亲和度表示。当亲和度无法判别机器人的抗体时，说明周围有其他机器人或者障碍物的干扰，通过与其他机器人进行信息交流，分析其他机器人对观测点的影响，用机器人相互作用评估表示。在亲和度和机器人相互作用的评估下，根据动态方程计算出抗体的浓度值。即可获得抗体-机器人最佳的下一步行为。
3) 此外，机器人在探测的后期会出现周围全被被探测过，或者是障碍物，这种情况我们称之为被锁。这时候机器人要跳出被锁要尽可能寻找最佳路径。