基于多Agent机器人系统的图书归类解决方案

中还可以会遇到其他不可预知的障碍，这里改进BUG 算法考虑到了这些因素，具体算法如下：

　　S=起始点，T=终点

　　设M 为空矩阵，i=1; V（1）为空集

　　MAP_R 为与矩阵M 对应的二维位图，Pi 为机器人在地图中的即时位置

　　While（T>Pi） //当T==Pi 表示机器人到达终点

　　{ V（i--由EPC 方式采集的数据） // EPC 为端点采集法

　　M--M∪V（i）

　　位图MAP_R 随之不断更新

　　IF（线段Pi T 和障碍物边界相交） THEN

　　由COD 计算出方向 // COD 为最近方向判决

　　ELSE

　　机器人沿方向移动到点Pi+1

　　i++;}

　　3.3 动作选择

　　根据内部状态的变化，动作Agent 指导机器人该采取什么样的动作，具体流程如下：

　　IF（传感器感知到有书到来）THEN 触发机械手拿书

　　ELSE

　　IF（图书归类完成） THEN

　　{ 触发机器手将书放置在推车格子中，并将临时库中的已满格子数加1;

　　IF（已满格子数==总格子数） THEN 机器人不再接收其他图书，触发机器人根据智能策略Agent

　　提供的路线推动推车向各个目的地前进。}

　　FOR（i=1;i=临时库中的总目的地数；i++）

　　{ IF（到达临时库中记录的第i 个目的地）THEN

　　{ 机器人停止行走，触发机械手将对应图书摆在相关的柜子上

　　摆书动作完成，停止机械手动作，触发机器人推车向着新目的地前行 }

　　ELSE 继续根据路径前行 }

　　3.4 多Agent 之间的通信

　　当环境变化的时候，环境感知Agent 会自动检测到环境状态，比如有新书到时，环境感知Agent 获取图书信息，并向图书识别Agent 提出合作请求，且将图书信息传递给它，环境感知Agent 继续检测环境变化。Agent 之间的合作提高了工作效率和准确度，且保证了库中信息的有效共享，避免资源浪费。

　　Agent 之间的交互与合作是多Agent 系统中核心问题之一，而Agent 通信语言是实现交互与合作的基础。根据目前Agent 的应用环境， KQML 是主流的通信语言之一。因KQML 既是一种通信语言，又是一种通信协议和标准，故每个Agent 只要遵守该协议，即可受到它所提供的通信支持，若要遵守协议，每个Agent 必须添加一个KQML 语言解释器。

　　概念上，可以把一条KQML 消息分为三层：内容层、通信层和消息层。内容层由关键词：content 标志；:reply-with, : sender, and : receiver 关键词标志了通信层； :performative 与：language, : ontology 形成消息层。全部技术通信参数都在通信层规定，消息层规定与消息有关的言语行为的类型，内容层规定消息内容。以环境感知Agent 与图书识别Agent 之间的沟通为例说明KQML通信语言的方法。

　　（tell

　　: sender 环境感知Agent

　　: receiver 图书识别Agent

　　: reply-with information storehouse

　　: content （new book's information）

　　: language java

　　: ontology bar code of book）

　　4 结语

　　本文中我们在图书馆管理系统中引入人工智能的概念，并给出了基于多Agent 的机器人系统在图书归类中的模型。智能机器人能自动识别图书条形码，且结合中国图书馆图书分类法给出归类算法。根据此算法可计算出图书的具体位置，将所有推车中同类书籍进行关联，机器人就可以一次性摆放所有同类书籍，而不需要多次折回，实现对图书的归类。改进BUG 算法给出了路径规划方案，指导机器人沿着路径正确、快捷地找到各个目的地。通过机器人和多Agent 技术的结合，极大地提高了图书管理的效率，减轻了工作人员繁重的整理工作，对将人工智能技术引入日常生活中产生深远的现实意义。