一种群体行为逻辑优化方法及计算机可读存储介质

1.一种群体行为逻辑优化方法，其特征在于，包括：根据输入的群体行为逻辑构建初始行为树，所述初始行为树包括控制节点和叶子节点，所述控制节点包括顺序节点、选择节点、并行节点和条件循环节点，所述叶子节点包括动作节点和条件节点，所述群体行为逻辑包括群体的基本行为和执行所述基本行为的判断条件，在构建所述初始行为树时，将各个所述基本行为分别映射到所述行为树的各个动作节点上，将各个所述判断条件分别映射到所述初始行为树的各个条件节点上，其中，所述群体为机器人群体，所述群体的基本行为为所述机器人群体的围捕行为，包括充电、排列、搜索、围捕、攻击和运输，执行所述围捕行为的判断条件包括电量充足、排列成功、发现目标、围捕成功、第一类型目标、第二类型目标和所有目标都被侦查，将所述初始行为树映射为初始表达式树，所述初始行为树映射到所述初始表达式树的映射规则为：将所述初始行为树中的各个所述顺序节点映射到所述初始表达式树中对应位置的各个顺序函数、各个所述并行节点映射到所述初始表达式树中对应位置的各个并行函数、各个所述选择节点映射到所述初始表达式树的对应位置中的各个选择函数、所述循环节点映射到所述初始表达式树中对应位置的条件循环函数，以及将所述初始行为树中的各个所述动作节点和各个条件节点分别映射到所述初始表达式树中相应位置的各个动作终止子和各个条件终止子，基于所述群体行为逻辑的任务目标设计适应度函数，通过基因表达式编程算法根据所述适应度函数和评价指标优化所述初始表达式树，以获得优化表达式树，将所述优化表达式树映射为优化行为树，将所述优化行为树转化为优化群体行为逻辑输出；所述基因表达式编程算法的步骤包括：步骤a：将所述初始表达式树作为所述基因表达式编程算法进行优化的当前表达式树，步骤b：检测所述当前所述表达式树是否为异常表达式树，若是异常的，则停止对当前表达式树的优化步骤，否则转步骤c，步骤c：根据设计的适应度函数评估所述当前表达式树的适应度值是否满足所述评价指标的值，若满足，则所述基因表达式编程算法的迭代终止，并转步骤d，否则转步骤e，步骤d：保存最适应度值满足评价指标的值的表达式树对应的染色体，步骤e：根据保存的染色体繁殖新的染色体，其中，繁殖过程包括对最所述保存的染色体进行基因复制形成下一代以及进行转座、突变和重组形成新的染色体，将繁殖的新的染色体翻译的表达式树作为所述当前表达式树，转步骤b，直到通过所述基因表达式编程算法获得所述优化表达式，所述基因表达式编程算法的迭代终止。 2.根据权利要求1所述的群体行为逻辑优化方法，其特征在于，所述初始行为树的根节点为第一顺序节点，所述根节点的子节点包括第二顺序节点和所述条件循环节点，所述第二顺序节点的子节点包括至少一个选择节点，所述至少一个选择节点中的各个选择节点的子节点均包括一个条件节点和一个动作节点，所述条件循环节点包括第一子节点和第二子节点，所述第一子节点为条件节点，第二子节点为第一并行节点，所述第一并行节点的子节点至少包括一个第三顺序节点和一个第四顺序节点，所述第三顺序节点的子节点包括一个条件节点和一个动作节点，所述第四顺序节点的子节点包括一个第二并行节点和一个动作节点，所述第二并行节点的子节点包括两个条件节点，在所述初始行为树的执行期间：所述顺序节点的子节点从左到右依次执行，直到所述顺序节点的所有子节点返回值为“ture”时，所述顺序节点返回“ture”，否则所述顺序节点返回“false”，所述选择节点的所有子节点从左到右依次执行，直到所述选择节点的所有子节点都返回“false”时，所述选择节点返回“false”，否则所述选择节点返回“ture”，所述并行节点的所有子节点同时执行，所述选择节点的其中一个子节点返回“false”时，所述并行节点返回“false”，所述并行节点的各个子节点中除搜索任务的映射节点以外的其它所有子节点返回“ture”时，所述并行节点返回为“ture”，所述第一子节点返回“false”时，一直执行所述第二子节点，直到所述第一子节点返回“ture”时为止。 3.根据权利要求2所述的群体行为逻辑优化方法，其特征在于，所述并行函数的参数的层次数不超过1，所述条件循环函数的参数个数设置为2个，并且所述条件循环函数的第二个参数必须是条件参数，除所述条件循环函数外，所述初始表达式树中的其它函数的参数个数均设置为固定值5，在参数个数小于5的所述函数的子节点中增加“空节点”，所述空节点表示不执行任何操作，在将所述群体的染色体翻译到所述表达式树的过程中遇到所述空节点时会跳过所述空节点，在参数个数大于5的所述函数内部继续引用所述初始表达式树中的其它所述函数。 4.根据权利要求1所述的群体行为逻辑优化方法，其特征在于，基于所述群体行为的任务目标设计适应度函数，通过所述基因表达式编程算法根据所述适应度函数和评价指标优化所述表达式树包括：设定场景、任务、要求和所述群体的基本行为，以构建所述群体行为逻辑优化方法的场景仿真模型，根据所述场景设定所述适应度函数，通过所述场景仿真模型对所述群体行为逻辑方法进行仿真，并根据所述适应度函数和仿真结果获得所述表达式树的适应度值，所述基因表达式编程算法根据计算的所述适应度值是否满足所述评价指标中的预设值，所述适应度函数fitness的表示公式为：fitness＝α×T/T 0 +(1-α)×E/E 0其中，T 0 ，E 0 分别表示所述群体在行为逻辑未进行所述优化时执行所述任务消耗的总时间和总电量，T表示从开始执行所述任务到执行结束的总时间步，E表示执行所述任务过程中消耗的总电量，α表示为总执行时间赋予的权重，则(1-α)表示所述群体在执行所述任务时的总消耗电量赋予的权重，在所述场景仿真模型中，通过基因调控网络指导所述群体的运动以使所述群体完成所述任务。 5.根据权利要求2所述的群体行为逻辑优化方法，其特征在于，所述第二顺序节点的子节点包括第一选择节点和第二选择节点，所述电量充足映射到所述第一选择节点的子节点中的条件节点，所述充电映射到所述第一选择节点的子节点中的动作节点，所述排列成功映射到所述第二选择节点的子节点中的条件节点，所述排列映射到所述第二选择节点的子节点中的动作节点，所述所有目标都被侦查映射到所述条件循环节点的子节点中的条件节点，所述第一并行节点的子节点还包括动作节点和第五顺序节点，所述搜索映射到所述第一并行节点的子节点中的动作节点，所述发现目标映射到所述第三顺序节点的子节点中的条件节点，所述围捕映射到所述第三顺序节点的子节点中的动作节点，所述攻击映射到所述第四顺序节点的子节点中的动作节点，所述围捕成功和第二类型目标分别映射到所述第二并行节点中的两个子节点，所述第五顺序节点的子节点包括第三并行节点和动作节点，所述运输映射到送上第五顺序节点的子节点中的动作节点，所述第三并行节点的子节点包括两个条件节点，所述围捕成功和第一类型目标分别映射到所述第三并行节点的两个子节点。 6.根据权利要求1所述的群体行为逻辑优化方法，其特征在于，当检测到所述当前表达式树发生异常状态时，说明所述当前表达式树异常，所述异常状态包括以下状态：所述当前表达式树的根元素不是函数，所述当前表达式树的终值中存在一个或多个函数，所述当前表达式树的终止子具有子节点，所述当前表达式树的条件循环函数的参数个数不为2，所述当前表达式树的条件循环函数的第一个参数是条件终止子之外的元素，所述当前表达式树的条件循环函数的第二个参数是条件终止子，所述当前表达式树的函数元素的参数均为空，所述当前表达式树的并行函数的参数层数大于1。 7.根据权利要求1所述的群体行为逻辑优化方法，其特征在于，将所述新的染色体翻译到表达式树的步骤包括：将每个所述新的染色体的每个基因按照广度优先的顺序翻译成开放阅读框架，每个所述开放阅读框架只有一个根节点，所述根节点为所述基因的第一个元素表示的节点，将所述新的染色体中的不同基因对应的所述开放阅读框架根据人工设计的函数整合在一起构成表达式树。 8.一种计算机可读存储介质，其特征在于，所述可读存储介质上存储的计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的群体行为逻辑优化方法。