Multi-AUV Kinematic Task Assignment based on Self-organizing Map Neural Network and Dubins Path Generator

为了解决多个受动控制的AUV或其他车辆的转向能力受限的任务分配问题，提出了一种改进的任务分配算法，将Dubins路径算法与改进的SOM神经网络算法相结合。首先，通过基于工作负载平衡和邻域函数的改进SOM神经网络方法将目标任务分配给AUV。当存在可能导致轨迹规划失败的运动学约束或障碍物时，将通过改变SOM神经元的权重来重新分配任务，直到AUV能够到达所有目标。然后，在几种有限的情况下生成Dubins路径。AUV的偏航角受到限制，导致对目标进行新的分配。计算流程设计使得MATLAB和Python中的算法可以实现对多个目标的路径规划。最后，仿真结果证明了所提出的算法能够有效地完成多个AUV系统的任务分配任务。

本论文旨在解决多AUV系统的任务分配问题，特别是在动力学约束下的情况，提出了一种结合Dubins路径算法和改进的SOM神经网络算法的任务分配算法。

本文的关键思路是将任务分配和路径规划相结合，使用改进的SOM神经网络方法进行任务分配，在存在运动学约束或障碍物导致路径规划失败时，通过改变SOM神经元的权重进行任务重新分配，最后使用Dubins路径算法生成路径。

本文的亮点在于将任务分配和路径规划相结合，使用改进的SOM神经网络方法进行任务分配，提出了一种能够有效完成多AUV系统任务分配任务的算法。论文中使用MATLAB和Python实现了算法，并进行了模拟实验。值得进一步研究的是如何将该算法应用到更复杂的场景中。

近期在该领域的相关研究包括：'AUV Path Planning for Underwater Inspection Based on Improved Ant Colony Algorithm'，'Multi-objective AUV Path Planning Using NSGA-II'，'A Survey of Task Allocation and Path Planning for Multi-robot Systems'。