简介面向多智能体协同围捕算法该资源提供完整Python工程实现与方案解析适合计算机相关专业学生用于课程设计、综合实践与项目开发训练。内容围绕不同运行环境下的目标围捕任务完整展现智能体间通信机制、路径规划策略与协同决策模型并通过多出口、凸环境、Voronoi分区等多种场景配置体现算法在复杂环境中的协调运作能力。项目已通过导师审核并获得优异评价可作为学术研究与实践应用的参考范例。资源包共18个文件以13个Python源码文件为主体覆盖核心算法实现、仿真驱动与几何判定等环节另附README说明文档、配置备份文件及备份压缩包整体体积仅57KB轻量紧凑便于快速阅读与二次开发。目前已有67人浏览学习。读者可直接复用围捕逻辑与决策模块结合文档理解环境搭建和算法流程也可针对具体场景进行实验拓展或功能改进。1. 多智能体协同围捕单机追不上围才能拦住多智能体协同围捕算法第一眼看是个路径规划问题再往深里看是个控制与决策的组合问题。单追捕者面对一个速度更快的目标时几乎必败——目标只用直线逃离就能拉开距离。真正可用的思路是多个追捕智能体先成网、再收口各自负责一段区域把目标逼进包围圈。这类算法在仓储安防、无人机巡查、野外搜救里都有落地场景但工程化时真正的门槛不是“追”而是“协同”追捕者各自决策却必须演化出一个稳定的包围构型目标一旦转向包围圈要整体跟着走、持续收紧。这篇文章用 Python 拆开这套东西从模型骨架到可运行代码再到跨环境部署的调参和真实踩坑思路是让读者拿回去就能跑跑完知道下一步改哪里。2. 围捕模型先立住状态量、包围点与判定条件2.1 最小模型谁在追、谁在逃、速度怎么设开始写代码前先把问题压到最低可用规模。我习惯用“3 追 1”起步3 个追捕者pursuer围 1 个逃跑目标evader。太少围不成圈太多则分配逻辑把问题复杂度抬高不利于看算法本质。状态量上每个智能体只需要四样位置、速度、最大速率和感知半径。这个感知半径很重要很多简化实现直接让所有追捕者看到全局坐标工程里却做不到所以我一般把感知半径做成可配置参数后续跨环境迁移时它是第一个需要调的。运动学模型用一阶积分器就够了不要一上来就是带加速度的二阶模型。原因是算法验证阶段一阶模型的控制量是速度直接对应底盘电机的目标速度输出理解起来最直观。import numpy as np class Agent: def __init__(self, agent_id, pos, max_speed, perceive_r8.0, velNone): self.id agent_id self.pos np.asarray(pos, dtypenp.float64) self.vel np.zeros(2) if vel is None else np.asarray(vel, dtypenp.float64) self.max_speed max_speed self.perceive_r perceive_r def set_velocity(self, v): # 速度限幅超过最大速率时按比例缩放方向保留方向不变 norm np.linalg.norm(v) if norm self.max_speed: v v / norm * self.max_speed self.vel v.copy()速度限幅的写法是有讲究的不是直接 clip 每个分量而是先归一化再乘最大速率。如果按分量 clip斜向运动会比横向运动更快速度空间变成正方形而非圆形高动态场景里会让围捕构型失真。感知半径如果不设默认 8.0在仿真里意味着追捕者大概能看到两三倍于包围半径的距离。现实中追捕者的感知半径通常来自激光雷达或视觉识别距离最小也要覆盖“目标到围捕点”的直线距离。如果感知半径小于包围圈半径追捕者连自己该站的位置都看不见协同围捕就无从谈起。2.2 围捕点生成绕目标虚拟多边形围捕的本质是让 N 个追捕者占住目标周围 N 个方位。最直接的做法是在目标周围生成一个正 N 边形的顶点作为“期望围捕点”每个追捕者领一个点。但目标在动围捕点也要跟着动否则就是追着目标曾经的影子跑。围捕点更新我采用“目标位置 目标速度预测”的混合策略包围圈的圆心放在目标当前位置整体加一个沿目标速度方向的前移量。前移量系数 k_lead 一般取目标速度的 0.3~0.5 倍取大了围捕者会扑空取小了又变成被动追赶绕圈追不上。def compute_encircle_points(self, target_pos, target_vel, R2.5, k_lead0.4): n len(self.pursuers) angles np.linspace(0, 2 * np.pi, n, endpointFalse) base np.stack([np.cos(angles), np.sin(angles)], axis1) # 圆心按目标速度方向前移形成截击效果 lead_vec target_vel * k_lead circle_center target_pos lead_vec points circle_center R * base return points这里 R 是包围圈半径。它的取值直接决定围捕收口速度R 大追捕者先在远处形成包围姿态对目标压迫小但构型稳定R 小收口快但容易因目标突然变向撕裂包围圈。我的经验是 R 取追捕者感知半径的 30% 左右起步再根据实测捕获时间往下压。角度数组用 np.linspace 生成时 equal 分布顺序固定从 0 度开始。也就是说编号 0 的追捕者永远想去目标的右方编号 1 去左上方位。这个固定分配在空旷环境没问题但遇到障碍物或者追捕者自身位置分布不均时固定分配会带来很大的多余路径开销后面引入指派算法就是为了解决这个。2.3 包围判定凸包距离和最小环抱半径包围判定是围捕算法最容易想当然的地方。新手容易用“所有追捕者到目标距离都小于某阈值”来判断围捕成功这个判定有一个隐蔽漏洞追捕者如果全挤在目标同一侧距离照样小于阈值但目标只要往反方向一跑就穿出去了。可靠的判定是几何意义上的环绕目标点是否落在追捕者位置集合形成的凸包内部同时目标到每个追捕者的距离不超过包围半径。凸包内部可以用 scipy 的 ConvexHull 判断自己实现也很直接from scipy.spatial import ConvexHull def is_encircled(target_pos, pursuer_positions, capture_dist1.2): pts np.array(pursuer_positions) if len(pts) 3: return False hull ConvexHull(pts) # 目标是否在凸包内部把目标代入每条边的外法线方向做符号判断 inside all( np.dot(hull.equations[i, :2], target_pos) hull.equations[i, 2] 0 for i in range(len(hull.equations)) ) if not inside: return False dists np.linalg.norm(pts - target_pos, axis1) return bool(np.all(dists capture_dist))代码里 hull.equations 保存的是凸包每条边所在直线的法线式方程等式值小于等于 0 表示点在边的内侧。这个判定比单纯距离判定严谨得多但也有代价凸包计算是 O(n log n)在追捕者数量几十个的场景不是问题上千个才需要考虑替代方案。capture_dist 这个参数要跟追捕者自身的物理尺寸挂钩。模拟里我把它设成追捕者半径 目标半径 一个允许误差真实机器人部署时则要加上传感器定位误差的 2 倍标准差否则判定条件在实机上永远达不到围捕循环结束不了。3. 用 Python 搭围捕骨架分配、势场与主循环3.1 从围捕点到目标分配匈牙利算法的权衡围捕点算出来后下一个问题是哪个追捕者去哪个点。固定编号分配在简单环境里能用但现场环境一变就容易出问题一个追捕者明明离 2 号点最近却因为编号分配去了 5 号点横穿整个场地。更合理的做法是每帧做一次最小代价匹配代价矩阵里放“每个追捕者到每个围捕点的欧氏距离”。我拿 scipy.optimize.linear_sum_assignment 做最小权匹配它实现的是匈牙利算法对 3~8 个追捕者这种规模完全是毫秒级。代价矩阵构建有门道只做距离匹配会造成追捕者频繁换点A 帧去 1 号点B 帧又改去 3 号点路径出现抖动。我在代价里额外加一项“与上一帧分配结果的切换惩罚”from scipy.optimize import linear_sum_assignment def assign_targets(self, points, previous_assign, switch_penalty1.5): n len(self.pursuers) cost np.zeros((n, n)) for i, pursuer in enumerate(self.pursuers): for j, pt in enumerate(points): dist_cost np.linalg.norm(pursuer.pos - pt) # 上一帧如果已经是这个围捕点代价不额外增加 turn_cost 0.0 if previous_assign[i] j else switch_penalty cost[i, j] dist_cost turn_cost row_ind, col_ind linear_sum_assignment(cost) assignment dict(zip(row_ind, col_ind)) return assignment, np.sum(cost[row_ind, col_ind])switch_penalty 是 1.5 个单位含义是“换点的代价相当于多跑 1.5 个距离单位”。如果障碍物避碰逻辑很强这个值可以调高到 3.0减少换点引起的位姿摆动。注意匈牙利算法输出的是全局最优不会出现两个人抢一个点或某个人闲着的情况。3.2 速度合成人工势场引导下的围捕运动围捕点分配好之后控制量就是追捕者指向各自围捕点的速度向量但这个向量不能直接用还需要叠加两个修正项目标吸引防止目标逃出感知范围和障碍物排斥防止追捕者撞墙或互撞。这套做法本质是人工势场法的变体不是最前沿的但它稳定、直观适合做跨环境迁移的基线。def compute_action(self, agent, target_pos, assign_point, obstacles): # 1. 围捕点引力让追捕者走向自己的目标围捕点 to_point assign_point - agent.pos dist_p np.linalg.norm(to_point) if dist_p 1e-3: u_encircle np.zeros(2) else: # 引力随距离衰减避免远离时速度饱和导致冲刺 u_encircle to_point / dist_p * min(dist_p, agent.max_speed) # 2. 目标轻度吸引防止目标跑得太远同时不过度干扰围捕构型 to_target target_pos - agent.pos dist_t np.linalg.norm(to_target) if dist_t 1e-3 and dist_t agent.perceive_r: u_target 0.3 * to_target / dist_t * agent.max_speed else: u_target np.zeros(2) # 3. 障碍物排斥最近障碍物距离越近斥力越大 u_avoid np.zeros(2) for ob in obstacles: delta agent.pos - ob.center dist np.linalg.norm(delta) - ob.radius if dist agent.perceive_r * 0.5 and dist 0: u_avoid delta / (dist 0.01) ** 2 * agent.perceive_r velocity u_encircle u_target u_avoid return velocity三个分量的系数 0.3 和感知半径系数 0.5 是仿真里试出来的不是推导出来的。u_target 的系数不能太大大了会形成追着目标屁股跑的局面围捕构型彻底散掉障碍物斥力公式里的 (dist0.01)^2 是典型库仑力形式近距离陡增、远距离忽略。最大的坑是阈值边界不连续。dist 接近 0 时斥力趋于无穷数值上会出现瞬移dist 恰好等于感知半径一半时斥力突然从跳到 0追捕者会在障碍物边缘震颤。规避办法后面展开。3.3 主循环与收敛节奏固定时间步长为什么重要仿真主循环最容易被轻视的设计决策是时间步长。用 dt0.1 还是 dt0.01结果可能差一个量级。我的主循环用固定 dt不接受可变 dt。理由很直接后续做强化学习训练或者实机部署时固定 dt 才能保证策略在不同硬件上行为一致可变 dt 会让策略学到的其实是“时间节奏”而不是“空间决策”。for step in range(max_steps): target_pos evader.pos target_vel evader.vel points compute_encircle_points(target_pos, target_vel) assign, _ assign_targets(points, prev_assign) for i, pursuer in enumerate(self.pursuers): ap points[assign[i]] vel compute_action(pursuer, target_pos, ap, obstacles) pursuer.set_velocity(vel) pursuer.pos pursuer.vel * dt if is_encircled(target_pos, [p.pos for p in self.pursuers]): return step, True return max_steps, False这个环路的输出是“围捕成功所用的仿真步数”和“是否成功”两个量这是后续评估指标的最小集。逃逸者 evader 的策略在基线阶段用最蠢的“直接背离最近追捕者”运行等围捕逻辑稳定之后再把逃逸者换成更聪明的策略这是后话。4. 跨环境部署坐标系、参数迁移与仿真到实物的落差4.1 跨环境不是重新实现是参数映射跨环境这个词经常被等同为“换个地图跑一跑”但实际上它包含三层不同仿真环境之间迁移从 2D 网格地图到连续坐标地图、相同仿真不同传感器模型之间迁移、以及仿真到实体机器人的迁移。这三层的共同点是算法结构不变变的是参数映射关系和坐标系约定。坐标系是第一个大坑。仿真里常常一个像素代表一个单位部署到真实场地时是以米为单位的全局坐标系GPS 和里程计混用还会出现偏航角基准不一致。我习惯在项目里单独做一个 config 模块把坐标系缩放因子、原点和单位全部收敛到一处任何模块禁止直接访问原始传感器坐标。# config.py 中体现跨环境参数差异的典型映射表 ENV_PARAMS { sim_2d: { coordinate_scale: 1.0, dt: 0.1, perceive_r: 8.0, capture_dist: 1.2, max_speed: 2.0, communication_delay: 0.0, }, real_robot: { coordinate_scale: 1.0, dt: 0.1, perceive_r: 4.0, capture_dist: 2.0, max_speed: 0.8, communication_delay: 0.2, }, }这张参数表里最关键的变化是 perceive_r 从 8.0 缩到 4.0且 communication_delay 从 0 变成 0.2。因为真实机器人的感知来自局部传感器而不是全局上帝视角通信还要经过无线链路每个追捕者拿到其他智能体位置时已经有 0.2 秒的陈旧量。如果参数表里没这两项跨环境之后围捕成功率会从 90% 掉到 20%。4.2 时间步长与通信延迟的组合效应通信延迟是跨环境里最隐蔽的破坏者。仿真环境常默认所有智能体位置即时可见真实系统里这是不可能的。0.2 秒延迟在高动态围捕场景里意味着目标已经跑出近一个身位追捕者还在追它 0.2 秒前的位置。处理办法不是把延迟调没而是把延迟显式建模进状态估计。常见做法是每个追捕者维护一个目标位置缓冲队列控制周期读取时取“当前时刻减去通信延迟”对应的那帧位置而不是最新帧。这个策略叫“延迟补偿”本质是让控制器吃与决策时刻对齐的数据。注意不要反过来用最新数据做超前补偿边界条件下会引发振荡。4.3 环境随机化让算法不挑场地跨环境迁移如果只做一次测试很容易把参数过拟合到某一个特定场景。比如偶发成功一次换个障碍密度更高的地图立刻不行。工程上靠谱的做法是训练或调参阶段做环境随机化障碍物位置随机生成、追捕者初始位置随机生成、目标初始位置随机生成在几十个随机场景里统计成功率而不是手动调出一两个“漂亮的演示场景”。def make_random_scene(seedNone): rng np.random.default_rng(seed) obstacles [] for _ in range(rng.integers(2, 6)): center rng.uniform([2, 2], [16, 16]) radius rng.uniform(0.4, 1.2) obstacles.append(Obstacle(center, radius)) targets [rng.uniform(0.5, 7.5, size2) for _ in range(3)] return obstacles, targets这个随机场景生成器按经验把障碍物数量压在 2~6 个、半径压在 0.4~1.2 之间。如果随机范围开太大算法会同时遭遇多种困难模式的叠加很难判断“是哪个环节出了问题”范围太小又起不到泛化作用。从 2~6 个障碍物开始扫成功率稳定后再逐步扩大范围。5. 围捕调优避坑5 个常见故障排查记录5.1 追捕者在拐角处打转围捕点落在障碍物内部现象某个追捕者到达围捕点附近后不停抖动前进一点又弹回来形成一个局部振荡围捕圈一直收不拢。原因分配算法只按欧氏距离选点没有考虑路径可行性。围捕点穿过了一堵墙或落在障碍物内部追捕者走到墙边被斥力推回但分配逻辑每帧重新计算目标点依旧是那个不可达点于是进两步退两步原地打转。解决在分配之前加一个可达性检查对生成的围捕点做一次射线与障碍物相交检测不可达的点直接从候选列表剔除。如果某一帧可用围捕点少于追捕者数量就把包围圈半径临时增大让围捕点绕开障碍物。5.2 两个追捕者互相镜像分配结果来回跳变现象两个追捕者对称分布于目标两侧目标静止分配结果每帧都翻转追捕者 A 这帧去左上点下帧换到右下点路径反复。原因代价矩阵里两位追捕者到左右两个围捕点的距离完全相同匈牙利算法对相等代价的打破方式是随实现的不同帧对相同输入也可能给出不同输出。解决加上文说的切换惩罚而且惩罚系数要超过“对称距离差”。对称场景里距离差是 0任何正数惩罚都能打破平衡如果有一点非对称惩罚要足以抵消来回切换的代价。工程上我设为最大速度的 0.5 倍在两个站点距离差小于该值时优先保持前一帧分配。5.3 目标已经“被围住”了但它从墙缝里溜走现象包围判定返回 True但目标实际不在包围圈里——追捕者、目标之间隔着一堵墙凸包几何上包含目标物理上并不可达。原因凸包判定是纯几何的不理解障碍物。如果三个追捕者贴着一面墙的凹角分布目标在墙的另一侧几何凸包把目标包进去但墙阻断了路径。解决在包围判定里加一条视线检查追捕者到目标之间逐个做线段与障碍物相交检测至少有两个追捕者的视线无遮挡才认为包围成立。这个检查每帧做会增加计算量但追捕者数量少实际开销可以接受。5.4 强化学习训练不收敛稀疏奖励让智能体学到原地转圈现象用强化学习替代人工势场做围捕策略时训练几百轮 loss 不下降追捕者全部驻留在初始位置附近偶尔移动一两步后回到原点。原因我最初把奖励设计成“围捕成功 100、失败 0”导致绝大多数回合里智能体没有收到任何有效梯度信号行为退化成随机游走。解决改成密集奖励 课程学习的组合。密集奖励包含三项逼近目标的微小正奖励、拉开包围圈覆盖角度的正奖励、碰撞障碍物的负奖励。课程学习则让目标速度从慢到快先学会追慢目标再逐步增加目标速度阈值。5.5 仿真里跑得挺好实机上围捕圈总是慢半拍现象同一套参数仿真成功率 95%部署到真实机器人上成功率只有 40%且追捕者路径明显滞后于目标。原因仿真用固定 dt 驱动真实系统的主控循环里 dt 是实际测量的时间差。如果控制频率在 20Hz 和 30Hz 之间波动速度指令不同帧之间的积分误差叠加围捕圈相位整体滞后。解决控制循环里不要用 time.time() 的差值做 dt应该由调度器固定唤醒周期或者用锁相环对实际唤醒时间做平滑。我一般把控制频率降到 20Hz并用 5 帧滑动平均平滑时间差这样围捕圈在实机上的节奏与仿真基本一致。6. 验证与进阶让围捕效果从“看得到”变成“可度量”6.1 三个核心指标成功率、捕获时间、最小包围余量单靠肉眼观察仿真动画判断不了算法好坏。我跑围捕实验时固定记录三个量成功率100 回合中成功的比例、平均捕获时间从启动到包围成功按成功回合统计、最小包围余量整个过程中目标到追捕者凸包边界的最小距离反映围捕圈的紧实程度。6.2 进阶玩法把逃逸者策略“养聪明”后续判断协同效果时逃逸者策略不应该一直用直线逃离。把它换成一个会主动寻找出口的强化学习智能体追捕算法还能维持高围捕成功率才算真正有工程价值。效率能用扰动测试做双向对比。6.3 三维空间围捕与编队控制的延伸边界现在 3D 场景里只改动两点就行围捕点从正多边形变成多面体顶点、凸包判定换成三维凸包。速度和感知半径按高度层再做一层缩放。再多追捕者时用 Voronoi 分区代替凸包判定效率更高。这套方案从 2D 升级到 3D 时状态量的维数变了但整体链路——围捕点生成、分配、势场运动、包围判定——是完整的这也是 Python 生态里 NumPy 和 SciPy 组合能支撑跨环境迭代的价值。跑围捕实验的时候每次改动参数我都会保留一份环境快照和对应成功率的记录否则两周前的好参数今天怎么调都找不回来了。希望这篇能帮你少走一段弯路。本文还有配套的精品资源点击获取