摘要
动态多机器人任务分配（MRTA）问题由于通信开销高、单点故障风险以及动态约束条件等因素，成为分布式控制中的关键瓶颈。本文提出了一种完全去中心化的改进人工蜂群（I-ABC）算法，并与有限状态机（FSM）相结合。连续优化过程被映射为八状态马尔可夫演化流，从而消除对中央控制器和全局时钟同步的依赖。标准轮盘赌选择被基于视场（FoV）的概率招募机制所取代。此外，自适应动机衰减函数在任务持续性与动态响应之间取得平衡——既防止任务惯性，又避免过早的频繁切换——同时利用法定人数共识感知来抑制空间拥塞和死锁现象。在动态泊松任务到达和突发机器人故障条件下的广泛蒙特卡洛仿真表明，与标准ABC算法和先进的DG-MRTA策略相比，I-ABC在完工时间、能效和通信开销方面实现了更优的权衡。所提出的框架为去中心化的集群部署提供了一种高度鲁棒且可扩展的解决方案。
