一种基于动态参考点的NSGAⅢ的路径规划方法技术

技术编号:20899373 阅读:25 留言:0更新日期:2019-04-17 15:50
本发明专利技术提供一种基于动态参考点的NSGAⅢ的路径规划方法,属于信息技术领域。本发明专利技术根据当前解的分布情况和优化现状,将多目标优化方法NSGAⅢ中的参考点动态处理,使其解向更有利于现实情况的方向优化,首先对路径数据进行预处理,得到需进行路径规划的所有的点的信息——包括点的坐标和该点在不同的点检次序中的不同的紧急程度;对预处理得到的点的信息,使用基于动态参考点的NSGAⅢ多目标优化方法进行优化,从而得到最佳优化结果。这种优化方法可更好地规划巡检路径,辅助现场操作人员对工厂内部机器进行巡检,提升巡检效率。

【技术实现步骤摘要】
一种基于动态参考点的NSGAⅢ的路径规划方法
本专利技术属于信息
,涉及到遗传算法、多目标优化等技术,是一种基于动态NSGAⅢ(Non-DominatedSortingGeneticAlgorithmⅢ,非支配排序遗传算法Ⅲ)的路径规划方法。本专利技术根据当前解的分布情况和优化现状,将多目标优化方法NSGAⅢ中的参考点进行动态处理,使其解向更有利用现实情况的方向优化。首先,对路径数据进行预处理,得到需进行路径规划的所有的点的信息——包括点的坐标和该点在不同的点检次序中的不同的紧急程度;然后,对预处理得到的点的信息,使用基于动态参考点的NSGAⅢ方法进行优化,从而得到最佳优化结果。这种优化方法可以更好地规划巡检路径,辅助现场操作人员对工厂内部机器进行巡检,提升巡检效率。
技术介绍
工厂设备是工厂系统的关键组成部分,设备的安全、可靠运行对保证整个系统的运行质量至关重要。设备的性能水平直接影响到工厂系统的稳定性、可靠性、安全性及抵抗事故的能力。保障设备的可靠安全运转已是一项重大任务,因此要高度重视设备的监控和管理,做好设备的巡检、巡视、实时监控工作,及时排除潜在的危险,是保证工厂稳定运行的重中之重。而设计一个智能巡检路径规划系统可以大大提供巡检效率,减少不必要的时间浪费。巡检路径规划系统建立的模型由目标函数和约束条件两部分组成,目标函数一般是最小化紧急程度巡检成本以及最短路径成本,约束条件是根据路径约束及物理约束建立的(输电线路多因素风险评估及巡检策略研究,胡志鹏,武汉大学,2018(05))。对于该类问题的多目标优化方面,传统的多目标优化问题求解方法有很多种,包括评价函数法、目标规划法、分层求解法等。这些方法的基本思想都是把多目标问题中的子目标函数经过处理或数学变换转换为单目标问题,然后运用解决单目标问题的手段来解决问题。然而,这种方法失去了多目标优化的本质意义。遗传算法(GA)能对整个搜索空间的大量可行解同时并行搜索,克服了传统方法可能陷入收敛于局部最优的困境(基于AmigoBot平台的多机器人地图创建,薛珊珊济南大学,2015)。目前比较主流的有NSGAⅡ算法、NSGAⅢ算法。两种算法的区别主要在子代的选择方面,即子代挑选问题。NSGAⅡ主要依靠拥挤距离挑选子代(DebK,PratapA,AgarwalS,etal.AfastandelitistMulti-objectivegeneticalgorithm:NSGA-Ⅱ[J].IEEETransactionsonEvolutionaryComputation,2002,6(2):182-197.)。NSGAⅢ算法主要依靠参考点来挑选子代(Deb,K.AnEvolutionaryMany-ObjectiveOptimizationAlgorithmUsingReference-Point-BasedNondominatedSortingApproach,PartI:SolvingProblemswithBoxConstraintsEvolutionaryComputation,IEEETransactionson,2014,Vol.18(4),pp.577-601)。以上方法存在如下不足:传统NSGAⅢ算法参考点选定以后,参考点和理想点连线称为参考向量,针对最后可接受的非支配层的个体遍历所有向量,找到距离种群中每个个体最近的参考点,同时记录下参考点的信息和对应的最短距离,离种群个体最近的参考点即被引用。但是,无论后续的引用状况如何,参考点的位置都不会发生变化,势必会存在一部分参考点没有被引用或者被引用的次数极少。基于以上原因,造成了部分参考点利用率低或未被引用。参考点被引用次数多的区域即存在优质解的可能性大,但是由于参考点在解空间均匀分布,因此可能会导致该区域内潜在的优质解被忽略,导致总体算法精度不足。
技术实现思路
本专利技术主要解决企业工厂巡检路径规划问题,提出基于动态参考点NSGAⅢ算法的多目标优化方法。该方法能够对工厂实时巡检路径进行匹配搜索,自适应地寻找最佳巡检路径,并通过动态参考点,根据实时变化对路径的选择及时做出调整。本专利技术的技术方案:一种基于动态参考点的NSGAⅢ的路径规划方法,各个步骤以及核心内容如下。(1)数据预处理。提取设备信息,即设备故障预警系统给出的每个点的一系列紧急程度和每个点的坐标。(2)根据工厂的实际情况抽象出数学模型,并建立巡检路径规划的多目标优化模型。(3)采用动态参考点的NSGAⅢ方法对优化模型进行求解,得到路径优化的Pareto解集。(4)根据多个目标的相对权重,对巡检路径进行选择。本专利技术的有益效果:该优化方法可更好地规划巡检路径,辅助现场操作人员对工厂内部机器进行巡检,提升巡检效率。附图说明图1为本专利技术的应用流程图。图2为原NSGAⅢ参考点分配图。图3为动态参考点NSGAⅢ的参考点增减附图。图4(a)为原NSGAⅢ算法帕累托前沿。图4(b)为基于动态参考点的NSGAⅢ算法帕累托前沿。具体实施方式为了更好地理解本专利技术的技术方案与具体实施方法,下面以国内某钢铁企业为例说明本专利具体实施方式。该钢铁企业某部门的三十台生产设备需要进行定期检查。当部分设备需要进行点检时,工厂内的预警系统会综合该设备的重要程度和需要点检的紧急程度,给出各个设备在不同路径中的紧急程度的数值。步骤1:数据选取与预处理从工业现场的设备预警信息数据库中读取设备位置信息和对应的紧急程度信息。对数据进行预处理,并选取待巡检设备信息作为输入。步骤2:建立数学模型针对路径长度和紧急度两个目标建立数学模型。其目标函数如公式2-1所示。其中f1表示该路线的路径长度,用路径点的集合中相邻两巡检点的距离依次加和得到;f2表示该路线所花费的紧急度参数。当以不同的次序经过不同的点时会有不同的紧急度。总的紧急度为经过每一巡检点的紧急度加和。约束条件如公式2-2,2-3,2-4,2-5所示。其中V为巡检点的数目;i,j表示点检处编号;i=0,j=0表示工厂入口;k表示工人的编号;G表示工人个数;tij为巡检点为i和j之间的行走时间,通过速度与距离计算;Sij表示巡检点的紧急度权值;Xij表示从巡检点i至巡检点j的路径长度;Xijk工人k是否从巡检点i至巡检点j这条路线;当经过该路径则Xijk为1,否则为0;yjk表示工人k是否经过巡检点j,当经过则yjk为1,当不经过则为0,yik表示工人k是否经过巡检点i,若经过则yik为1,不经过则yik为0;公式(2-2)表示每一个巡检点有且仅有一名工人,公式(2-3)表示出入某巡检点的工人数量守恒,公式(2-4)和2-5)表示一个工人被指派到某一巡检路径,则一定存在一条返回工厂入口的路线。步骤3:采用基于动态参考点的NSGAⅢ多目标优化方法对优化模型进行求解,得到路径优化的Pareto解集。(1)初始化规模为N的种群,记为A;用遗传算子(选择,重组,变异)对种群A进行操作;得到另一个规模同样为N的种群B;将种群A,B混合以后,进行非支配排序,可得到Ui(i=1,2,3…)非支配层,把,非支配层级为1,2,3…中的个体依次加入到下一代子代集合C中,当C的规模大于N时,记此时的非支配层级为J,从J层中挑选K个个体,加入C中,使得本文档来自技高网
...

【技术保护点】
1.一种基于动态参考点的NSGAⅢ的路径规划方法,其特征在于,步骤如下:步骤一:数据选取与预处理从工业现场的设备预警信息数据库中读取设备的位置信息和对应的紧急程度信息,对数据进行预处理,并选取待巡检设备信息作为输入;步骤二:建立数学模型针对路径长度和紧急度两个目标建立数学模型;a.目标函数

【技术特征摘要】
1.一种基于动态参考点的NSGAⅢ的路径规划方法,其特征在于,步骤如下:步骤一:数据选取与预处理从工业现场的设备预警信息数据库中读取设备的位置信息和对应的紧急程度信息,对数据进行预处理,并选取待巡检设备信息作为输入;步骤二:建立数学模型针对路径长度和紧急度两个目标建立数学模型;a.目标函数其中,f1表示该路线的路径长度,用路径点的集合中相邻两巡检点的距离依次加和得到;f2表示该路线所花费的紧急度参数;当以不同的次序经过不同的巡检点时会有不同的紧急度;总的紧急度为经过每一巡检点的紧急度加和;b.约束条件式中:其中,N为巡检点的数目,i,j表示巡检点的编号,i=0,j=0时,表示工厂入口;k表示工人的编号;G表示工人的个数;tij为巡检点为i和j之间的行走时间,通过速度与距离计算;Sij表示巡检点的紧急度权值;Xij表示从巡检点i至巡检点j的路径长度;Xijk工人k是否从巡检点i至巡检点j这条路线,当经过该路径则Xijk为1,否则为0;yik表示工人k是否经过巡检点j,当经过则yjk为1,不经过则为0,yik表示工人k是否经过巡检点i,当经过则yik为1,不经过则yik为0;公式(2-2)表示每一个巡检点有且仅有一名工人;公式(2-3)表示出入某巡检点的工人数量守恒;公式(2-4)(2-5)表示一个工人被指派到某一巡检路径,则一定存在一条返回工厂入口的路线;步骤三:采用基于动态参考点的NSGAⅢ多目标优化方法对优化模型进行求解,得到路径优化的Pareto解集;(3.1)初始化规模为N的种群,记为A;用遗传算子,即选择、重组、变异,对种群A进行操作;得到另一个规模同样为N的种群B;将种群A,B混合以后,进行非支配排序,得到Ui,i=1,2,3…,个非支配层,把非支配层级中的个体按照非支配排序的顺序依次加入到下一代子代集合C中,当C的规模大于N时,记此时的非支配层级为J,从J层中挑选K个个体,加入C中,使得C的规模为N;(3.2)目标归一化:首先计算M个目标函数中每一个目标维度m上的最小值,即遍历取到Min,得到第i个目标上对应的最小数值为Zi,此Zi的集合即为NSGA-III算法中提到的理想点集合;(3.3)计算理想点:求解种群C中所有目标函数的最小值即为然后把所有个体的目标值减去理想点,标量化公式如下所示:其中,fi'(x)表示平移后的目标值点;fi(x)表示平移前的目标值点;(3.4)计算极值点:每个维度的目标函数为:式中,其中r表示第r维度目标函数;遍历每个维度的目标函数,找到ASF数值最小的个体,即极值点,极值点和理想点的连线组成一个超平面或一条直线,这个面或直线与坐标轴的交点即最终要求解的截距,求得截距并按如...

【专利技术属性】
技术研发人员:吕政王博群吕鹏飞蔡宇慧
申请(专利权)人:大连理工大学
类型:发明
国别省市:辽宁,21

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1