The invention discloses a multi task scheduling method of tower crane group genetic algorithm and MMAS algorithm based on the tower crane group has cross region, including the following steps: firstly, scheduling method based on genetic algorithm, to obtain the initial population; step two, based on the MMAS algorithm, to obtain the initial path; in the cross area of the tower cluster each task, for the selected D scheduling path selection loading point as the initial path MMAS algorithm; step three, according to the initial path steps one and second choice of initial population genetic algorithm and MMAS algorithm, multi task decomposition of tower crane group path for Twin Towers repeatedly machine operation, required to calculate the many Twin Towers machine operation time, finally a crane job completion time for the total time scheduling scheme; step four, the total time scheduling scheme as an update in MMAS algorithm The pheromone, returns step two to start the iteration, and looks for the optimal handover point based on the scheduled scheduling path with the shortest total time spent on the scheduling scheme.
【技术实现步骤摘要】
基于遗传算法和MMAS算法的塔机群多任务的调度方法
本专利技术涉及塔机控制领域,特别涉及一种基于遗传算法和MMAS算法的塔机群多任务的调度方法。
技术介绍
塔机是建设房屋和桥梁的主要运输作业工具。随着建筑作业的密集化发展,多台塔机作业区域的相互覆盖为塔机带来严重安全隐患的同时也为塔机群协同作业带来了可能,利用多台塔机“合作运输”的方式,我们可以将建筑物料运送到更远的地方。然而现有技术中如何利用“合作运输”为各塔机制定完善的作业方案还未解决,不仅能够避免危险情况的产生,还能提升塔机群的作业效率。同时,塔机群在多任务环境下的作业情况值得被考虑,针对某单一任务的执行效率提升方案极有可能对相关另一任务的执行情况产生负面影响。
技术实现思路
本专利技术提供一种基于遗传算法和MMAS算法的塔机群多任务的调度方法,解决了现有技术中如何使多台塔机合作运输的技术问题,达到了提供一种为塔机制定完善方案、合作运输的塔机调度方法的技术效果。为解决上述技术问题,本专利技术提供一种基于遗传算法和MMAS算法的塔机群多任务的调度方法,所述塔机群具有交叉区域,所述调度方法包括:步骤一,基于遗传算法,获取初始种群;随机在所述塔机群各任务选择D条调度路径作为遗传算法的初始种群,所述塔机群记为{T1,T2,……,Tn},Tn为第n个塔机;步骤二,基于MMAS算法,获取初始路径;在所述塔机群各任务的交叉区域内,为所述选择的D条调度路径选择装卸点作为MMAS算法的初始路径;步骤三,根据步骤一和步骤二中选择的遗传算法的初始种群和MMAS算法的初始路径,分解塔机群多任务路径为多次双塔机作业,计算所述多次双 ...
【技术保护点】
一种基于遗传算法和MMAS算法的塔机群多任务的调度方法,所述塔机群具有交叉区域,其特征在于,所述调度方法包括:步骤一,基于遗传算法,获取初始种群;随机在所述塔机群各任务选择D条调度路径作为遗传算法的初始种群,所述塔机群记为{T
【技术特征摘要】
1.一种基于遗传算法和MMAS算法的塔机群多任务的调度方法,所述塔机群具有交叉区域,其特征在于,所述调度方法包括:步骤一,基于遗传算法,获取初始种群;随机在所述塔机群各任务选择D条调度路径作为遗传算法的初始种群,所述塔机群记为{T1,T2,……,Tn},Tn为第n个塔机;步骤二,基于MMAS算法,获取初始路径;在所述塔机群各任务的交叉区域内,为所述选择的D条调度路径选择装卸点作为MMAS算法的初始路径;步骤三,根据步骤一和步骤二中选择的遗传算法的初始种群和MMAS算法的初始路径,分解塔机群多任务路径为多次双塔机作业,计算所述多次双塔机作业所需的时间,最后一个塔机作业的完成时间为该调度方案总耗时;其中所述计算所述多次双塔机作业所需的时间具体为多次双塔机每条调度路径独立完成所需的时间;步骤四,将所述调度方案总耗时作为更新MMAS算法中的信息素,返回步骤二开始迭代寻找基于已定调度路径下使该调度方案总耗时最短的最优交接点,所述最优交接点为基于MMAS算法迭代至第一预设次数终止时调度方案总耗时最短的所述D条调度路径的装卸点;步骤五,基于遗传算法,将步骤四中得到最短的调度方案总耗时作为参考保留优质种群,淘汰劣质种群,优质种群之间相互交叉生成新的种群以保证种群数量;返回步骤二开始迭代寻找最优种群,所述最优种群为基于遗传算法迭代至第二预设次数终止时最优种群为最优调度方案。2.如权利要求1所述的调度方法,其特征在于,在所述步骤四之前,所述步骤三之后,所述调度方法还包括:当所述塔机群为多作业并行情况时,基于防碰撞算法对塔机作业完成的时间以延迟等待的方式进行修正,获取最后一个塔机作业的完成时间为该调度方案总耗时。3.如权利要求1所述的调度方法,其特征在于,所述步骤三中所述分解塔机群多任务路径为多次双塔机作业,计算所述多次双塔机作业所需的时间,最后一个塔机作业的完成时间为该调度方案总耗时,所述调度方案总耗时具体为:Tj1=TX1+TX2+……+TXn-1+TN;其中,Tj1为任务J1的调度方案总耗时,X1,X2,……,Xn-1为任务J1的调度方案的n-1个装卸点,TX1、TX2、……、TXn-1、TN分别为X1,X2,……,Xn-1的n段路径的耗时。4.如权利要求1所述的调度方法,其特征在于,所述步骤三中所述分解塔机群多任务路径为多次双塔机作业,具体为:所述塔机群多任务路径为Tnum111→Tnum12,num222→……→Tnum1n,num2nn;将塔机群多任务路径分解为{(Tnum111→Tnum122),(Tnum222→Tnum133),……,(Tnum1n-1n-1→Tnum1nn),Tnum2nn};其中,Tnum1n,num2nn为第n个塔机,且第n个塔机的吊臂具有两个旋转方向{num1n,num2n},cw表示顺时针旋转,aw表示逆时针旋转,其中num1n和num2n均可以取cw和aw两个值。5.如权利要求1所述的调度方法,其特征在于,所述步骤三中所述计算所述多次双塔机作业所需的时间中,每次双塔机作业所需的时间,具体计算方法为:通过计算确定双塔机吊臂合适的旋转方向以获得最小调度时长时所需的时间。6.如权利要求1所述的调度方法,其特征在于,所述步骤三中所述计算所述多次双塔机作业所需的时间中,每次双塔机作业所需的时间,具体计算方法为:当双塔机作业为高塔到低塔作业时,货物由塔机T1交于T2,且T1高于T2,塔机T1和塔机T2具有一交叉区域Q,X为交叉区域S中的装卸点,双塔机作业所需的时间取决于塔机吊臂旋转时间、变幅小车移动时间和吊钩起升/下放时间中的最大值。7.如权利要求6所述的调度方法,其特征在于,所述当双塔机作业为高塔到低塔作业时,货物由塔机T1交于T2,且T1高于T2时,塔机T1和塔机T2具有一交叉区域Q,X为交叉区域S中的装卸点,双塔机作业所需的时间,具体计算方法为:当塔机T1的吊臂旋转方向为顺时针旋转时,当塔机T1的吊臂旋转方向为逆时针旋转时,
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。