【技术实现步骤摘要】
基于蚁群以及遗传算法的AGV调度方法
本专利技术涉及一种AGV调度方法，尤其是一种基于蚁群以及遗传算法的AGV调度方法。
技术介绍
随着现代工业和信息服务业的发展，人力资本愈发珍贵，人们越来越认识到仓储、货运等物流环节对提高产品利润的重要性。据资料显示，物流、运输等环节占整个制造业企业成本的50％以上，因此提高存储、运输的效率，充分发挥场地的性能优势，成为各大企业竞相发展的焦点。自动化立体仓库是在现代物流系统中的一个重要组成部分，自动化立体仓库的智能化程度对整个物流业的发展有着重要的影响，智能化程度越高，则物流业越发达，合理的调度方案可以显著提高物流效率，从而节约物流成本，提升企业的效益。蚁群算法(antcolonyoptimization，ACO)是一种启发式生物智能算法，以蚁群为研究对象，研究其在觅食过程中的群体性行为，并将这种群体智能行为抽象成数学算法，并应用到实际问题的求解过程中。遗传算法是一种模仿生物进化过程中，染色体的复制、交叉、变异等一系列变化过程，并将这种染色体的行为抽象成数学模型，应用到对实...
【技术保护点】
1.一种基于蚁群以及遗传算法的AGV调度方法，其特征是，所述AGV调度方法包括如下步骤：/n步骤1、对配送中心以及所述配送中心周围的n个客户节点，得到集合N＝{0,1,2，...，n}，其中，节点0为配送中心，客户节点的集合为N
【技术特征摘要】
1.一种基于蚁群以及遗传算法的AGV调度方法，其特征是，所述AGV调度方法包括如下步骤：
步骤1、对配送中心以及所述配送中心周围的n个客户节点，得到集合N＝{0,1,2，...，n}，其中，节点0为配送中心，客户节点的集合为Nc，Nc＝{1,2，...，n}，n为客户节点的数量；
对m个配送的车辆，得到车辆集合K，其中，K＝{1,2，...，m}，在配送时，所有车辆必须从节点0开始并回到节点0；
对客户节点集合Nc中的任一节点i，存在所述节点i的时间窗[ai,bi]，ai表示节点i最早开始接受货物的时间，bi为节点i最晚接受货物的时间，qi为节点i的需求量，车辆在节点i的服务完成时间为si；对车辆集合K中的任一车辆k，车辆k达到节点i的时刻为Tik，车辆k从节点i达到节点j的时刻为Tij；
步骤2、根据步骤1中配送中心、客户节点集合Nc、车辆集合K，建立带时间窗的车辆路径的数学模型，具体为
其中，
步骤3、确定蚂蚁的数量R，为每个蚂蚁设置对应的禁忌表Tabu以及节点存储表Tau；初始化迭代参数NF、初始化信息素集Qr、初始化禁忌表Tabu以及初始化节点存储表Tau，并给定最大迭代次数NFmax、信息素重要度因子α、期望程度因子β、车辆容量因素的权衡因子θ、遗传算法中的交叉概率Pc以及变异概率Pm；
步骤4、将R只蚂蚁初始化到不同的客户节点上，并将每个蚂蚁对应的客户节点写入每个蚂蚁的禁忌表Tabu表内；
步骤5、对于节点i上的蚂蚁r，将节点i加入蚂蚁r的节点存储表Tau中；计算得到蚂蚁r的转移概率，按轮盘赌的方式选择下一个客户节点，具体地，
其中，为蚂蚁r在t时刻从节点i转移至节点j的概率，τij(t)为t时刻节点i与节点j之间的信息素强度；ηij(t)为t时刻节点i到节点j的期望启发函数，allow为蚂蚁r下一步允许访问的节点集合；ti为目前路径到达点i时经过的时间，(aj，bj)为节点j的时间窗，(az,bz)为节点z的时间窗，w1+w2＝1；
步骤6、查询蚂蚁r的节点存储表Tau，当蚂蚁r遍历完成所有的节点后，转到步骤7，否则，根据步骤5将蚂蚁r成功转至节点j，将节点j加入禁忌表Tabu表；
在将蚂蚁r转移至节点j后，根据蚂蚁r的路径查询车辆的载重以及节点j的时间窗约束，当车辆在的载重大于车辆的额定载重Qe或节点j的时间不满足时间窗约束时，则将蚂蚁r返回到节点0，同时将节点0加入到节点存储表Tau表中，并转到步骤5；
步骤7：判断蚂蚁r是否回到节点0，若没有回到节点0，则将节点i加入到禁忌表Tabu中，并转至步骤8；否则，直接转至步骤8；
步骤8：判断r是否大于蚂蚁数R，若r>R，转到步骤9；否则，令r＝r+1并转至步骤5；
步骤9：根据每个蚂蚁的节点...
【专利技术属性】
技术研发人员：奚青，陈曲燕，陈晖，周德强，
申请(专利权)人：无锡弘宜智能科技有限公司，
类型：发明
国别省市：江苏;32
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。