【技术实现步骤摘要】
一种用于路径优化的改进遗传算法
本专利技术涉及AGV运输路径和物流配送路径优化
，具体涉及到一种用于路径优化的改进遗传算法。
技术介绍
路径优化是企业物资调度分配中的一项关键技术，其目的是实现成本最低、运输时间最短等战略指标，进而提高企业效益。路径优化问题通常没有多项式复杂度的求解方法，因此常利用数值求解方法进行求解。遗传算法是一种随机搜索方法，具有多方向寻优的优点，且算法收敛结果与初始值关联较小，常用于求解路径优化问题。如专利文献1(CN109685243A)公开了一种基于遗传算法的作业车间物流配送路径优化方法，该方法针对单辆车的调度问题，将最短路径算法融入染色体解码过程，通过大量迭代，产生一条合法的染色体路径，该算法仅仅规划出一条由配送车起点到目标节点的路径，未规划返程路径，而且无法解决多辆配送车的路径优化问题；又如专利文献2(CN110348791A)公开了一种应用于多AGV任务调度的动态交叉遗传算法，该算法融合了两父代交叉和三父代交叉方法，一定程度提高了算法的寻优能力，但是该算法仅仅规划了AGV的运送站...
【技术保护点】
1.一种用于路径优化的改进遗传算法，其特征在于具有如下步骤：/n步骤1.记车间共有m辆AGV可供使用，k号AGV的额定载重和额定速度分别为L
【技术特征摘要】
1.一种用于路径优化的改进遗传算法，其特征在于具有如下步骤：
步骤1.记车间共有m辆AGV可供使用，k号AGV的额定载重和额定速度分别为Lk、Sk，根据优化目标建立数学模型；
步骤2.获取车间中机床的集合V，机床个数记为n，机床Vi和机床Vj间距离Ei，j，机床Vi需要的工件的重量Qi，以及机床Vi的配送时间窗，基于机床之间的路径连接关系，采用优先级-贪心解码方法进行编码，进而得到N个合法的个体作为初始种群；
步骤3.利用适应度函数计算初始种群的适应度，并根据锦标赛选择方法选择适应度较大的N个个体作为父代，然后对N个父代交叉和变异，进而得到N个子代；
步骤4.计算步骤3中的N个子代的适应度，合并N个父代和N个子代，进而得到2N个个体的种群，然后采用精英保留方法，选择适应度最大的N个个体；
步骤5.若连续G代都没有产生可行解，则结束迭代，并提示需要调整种群规模、交叉率变异率及最大进化次数；若未到达最大进化代数G，且连续G代内产生了可行解，则利用步骤4得到的N个个体更新初始种群，并重复执行步骤3～步骤5；若达到最大进化代数G，且产生了可行解，则输出可行路径。
2.根据权利要求1所述的一种用于路径优化的改进遗传算法，其特征在于所述步骤1中的数学模型如下：
其中，xijk为0/1变量，机床Vi到机床Vj由k号的AGV小车运输，则xijk＝1，否则xijk＝0；此外，要求即机床Vi到机床Vj之间必须有一辆AGV担任运输；每辆AGV的实际运输的工件总重量不超过额定载重；每台机床必须在指定时间窗内上料。
3.根据权利要求1所述的一种用于路径优化的改进遗传算法，其特征在于所述步骤2中提出的优先级-贪心解码方法保证了所有染色体的合法性，具体为：
S2.1.对n个机床进行编号(1号-n号)，记仓库为0号，根据机床间的路径连接关系以及机床间的距离建立简单图；
S2.2.随机生成一组范围为1-n的不重复的n个整数作为每个机床的配送优先级，记作1号子串，其中n为机床的数量；
S2.3.随机生成一组范围为1-m的n个整数，记作2号子串，其中m为可供使用的AGV数量，因此一辆AGV未被分派配送任务的概率为
S2.4.拼接1号子串和2号子串，则得到完整的染色体。
S2.5.建立1号子串和2号子串的映射关系，然后解码成具体配送顺序；
S2.6.记机床Vs和机床Ve之间的最短距离为d(Vs，Ve)，假设机床Vc为Vs和Ve最短路径上的中间节点，则d(Vs，Ve)＝d(Vs，Vc)+d(Vc，Ve)，基于该贪心思想，进一步将配送顺序细化成具体配送路径；
S2.7.记Vs为起点，Ve为终点，建立并初始化路径集合P＝{Vs：None}，起始距离为0，则中间节点集合Q＝{(Vs，0)}；
S2.8.当Q≠{}，则弹出集合Q中的第一个元素，记为Vs′，dis；
S2.9.根据建立的简单图，寻找与Vs′相连接的节点集合V′；
S2.10.遍历V′，记若Vc≠Ve，则更新P＝{Vs：None，Vc：Vs′}，Q＝Q∪{(Vc，dis...
【专利技术属性】
技术研发人员：王禹林，刘文，杨小龙，
申请(专利权)人：南京理工大学，南京禹其源智能装备科技有限公司，
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。