一种基于蚁群算法的仓储机器人路径寻优方法技术

本发明专利技术公开了一种基于蚁群算法的仓储机器人路径寻优方法，包括步骤：一、初始化进行路径寻优的参数；二、每只蚂蚁进行路径循环搜索；三、全部蚂蚁路径搜索完成后，比较出局部最优路径；四、对路径上的信息素量进行局部更新；五、进行全局信息素更新；六、重复步骤二～步骤五，直至达到最大循环次数；七、运用局部最优路径拓展，对已寻局部最优路径拓展优化，寻找全局最优路径。本发明专利技术方法步骤合理，实现方便，能够有效应用在仓储物流的仓储机器人的路径规划中，有效抑制了算法陷入局部最优并实现了仓储机器人最优路径搜索，使仓储机器人可以快速地避开障碍物安全到达目标点，使用效果好，便于推广使用。

【技术实现步骤摘要】
一种基于蚁群算法的仓储机器人路径寻优方法
本专利技术属于仓储物流
，具体涉及一种基于蚁群算法的仓储机器人路径寻优方法。
技术介绍
目前，随着经济的发展，大型仓库不断涌现，其中货架数量、货物种类也相应呈几何倍数地提高了。伴随而来的，存储和取用货物的复杂程度也随之极大地增加了。路径规划技术是仓储机器人研究领域的一个重要组成部分，主要目的是在有障碍物的环境中，根据一定的准则(如路径最短，位置拐点最少，用时最短等)，寻求一条从起始位置节点到目标位置节点之间的最优或次优安全无碰路径，对仓储机器人快速准确的目标货物存取具有迫切需求。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于蚁群算法的仓储机器人路径寻优方法，其步骤合理，实现方便，能够有效应用在仓储物流的仓储机器人的路径规划中，有效抑制了算法陷入局部最优并实现了仓储机器人最优路径搜索，使仓储机器人可以快速地避开障碍物安全到达目标点，使用效果好，便于推广使用。为解决上述技术问题，本专利技术采用的技术方案是：一种基于蚁群算法的仓储机器人路径寻优方法，包括以下步骤：步骤一、初始化进行路径寻优的参数；步骤二、每只蚂蚁进行路径循环搜索；步骤三、全部蚂蚁路径搜索完成后，比较出局部最优路径；步骤四、对路径上的信息素量进行局部更新；步骤五、进行全局信息素更新；步骤六、重复步骤二～步骤五，直至达到最大循环次数；步骤七、运用局部最优路径拓展，对已寻局部最优路径拓展优化，寻找全局最优路径。上述的一种基于蚁群算法的仓储机器人路径寻优方法，步骤一中所述初始化进行路径寻优的参数包括令时间t＝0，循环次数Nc＝0，货位点i到货位点j路径上的初始信息素τij＝τ0，蚂蚁只数m，每只蚂蚁的禁忌表均为空；设置最大迭代次数N、搜索路径循环次数R。上述的一种基于蚁群算法的仓储机器人路径寻优方法，步骤四中所述对路径上的信息素量进行局部更新根据公式τij(t+1)＝ρ·τij(t)+(1-ρ)Δτij(t)进行，其中，ρ为局部更新信息素轨迹的持久度系数且0≤ρ≤1，Δτij(t)为信息素的变化量且上述的一种基于蚁群算法的仓储机器人路径寻优方法，步骤五中所述进行全局信息素更新根据公式τij(t+1)＝α·τij(t)+(1-α)Δτij(t)进行，其中，α为全局更新信息素轨迹的持久度系数且0≤α≤1，Δτij(t)为信息素的变化量且上述的一种基于蚁群算法的仓储机器人路径寻优方法，步骤七中所述局部最优路径拓展包括：设已寻局部最优路径由w个位置节点组成，除起始点和目标点，在每个位置节点上放置三只蚂蚁进行拓展优化，当蚂蚁放置在第n个位置节点拓展寻路时，前n个位置节点的路径不变，在第n个位置节点选择下一个位置节点时，除原路径n-1和n+1位置节点外，依照信息素浓度引导，在局部最优路径周围其余位置节点中选择，找到拓展路径的下一个位置节点，后续位置节点选择根据信息素找寻目标点；在完成拓展路径，成功找到目标点时，记录该蚂蚁的路径长度以及包含的路段信息，在路径长度和位置拐点数量方面与局部最优路径对比，若更优，则更新局部最优路径，并根据当前局部最优路径更新信息素浓度，当w个位置节点中的所有蚂蚁都拓展完成时，本次局部最优路径拓展结束。本专利技术与现有技术相比具有以下优点：本专利技术方法步骤合理，实现方便，能够有效应用在仓储物流的仓储机器人的路径规划中，有效抑制了算法陷入局部最优并实现了仓储机器人最优路径搜索，使仓储机器人可以快速地避开障碍物安全到达目标点，使用效果好，便于推广使用。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明图1为本专利技术的方法流程框图。具体实施方式如图1所示，本专利技术的基于蚁群算法的仓储机器人路径寻优方法，包括以下步骤：步骤一、初始化进行路径寻优的参数；步骤二、每只蚂蚁进行路径循环搜索；步骤三、全部蚂蚁路径搜索完成后，比较出局部最优路径；步骤四、对路径上的信息素量进行局部更新；步骤五、进行全局信息素更新；步骤六、重复步骤二～步骤五，直至达到最大循环次数；步骤七、运用局部最优路径拓展，对已寻局部最优路径拓展优化，寻找全局最优路径。本方法中，步骤一中所述初始化进行路径寻优的参数包括令时间t＝0，循环次数Nc＝0，货位点i到货位点j路径上的初始信息素τij＝τ0，蚂蚁只数m，每只蚂蚁的禁忌表均为空；设置最大迭代次数N、搜索路径循环次数R。本方法中，步骤四中所述对路径上的信息素量进行局部更新根据公式τij(t+1)＝ρ·τij(t)+(1-ρ)Δτij(t)进行，其中，ρ为局部更新信息素轨迹的持久度系数且0≤ρ≤1，Δτij(t)为信息素的变化量且本方法中，步骤五中所述进行全局信息素更新根据公式τij(t+1)＝α·τij(t)+(1-α)Δτij(t)进行，其中，α为全局更新信息素轨迹的持久度系数且0≤α≤1，Δτij(t)为信息素的变化量且本方法中，步骤七中所述局部最优路径拓展包括：设已寻局部最优路径由w个位置节点组成，除起始点和目标点，在每个位置节点上放置三只蚂蚁进行拓展优化，当蚂蚁放置在第n个位置节点拓展寻路时，前n个位置节点的路径不变，在第n个位置节点选择下一个位置节点时，除原路径n-1和n+1位置节点外，依照信息素浓度引导，在局部最优路径周围其余位置节点中选择，找到拓展路径的下一个位置节点，后续位置节点选择根据信息素找寻目标点；在完成拓展路径，成功找到目标点时，记录该蚂蚁的路径长度以及包含的路段信息，在路径长度和位置拐点数量方面与局部最优路径对比，若更优，则更新局部最优路径，并根据当前局部最优路径更新信息素浓度，当w个位置节点中的所有蚂蚁都拓展完成时，本次局部最优路径拓展结束。以上所述，仅是本专利技术的较佳实施例，并非对本专利技术作任何限制，凡是根据本专利技术技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本专利技术技术方案的保护范围内。本文档来自技高网...

【技术保护点】
1.一种基于蚁群算法的仓储机器人路径寻优方法，其特征在于：包括以下步骤：/n步骤一、初始化进行路径寻优的参数；/n步骤二、每只蚂蚁进行路径循环搜索；/n步骤三、全部蚂蚁路径搜索完成后，比较出局部最优路径；/n步骤四、对路径上的信息素量进行局部更新；/n步骤五、进行全局信息素更新；/n步骤六、重复步骤二～步骤五，直至达到最大循环次数；/n步骤七、运用局部最优路径拓展，对已寻局部最优路径拓展优化，寻找全局最优路径。/n

【技术特征摘要】
1.一种基于蚁群算法的仓储机器人路径寻优方法，其特征在于：包括以下步骤：
步骤一、初始化进行路径寻优的参数；
步骤二、每只蚂蚁进行路径循环搜索；
步骤三、全部蚂蚁路径搜索完成后，比较出局部最优路径；
步骤四、对路径上的信息素量进行局部更新；
步骤五、进行全局信息素更新；
步骤六、重复步骤二～步骤五，直至达到最大循环次数；
步骤七、运用局部最优路径拓展，对已寻局部最优路径拓展优化，寻找全局最优路径。


2.按照权利要求1所述的一种基于蚁群算法的仓储机器人路径寻优方法，其特征在于：步骤一中所述初始化进行路径寻优的参数包括令时间t＝0，循环次数Nc＝0，货位点i到货位点j路径上的初始信息素τij＝τ0，蚂蚁只数m，每只蚂蚁的禁忌表均为空；设置最大迭代次数N、搜索路径循环次数R。


3.按照权利要求1所述的一种基于蚁群算法的仓储机器人路径寻优方法，其特征在于：步骤四中所述对路径上的信息素量进行局部更新根据公式τij(t+1)＝ρ·τij(t)+(1-ρ)Δτij(t)进行，其中，ρ为局部更新信息素轨迹的持久度系数且0≤ρ≤1，Δτij(t)为信息素的变化量...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：陈娅莉，
类型：发明
国别省市：陕西;61