【技术实现步骤摘要】
一种基于改进蚁群算法的叉车路径规划方法及系统
[0001]本专利技术属于AGV路径规划
，涉及一种基于改进蚁群算法的叉车路径规划方法及系统。
技术介绍
[0002]现代工业生产自动化程度的提高日新月异,自动导航叉车简AGV，自动引导车辆作为智能工厂和智能物流系统的关键设备之一，便于实施高效的生产管理，路径规划是AGV智能的关键技术之一。路径规划是在一个给定障碍环境中，根据一些优化标准(如最短路径、最短时间,等等)，在其工作空间找到一个起点，专注于最无碰撞路径，一个好的路径规划算法不仅可以提高自动化生产的效率，同时也能保证生产设备的利用率，也是自主导航和智能避障的重要保证。针对目前的路径规划问题，国内外专家学者提出了不同的解决方案，如蚁群算法、粒子群优化算法、模拟退火算法和遗传算法，算法各有优缺点，而有的算法迭代速度容易陷入局部最优，有的算法不易陷入局部最优，但其搜索效率相对较低。
[0003]现有的路径规划算法主要有：Dijkstra算法、A*算法、D*路径搜索算法、PRM、RRT路径规划算法和人工势场法等。D...
【技术保护点】
【技术特征摘要】
1.一种基于改进蚁群算法的叉车路径规划方法，其特征在于，包括以下步骤：S1、采用栅格法将叉车的工作环境划分为多个单元栅格，模糊处理障碍物边界信息，从而建立叉车在工作环境中的栅格模型；S2、将障碍物占据整个单元栅格的定义为障碍栅格，将障碍物部分占据单元栅格的进行柔性模糊膨化处理，处理后将其视为障碍栅格；S3、将障碍栅格部落密度函数的极大值定义为障碍栅格部落密度中心，将障碍栅格部落密度中心所对应的障碍栅格部落中的样本从障碍栅格位置集合D中删除，重复上述删除操作直到集合D为空集，得到在地图模型中的k个障碍栅格部落密度中心集合A＝{A1，A2，A3...A
k
}；S4、根据集合A＝{A1，A2，A3...A
k
}设定k个栅格部落P＝{P1,P2,P3,...,P
r
,...，P
k
}，定义疏密度函数，更新部落密度中心；S5、初始化两组蚁群E、F，设整个蚁群蚂蚁的数量为m对蚂蚁，ρ0为初始信息素挥发系数，信息素浓度H和最大迭代次数Y
max
，设定的迭代次数将迭代次数置为0，对两组蚁群进行配对，计算每只蚂蚁选择下一节点的概率；S6、根据启发函数，采用首尾对向搜索策略，达到搜索结束条件时，计算同对中两只蚂蚁的路径长度L
E0
和L
F0
，L＝L
E0
+L
F0
，为本次可行的首尾对象搜索路径最优解；当所有的m对蚂蚁全部搜索完毕，更新全局路径的信息素；判断当前迭代次数Y是否达到最大迭代次数，是则结束算法并输出最优路径，否则迭代次数Y＝Y+1并返回步骤S5。2.根据权利要求1所述的基于改进蚁群算法的叉车路径规划方法，其特征在于，步骤S3中所述的障碍栅格部落密度函数的公式如下：式中，r为部落密度圆的半径式中，r为部落密度圆的半径为集合D平均样本距离，若障碍栅格x
i
与x
j
间的欧式距离小于部落密度圆半径，则判定样本点x
j
存在于该样本圆内，记为1，否则记为0。3.根据权利要求2所述的基于改进蚁群算法的叉车路径规划方法，其特征在于，所述的集合D平均样本距离的公式为：其中，d(x
i
，x
j
)为每两个栅格样本x
i
，x
j
之间的欧式距离，其中i，j＝1，2，3，4，...，N。4.根据权利要求3所述的基于改进蚁群算法的叉车路径规划方法，其特征在于，步骤S4中所述的疏密度函数的公式为：其中，M
r
为栅格部落P
r
中栅格总数，N
r
为栅格部落P
r
中样本点数；疏密度函数越小，说明节点在其所属栅格部落的紧密度越小，即障碍栅格密集度小，越稀疏，即该部落连续为0的栅格越多，拐点越少，叉车更易通过。5.根据权利要求4所述的基于改进蚁群算法的叉车路径规划方法，其特征在于，步骤S5中所述的计算每只蚂蚁选择下一节点的概率的公式为：
式中，η
ij
(t)为启发函数，反映了从节点i运动到节点j的可能性；allow为蚂蚁n未访问的节点，α为信息素浓度因子，α值越高，则信息素浓度作用性越强；β为启发函数权值因子，β值越高，则启发函数作用性越强，蚂蚁n运动到距离短的节点可能性越高，栅格部落疏密度R反映了路径上经过节点复杂度，R值越小，部落越稀疏，蚂蚁n从i节点运动到j节点概率越大。6.根据权利要求5所述的基于改进蚁群算法的叉车路径规划方法，其特征在于，步骤S6中所述的启发函数的公式为：其中，d
ij
是当前节点i到下一节点j的距离，d
jT
是下一节点j到目标节点T的距离，d
Si
...
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。