一种基于改进遗传算法的多AGV多目标路径规划方法技术

本发明专利技术涉及一种基于改进遗传算法的多AGV多目标路径规划方法，属于智能技术领域。该方法具体包括：1)根据仓储环境选用栅格法构建地图模型；2)建立基于交通规则法及占用表的优先级策略；3)采用A*算法计算出两目标之间的最短行走距离，构建一个所有目标点间的距离矩阵；4)根据改进的遗传算法完成AGV路径规划。本发明专利技术能够将AGV多目标问题类比为TSP问题，使用改进的遗传算法求解多目标路径规划问题，使得整个系统的效率有了大幅的提升。个系统的效率有了大幅的提升。个系统的效率有了大幅的提升。

【技术实现步骤摘要】
一种基于改进遗传算法的多AGV多目标路径规划方法


[0001]本专利技术属于智能
，涉及一种基于改进遗传算法的多AGV多目标路径规划方法。

技术介绍

[0002]自动导航车(Automated Guided Vehicles,AGV)是一种不需要手动操控，可以自动按照既定好的路线行驶的智能搬运设备。它主要被用于在物流领域和制造领域上进行搬运工作或者巡检领域来取代人工巡检。
[0003]在物流行业中，AGV的应用可以使得传统仓储更加高效、稳定地运行，还降低了企业的人工成本，其中，AGV的路径规划技术是整个系统中的一个重要问题。AGV路径规划是指利用中央控制系统，为每辆AGV规划出从起始位置到目标点的最佳无碰撞行驶路径。随着货物量的增长，仓储空间会随之扩大，同时，仓库内的AGV数量也会因此而增加，多AGV间的协调配合问题是个非常关键的问题，在多AGV运行过程中，很容易出现碰撞、死锁等问题，在这种情况下，对每台AGV规划出一条时间最短，路径最优且无碰撞的路线，使其能够有序地完成各项任务，对于降低企业的成本起着重要的作用。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于改进遗传算法的多AGV多目标路径规划方法。本文采用栅格法构建仓储环境模型，并制定栅格化过后的仓储环境AGV运行规则，并根据AGV运行中的冲突建立基于交通规则法的优先级策略，采用A*算法计算出两目标之间的最短行走距离，构建一个所有目标点间的距离矩阵，采用一种匹配式交叉算子来替换传统的二交叉算子来解决交叉中基因重复和收敛速度慢的问题，并且考虑在遗传算法中加入拥堵因子来改进传统的遗传算法，运用改进的遗传算法使得整个系统的效率有了大幅的提升。
[0005]为达到上述目的，本专利技术提供如下技术方案：
[0006]一种基于改进遗传算法的多AGV多目标路径规划方法，该方法包括以下步骤：
[0007]S1：根据仓储环境选用栅格法构建地图模型：
[0008]包括四个部分：
[0009]拣选台T＝{T_1,T_2,T_3,
……
,T_n}，其中n表示拣选台的数量；
[0010]AGV小车R＝{R_1,R_2,R_3,
……
,R_m}，m表示AGV的数量；
[0011]货架区S＝{S_1,S_2,S_3,
……
,S_k}，k表示货仓区的数量；
[0012]AGV的可行走道路及AGV将要去往的货架点；
[0013]S2：建立基于交通规则法及占用表的优先级策略；
[0014]S3：为每一个目标点都建立在栅格图中的编号，假设任意两目标点x和y的路径距离为d
xy
，然后利用改进的A*算法计算出两目标之间的最短行走距离，假设AGV要经过n个目标点，那么AGV就有n！种方式完成所有任务，得到距离矩阵D
xy
，其中，x，y∈(1，n)，x≠y；
[0015]S4：根据改进的遗传算法求解AGV路径。
[0016]可选的，所述S2具体包括以下步骤：
[0017]S21：规定所有的道路都是单行通道，且横向道路是左右交替变换的单行道，纵向道路是上下交替变换的单行道；并且规定当AGV在节点处遇到冲突时，采用等待决策来解决节点冲突，优先级高的AGV先行；
[0018]S22：建立占用表；
[0019]占用表使用数据结构来表示，用来保存每个栅格占用的机器人的信息，当AGV想要进入下一个节点前，都会向占用表查询即将进入的节点有没有被占用，然后标识下一个节点即将被自己占用，在离开节点并且大于安全距离以后才会取消标识；其他AGV也想要进入到这个节点需要等到标识被取消才能进入，否则原地等待；每辆AGV都有唯一的id号；占用表会记录下每个AGV的id号，记录哪个节点是被哪辆AGV占用；
[0020]S23：基于冲突数目来决定优先级大小；
[0021]将某辆AGV在初始全局路径规划当中与其他AGV产生的冲突定义为该AGV的初始冲突数primary；然后，其他AGV的路径不改变，将该AGV设为较低优先级，把该AGV与其他AGV之间新增的冲突数目定义为新增或减少的冲突数new；该AGV产生的总冲突数定义为all；
[0022]all＝primary+new
[0023]新增冲突数new也可以为负值，表示冲突数的减少；在路径冲突发生时，两辆AGV都需要计算各自的总冲突数目，冲突数少的优先级高；如果冲突数相同，则随机设定一辆AGV的优先级高。
[0024]可选的，在所述S3中，根据改进的A*算法计算出两目标之间的最短行走距离，具体步骤包括：
[0025]S31：初始条件：起点设为S，目标终点设为U
[0026]S32：首先初始化两个空的辅助列表Open表和Close表；开始时先将起点S放至Open表中；Open表中存放将要被估算的备选节点集，Close表中存放已经被搜索的节点集，列表当中没有重复节点；
[0027]S33：把起点S从Open表中移除至Close表中，然后搜索与起点S周围的所有节点，设置起点S为当前父节点，并判断这些是否节点都在Open表中，如果不在，加入到Open表中，如果是障碍点，则忽略；
[0028]S34：计算Open表中所有节点的f(n)值，并找到它们当中f(n)值最小的节点放入到Close表中，还要从Open表里删除；
[0029]S35：搜索找到的最小f(n)的节点相邻的所有节点，并检查是否在Open表中，如果不在，将其放入，并设f(n)值最小的点为父节点；如果节点在Open表中，那么就要重新计算这些节点的f(n)值，如果新的值小于之前的话，则对原先的f(n)的值进行更新并设此节点为父节点；
[0030]S36：通过对Open表当中f(n)值最小的节点作为下一个搜索节点的父节点来完成路径的搜索；
[0031]S37：对每一次搜索的节点判断一次，如果是目标节点，则停止搜索，算法结束，如果不是，则重复上述步骤继续搜索。
[0032]可选的，在所述S34中，计算Open表中所有节点的f(n)值，具体步骤包括：
[0033]S341：f(n)＝g
′
(n)+h
′
(n)；
[0034]S342：g
′
(n)＝ag(n)；
[0035]其中，g
′
(n)表示起点到当前栅格的实际代价，g(n)表示起点到当前栅格的初始代价，α为转弯权值，为一个不小于1的数，转弯时取具体值，不转弯时取1；
[0036]S343：h
′
(n)＝εh(n)；
[0037]h(n)＝|x1‑
x2|+|y1‑
y2|，表示两点间横向距离和纵向距离的绝对值之和；
[0038]ε为启发函数的权值。
[0039]可选的，在所述S4中，利用改进的遗传算法求解AGV路径，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进遗传算法的多AGV多目标路径规划方法，其特征在于：该方法包括以下步骤：S1：根据仓储环境选用栅格法构建地图模型：包括四个部分：拣选台T＝{T_1,T_2,T_3,
……
,T_n}，其中n表示拣选台的数量；AGV小车R＝{R_1,R_2,R_3,
……
,R_m}，m表示AGV的数量；货架区S＝{S_1,S_2,S_3,
……
,S_k}，k表示货仓区的数量；AGV的可行走道路及AGV将要去往的货架点；S2：建立基于交通规则法及占用表的优先级策略；S3：为每一个目标点都建立在栅格图中的编号，假设任意两目标点x和y的路径距离为d
xy
，然后利用改进的A*算法计算出两目标之间的最短行走距离，假设AGV要经过n个目标点，那么AGV就有n！种方式完成所有任务，得到距离矩阵D
xy
，其中，x，y∈(1，n)，x≠y；S4：根据改进的遗传算法求解AGV路径。2.根据权利要求1所述的一种基于改进遗传算法的多AGV多目标路径规划方法，其特征在于：所述S2具体包括以下步骤：S21：规定所有的道路都是单行通道，且横向道路是左右交替变换的单行道，纵向道路是上下交替变换的单行道；并且规定当AGV在节点处遇到冲突时，采用等待决策来解决节点冲突，优先级高的AGV先行；S22：建立占用表；占用表使用数据结构来表示，用来保存每个栅格占用的机器人的信息，当AGV想要进入下一个节点前，都会向占用表查询即将进入的节点有没有被占用，然后标识下一个节点即将被自己占用，在离开节点并且大于安全距离以后才会取消标识；其他AGV也想要进入到这个节点需要等到标识被取消才能进入，否则原地等待；每辆AGV都有唯一的id号；占用表会记录下每个AGV的id号，记录哪个节点是被哪辆AGV占用；S23：基于冲突数目来决定优先级大小；将某辆AGV在初始全局路径规划当中与其他AGV产生的冲突定义为该AGV的初始冲突数primary；然后，其他AGV的路径不改变，将该AGV设为较低优先级，把该AGV与其他AGV之间新增的冲突数目定义为新增或减少的冲突数new；该AGV产生的总冲突数定义为all；all＝primary+new新增冲突数new也可以为负值，表示冲突数的减少；在路径冲突发生时，两辆AGV都需要计算各自的总冲突数目，冲突数少的优先级高；如果冲突数相同，则随机设定一辆AGV的优先级高。3.根据权利要求2所述的一种基于改进遗传算法的多AGV多目标路径规划方法，其特征在于：在所述S3中，根据改进的A*算法计算出两目标之间的最短行走距离，具体步骤包括：S31：初始条件：起点设为S，目标终点设为US32：首先初始化两个空的辅助列表Open表和Close表；开始时先将起点S放至Open表中；Open表中存放将要被估算的备选节点集，Close表中存放已经被搜索的节点集，列表当中没有重复节点；S33：把起点S从Open表中移除至Close表中，然后搜索与起点S周围的所有节点，设置起
点S为当前父节点，并判断这些是否节点都在Open表中，如果不在，加入到Open表中，如果是障碍点，则忽略；S34：计算Open表中所有节点的f(n)值，并找到它们当中f(n)值最小的节点放入...

【专利技术属性】
技术研发人员：林景栋，李鸿威，黎杨，章家伟，贺启程，邓坤霖，
申请(专利权)人：重庆大学，
类型：发明
国别省市：