一种带时间窗的机器人物流运输调度方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种带时间窗的机器人物流运输调度方法、系统、设备及存储介质，涉及机器人运输路径规划技术领域。所述方法包括：建立带时间窗的机器人物流运输调度问题的数学模型、采用改进的蚁群算法构建路径；所述蚁群算法包括参数初始化、令第k只蚂蚁从配送中心节点0出发、由第k只蚂蚁构建一条完整路径、优化全局配送路径、优化局部配送路径、更新全局信息素浓度及限定全局信息素浓度上下限、计算自适应挥发因子和执行信息素回滚机制，最终输出最优解，即最优运输路径。相较于现有技术，本发明专利技术具有较好的全局搜索能力和局部搜索能力，具有较快的收敛速度，能够较好地解决实际问题。能够较好地解决实际问题。能够较好地解决实际问题。

【技术实现步骤摘要】
一种带时间窗的机器人物流运输调度方法、系统、设备及存储介质


[0001]本专利技术涉及机器人运输路径规划
，更具体地，涉及一种带时间窗的机器人物流运输调度方法、系统设备及存储介质。

技术介绍

[0002]物流运输成本是企业生产成本的重要构成，降低物流运输成本能降低运营成本，促进企业经济效益的提高。现有商业应用中已见企业采用机器人进行物流运输，优化物流运输调度，有效地提高运输效率、降低运输成本。
[0003]在一个交通网络中，使用多台机器人向多个客户运送货物，每个客户有需求量、收货时间窗要求，每个客户恰好由一台机器人送货；使用一个配送中心，配送中心使用多台相同类型的机器人为若干客户送货，每台机器人有容量约束；机器人从配送中心出发，把货物运送到客户，最后返回到配送中心。该场景中存在一个路径规划问题，如何将送货任务分配给各机器人，并为每台机器人确定运输路径，使总的运输距离最短。
[0004]现有技术已公开了多种解决该路径规划问题的方法，如引入时间窗的概念，建立对应模型，但存在收敛能力差、寻优效率低等问题。

技术实现思路

[0005]本专利技术为克服上述现有技术所述的收敛能力差、寻优效率低的缺陷，提供一种带时间窗的机器人物流运输调度方法、系统、设备及存储介质。
[0006]为解决上述技术问题，本专利技术的技术方案如下：
[0007]第一方面，一种带时间窗的机器人物流运输调度方法，包括以下步骤：
[0008]S1、建立带时间窗的机器人物流运输调度问题的数学模型；所述数学模型表达式为：
[0009][0010]s.t.
[0011][0012][0013][0014][0015][0016][0017]start
j
≤arive
j
≤end
j (8)
[0018][0019][0020]其中，D表示运输成本；C1表示单台机器人成本；VN表示使用的机器人数量；K为配送中心拥有的机器人集合；N为需要配送服务的m个顾客点的集合，N＝{1,2,...,m}；V＝{0}∪N，0表示配送中心；V
k
表示机器人k访问顾客的集合；i、j表示顾客编号；是一个决策变量，表示机器人k服务顾客i以后是否服务顾客j；当机器人k服务完顾客i后直接服务顾客j时，否则，否则，表示顾客i是否被机器人k服务；当顾客i由机器人k服务时，否则，Q表示机器人装载能力约束；q
i
表示顾客i的需求量，且q0＝0；C
ij
表示从顾客i与顾客j之间的距离；arive
j
表示机器人到达顾客j的时间；start
j
表示顾客j允许的最早开始服务时间；end
j
表示顾客j允许的最迟开始服务时间；时间窗约束要求配送机器人必须在时间范围[start
j
,end
j
]内到达顾客j；容量约束要求配送机器人必须满足顾客j的货物需求量；
[0021]S2、初始化参数，令迭代次数t＝1，加载配送中心、顾客及配送机器人的具体数据，将所有蚂蚁的出发点设置为配送中心节点0；
[0022]S3、第k只蚂蚁从配送中心节点0出发；其中，k＝1,2,
…
,n；n表示蚂蚁总数量；
[0023]S4、由第k只蚂蚁构建一条完整路径，具体为：
[0024]S4
‑
1、计算转移控制因子；
[0025]S4
‑
2、计算蚂蚁k访问的下一个节点：对于第k只蚂蚁，按式(11)计算下一个访问的节点j，其中，k＝1,2...,n：
[0026][0027]其中，j点是满足容量及时间窗约束且是未被蚂蚁k访问过的节点；τ
ij
表示节点i到节点j路径上的信息素浓度；η
ij
＝1/C
ij
为启发函数，表示蚂蚁从节点i转移到节点j的期望程度；wait
j
＝max{(start
j
‑
arive
j
)，h}表示节点j或机器人的等待时间；当start
j
＞arive
j
时，wait
j
表示机器人需等待的时间；当start
j
＜arive
j
时，表示节点j需等待的时间；当start
j
＝arive
j
时，h为一较小的正数，否则h＝0；width
j
＝end
j
‑
start
j
表示节点j的时间窗宽度；表示蚂蚁k从节点i出发后可以访问的节点集合，该节点集合同时满足载重量和时间窗约束；α、β、γ、δ分别表示信息素重要程度因子、能见度重要程度因子、时间窗宽度重要程度因子和等待时间重要程度因子；为选择概率，表示蚂蚁k从节点i移动到节点j的概率；
[0028]S4
‑
3、判断第k只蚂蚁是否遍历完所有节点：若完成转步骤S4
‑
4；否则返回执行步骤S4
‑
2；
[0029]S4
‑
4、计算局部信息素增量、执行信息素扩散策略和更新局部信息素，进一步包括：
[0030]S4
‑4‑
1、计算局部信息素增量当第k只蚂蚁完成当前迭代时，对蚂蚁k经过的路径释放信息素，对节点i＝1,2,...,m；j＝1,2,...,m,i≠j，则按式(12)更新蚂蚁所经过路径的信息素增量：
[0031][0032]其中，L
k
为此次迭代中第k只蚂蚁所走路径总长度；Q1为一预设正常数；
[0033]S4
‑4‑
2、执行信息素扩散策略；
[0034]S4
‑4‑
3、更新局部信息素，对节点i＝1,2,...,m；j＝1,2,...,m,i≠j，按式(13)更新计算节点i、j之间的局部信息素浓度
[0035][0036]其中，ρ
L
表示局部信息素挥发因子，0＜ρ
L
＜1；
[0037]S4
‑
5、判断当代所有蚂蚁是否执行完搜索过程：若是则执行步骤S5；否则返回执行步骤S3；
[0038]S5、优化全局配送路径，具体步骤包括：
[0039]S5
‑
1、将当代蚂蚁搜索到的最优配送路径与当前全局最优配送路径比较，选取目标函数值更小的作为当前全局最优配送路径；
[0040]S5
‑
2、采用2
‑
opt方法优化当前全局最优配送路径，对当前全局最优配送路径重复n1次下述操作：随机选取路径中不相连的两个节点，将两个节点之间的路径翻转过来获得新路径，若翻转后得到的路径优于当前全局最优配送路径，则更新当前全局最优配送路径；
[0041]S5
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带时间窗的机器人物流运输调度方法，其特征在于，包括以下步骤：S1、建立带时间窗的机器人物流运输调度问题的数学模型；所述数学模型表达式为：s.t.s.t.s.t.s.t.s.t.s.t.start
j
≤arive
j
≤end
j (8)(8)其中，D表示运输成本；C1表示单台机器人成本；VN表示使用的机器人数量；K为配送中心拥有的机器人集合；N为需要配送服务的m个顾客点的集合，N＝{1,2,...,m}；V＝{0}∪N，0表示配送中心；V
k
表示机器人k访问顾客的集合；i、j表示顾客编号；是一个决策变量，表示机器人k服务顾客i以后是否服务顾客j；当机器人k服务完顾客i后直接服务顾客j时，否则，否则，表示顾客i是否被机器人k服务；当顾客i由机器人k服务时，否则，Q表示机器人装载能力约束；q
i
表示顾客i的需求量，且q0＝0；C
ij
表示从顾客i与顾客j之间的距离；arive
j
表示机器人到达顾客j的时间；start
j
表示顾客j允许的最早开始服务时间；end
j
表示顾客j允许的最迟开始服务时间；时间窗约束要求配送机器人必须在时间范围[start
j
,end
j
]内到达顾客j；容量约束要求配送机器人必须满足顾客j的货物需求量；S2、初始化参数，令迭代次数t＝1，加载配送中心、顾客及配送机器人的具体数据，将所有蚂蚁的出发点设置为配送中心节点0；S3、第k只蚂蚁从配送中心节点0出发；其中，k＝1,2,
…
,n；n表示蚂蚁总数量；S4、由第k只蚂蚁构建一条完整路径，具体为：S4
‑
1、计算转移控制因子；S4
‑
2、计算蚂蚁k访问的下一个节点：对于第k只蚂蚁，按式(11)计算下一个访问的节点j，其中，k＝1,2...,n：
其中，j点是满足容量及时间窗约束且是未被蚂蚁k访问过的节点；τ
ij
表示节点i到节点j路径上的信息素浓度；η
ij
＝1/C
ij
为启发函数，表示蚂蚁从节点i转移到节点j的期望程度；wait
j
＝max{(start
j
‑
arive
j
)，h}表示节点j或机器人的等待时间；当start
j
＞arive
j
时，wait
j
表示机器人需等待的时间；当start
j
＜arive
j
时，表示节点j需等待的时间；当start
j
＝arive
j
时，h为一较小的正数，否则h＝0；width
j
＝end
j
‑
start
j
表示节点j的时间窗宽度；表示蚂蚁k从节点i出发后可以访问的节点集合，该节点集合同时满足载重量和时间窗约束；α、β、γ、δ分别表示信息素重要程度因子、能见度重要程度因子、时间窗宽度重要程度因子和等待时间重要程度因子；为选择概率，表示蚂蚁k从节点i移动到节点j的概率；S4
‑
3、判断第k只蚂蚁是否遍历完所有节点：若完成转步骤S4
‑
4；否则返回执行步骤S4
‑
2；S4
‑
4、计算局部信息素增量、执行信息素扩散策略和更新局部信息素，进一步包括：S4
‑4‑
1、计算局部信息素增量当第k只蚂蚁完成当前迭代时，对蚂蚁k经过的路径释放信息素，对节点i＝1,2,...,m；j＝1,2,...,m,i≠j，则按式(12)更新蚂蚁所经过路径的信息素增量：其中，L
k
为此次迭代中第k只蚂蚁所走路径总长度；Q1为一预设正常数；S4
‑4‑
2、执行信息素扩散策略；S4
‑4‑
3、更新局部信息素，对节点i＝1,2,...,m；j＝1,2,...,m,i≠j，按式(13)更新计算节点i、j之间的局部信息素浓度i、j之间的局部信息素浓度其中，ρ
L
表示局部信息素挥发因子，0＜ρ
L
＜1；S4
‑
5、判断当代所有蚂蚁是否执行完搜索过程：若是则执行步骤S5；否则返回执行步骤S3；S5、优化全局配送路径，具体步骤包括：S5
‑
1、将当代蚂蚁搜索到的最优配送路径与当前全局最优配送路径比较，选取目标函数值更小的作为当前全局最优配送路径；S5
‑
2、采用2
‑
opt方法优化当前全局最优配送路径，对当前全局最优配送路径重复n1次下述操作：随机选取路径中不相连的两个节点，将两个节点之间的路径翻转过来获得新路径，若翻转后得到的路径优于当前全局最优配送路径，则更新当前全局最优配送路径；
S5
‑
3、采用交换策略优化全局最优配送路径，对当前全局最优配送路径重复n2次下述操作：随机选取路径中的两个节点，将两个节点交换位置，若交换后的路径优于当前全局最优配送路径，则更新当前全局最优配送路径；S6、优化局部配送路径，具体步骤包括：S6
‑
1、解码，将当前全局最优配送路径解码得到从配送中心0出发的多条局部配送路径，具体操作为：将当前全局最优配送路径的第1个节点添加到第1条局部配送路径中，检查这条路径是否满足载重量约束和时间窗约束，检查完若发现满足约束，则把当前全局最优配送路径的第2个节点添加到第1条局部配送路径中；重复上述操作，直至发现不满足约束条件，则认为局部配送路径1解码完毕；同理，继续依次对当前全局最优配送路径的剩余节点进行解码，得到剩余局部配送路径；S6
‑
2、采用2
‑
opt方法优化每条局部配送路径，对每条局部配送路径重复n3次下述操作：随机选取路径中不...

【专利技术属性】
技术研发人员：蔡延光，黄嘉铖，蔡颢，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：