【技术实现步骤摘要】
一种基于杂交育种策略的多负载AGV路径规划方法
[0001]本专利技术涉及智慧工厂中AGV路径规划
,更具体地,涉及一种基于杂交育种策略的多负载AGV路径规划方法。
技术介绍
[0002]随着数字化工厂、工业物联网、人工智能等先进技术得到了迅速发展,对生产方式和物流运输方式也提出了更高的要求。自动导引小车(AGV)是自动化物流设备中的重要组成部分,具有运输成本低、运输效率高、运输准确率高、便于标准化管理等等优势,在降低企业成本、提高生产运输效率等方面发挥了不可替代的作用。
[0003]AGV的研发涉及多个领域,例如计算机、自动控制、电子技术、信息通讯和机械设计等,这是集成光、机电和计算机技术的高新技术。为了保证AGV能够安全可靠的运行,必须先解决AGV路径规划的问题,该问题是指通过已知环境信息和实时传感器获取的数据,生成一条安全的移动路径。蚁群优化算法(ACO)是模拟蚁群觅食行为而提出的一种群集智能优化算法,在离散组合优化问题中得到了广泛的应用,主要是将求解的组合优化问题转换为蚂蚁搜索路径的寻优问题。多负载AGV路径规划是典型的组合优化问题,蚁群优化算法在处理此类问题时具有很好的适用性。
[0004]相较于传统的优化算法,蚁群优化算法具有鲁棒性强、搜索效率高和正反馈机制等优点,在旅行商问题、智能交通、网络优化等领域都有成功的应用。然而,蚁群优化算法也存在一些不足,如蚁群优化算法时间复杂度较高,易陷入局部最优解;同时,随着算法迭代次数的增加,蚁群优化算法无法保持种群多样性和局部搜索能力之间的平衡。 ...
【技术保护点】
【技术特征摘要】
1.一种基于杂交育种策略的多负载AGV路径规划方法,其特征在于,包括以下步骤:步骤1:初始化AGV的环境地图,获取目的地址信息作为原始输入集;步骤2:初始化种群和算法所需初始化参数;步骤3:划分种群,将种群分为Elitist Ant System(EAS)、Ant Colony System(ACS)和Max
‑
Min Ant System(MMAS)三种种子群;步骤4:不同种子群各自进化,完成路径访问;步骤5:计算各种子群的种群相似度,并判断是否需要进行种群间通讯,若需要进行种群间通讯,则执行种群间通讯;步骤6:完成信息素更新;步骤7:判断是否满足终止条件,其中,终止条件设置为达到最大迭代次数,若否,则返回执行步骤4;若是,则输出全局最优路径。2.根据权利要求1所述的基于杂交育种策略的多负载AGV路径规划方法,其特征在于,所述初始化参数包括信息素因子α、启发式因子β、信息素衰减系数ρ、信息素质量系数Q、最大迭代次数Nc
max
、种群数量m。3.根据权利要求1所述的基于杂交育种策略的多负载AGV路径规划方法,其特征在于,所述步骤4具体包括:当子种群为EAS时,种群完成路径访问时,最优路径表示为T
bs
,其长度为L
bs
,路径(i,j)上遗留的信息素浓度为τ
ij
,经过信息素的计算如公式(1)和公式(2):,经过信息素的计算如公式(1)和公式(2):,经过信息素的计算如公式(1)和公式(2):,经过信息素的计算如公式(1)和公式(2):其中,表示在时刻t经过T个时刻的路径访问后,由精英蚂蚁引起的路径(i,j)上的信息素的增加,σ表示精英蚂蚁的数量,Q表示蚂蚁完成一次循环所释放的信息素总量,L
k
表示蚂蚁k在本次循环中走过的路径长度,表示在时刻t经过T个时刻的路径访问后,精英蚂蚁k在路径(i,j)上的信息素的增加,L
k
表示精英蚂蚁k在本次路径访问中的路径长度。4.根据权利要求1所述的基于杂交育种策略的多负载AGV路径规划方法,其特征在于,所述步骤4具体包括:当子种群为ACS时,种群完成路径访问时,蚂蚁个体选择下一任务点时遵循的伪随机比例规则如公式(5):
其中,s
k
为蚂蚁k选择的下一个转移城市,q是一个区间范围在[0,1]的随机数,q0为初始时设定的阈值,η
ij
为路径(i,j)的能见度,即启发函数,反映了由城市i转移到城市j的启发程度,τ
ij
为蚂蚁k在本次迭代中留在路径(i,j)的信息素量。5.根据权利要求4所述的基于杂交育种策略的多负载AGV路径规划方法,其特征在于,所述步骤4具体包括:蚂蚁在选择下一个城市之前,首先进行一次随机实验得到随机数q,若q≤q0,则在所有可行的城市中找出最大的城市,即为下一个要选择的城市,反之则按照公式(6)选择下一个城市,为蚂蚁k在城市i选择城市j作为下一步转移城市的转移概率;其中,为蚂蚁k在城市i选择城市j作为下一步转移...
【专利技术属性】
技术研发人员:叶志伟,张霄雨,李小敏,靳华中,刘春,蔡政洋,詹必豪,王文静,何新龙,
申请(专利权)人:湖北工业大学,
类型:发明
国别省市:
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。