本发明专利技术涉及基于遗传算法的AGV运输车在船上选址‑路径优化方法，属于邮轮建造物流管理技术领域。解决在邮轮船等的狭小复杂的环境时，其车辆调度难度依然很大的问题。包括以下步骤：构建模型包括变量、目标函数、约束条件，遗传算法包括编码解码、种群初始化、适应度函数计算、选择算子、交叉运算、变异运算、算法终止条件。本发明专利技术克服了狭小、复杂环境，大大减小无人运输车调度的难度。
【技术实现步骤摘要】
本专利技术涉及基于遗传算法的agv运输车选址-路径方法，属于邮轮建造物流管理。
技术介绍
1、由于邮轮建造物流管理具有高难度、高精度要求的特性，现有的国内船舶物流集配水平无法满足一些邮轮的建造需求，三菱重工邮轮建造的亏损案例也从反面对此进行了佐证。国内造船企业以建造工期和建造经验为基础，推出中小日程生产计划，根据项目管理的理论制定船上作业计划。船上作业既受其他建造场地和预舾装效率等主观因素的影响，也受天气和船东要求等客观条件的影响，制定作业计划时还需考虑资源约束，包括仓储资源、物料资源、时间资源与空间资源，因此作业计划很难做到准确高效，需要根据实际需求不断修改。目前，邮轮船上内装物资配送路径的规划主要由司机自主完成，对于司机来说，会在收到物流调度系统为其分配的多个配货单，在配送多个配货单时，路线会直接影响配货单的配送效率以及准时性，在此过程中经常存在配送顺序不合理、未充分利用车辆容量、装卸货现场拥堵以及配货超时等问题，因而导致实际运送过程中的能耗过高、人工成本增加。还可采用agv任务调度方案，例如：公开号为cn114707707a，专利技术创造名称为一种基于改进的遗传算法对agv任务调度的方法及系统，其技术方案中通过改进的遗传算法，以最短路径为调度目标设计调度函数，根据锦标赛策略选择个体，然后进行复制，交叉和变异来获得子代种群，能够对传统的遗传算法进行优化，达到快速求解智能仓储中agv的任务分配问题，完成调度方案，具有一定的先进性和可行性。但其仅关注了车辆的配送，面对邮轮船等的狭小复杂的环境时，其车辆调度难度依然很大。
<
p>2、因此，亟需提出基于遗传算法的agv运输车在船上选址-路径优化方法，以解决上述技术问题。
技术实现思路
1、本专利技术的目的是为了解决在邮轮船等的狭小复杂的环境时，其车辆调度难度依然很大的问题，提供基于遗传算法的agv运输车在船上选址-路径优化方法，在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。
2、本专利技术的技术方案：
3、基于遗传算法的agv运输车在船上选址-路径优化方法，包括以下步骤：
4、步骤一：构建模型，包括以下步骤：
5、步骤1.1：变量；
6、步骤1.2：目标函数；
7、步骤1.3：约束条件。
8、步骤二：遗传算法包括以下步骤：
9、步骤2.1：编码解码，采用自然数编码方式；
10、步骤2.2：种群初始化，初始种群的大小区间选择，初始化种群采用随机化方式；
11、步骤2.3：适应度函数计算，适应度函数用来判断染色体的优劣，适应度越强，染色体的功能越好；
12、步骤2.4：选择算子，采用改进的轮盘赌的方法执行选择操作；
13、步骤2.5：交叉运算，通过自适应方法计算交叉概率；
14、步骤2.6：变异运算，采用自适应方法确定变异概率；
15、步骤2.7：算法终止条件，遗传算法来求解目标。
16、优选的：步骤1.1中，
17、
18、
19、步骤1.2中，式(4-1)为目标函数，表示车辆配送物资的总运输距离；
20、
21、步骤1.3中，式(4-2)表示最大载重量；
22、
23、式(4-3)表示物资到达选址点必须在时间窗[ei,li]以内；
24、ei≤ui≤li,i＝1,2,...,n (4-3)
25、式(4-4)表示每一个选址点只能有一个agv无人运输车装卸；
26、
27、式(4-5)、(4-6)表示每个选址点只被一辆车配送；
28、
29、
30、式(4-7)表示agv无人运输车k的运输路线是通路；
31、
32、式(4-8)表示agv无人运输车数量最大为k辆；
33、
34、参数：①k代表车辆总数；②n代表选址点总数；③cij代表选址点i，j之间的距离；④di代表选址点可容纳量；⑤q代表每辆agv无人运输车最大载重容量；⑥[ei,li]代表每个选址点物资拣选的时间窗，ei表示车辆最早可到达选址点i的时间，li表示最迟可到达时间；⑦ri代表在选址点i装卸物资总时间，tij代表agv无人运输车从选址点i到j的时间，agv无人运输车到达选址点i的时间为ui，到达选址点j的时间为uj＝ui+ri+tij。
35、优选的：步骤2.1中，采用自然数编码方式；
36、步骤2.2中，初始种群的大小区间选择，初始化种群采用随机化方式；
37、步骤2.3中，适应度函数用来判断染色体的优劣，适应度越强，染色体的功能越好；
38、步骤2.4中，采用改进的轮盘赌的方法执行选择操作；
39、步骤2.5中，通过自适应方法计算交叉概率；
40、步骤2.6中，采用自适应方法确定变异概率；
41、步骤2.7中，遗传算法来求解目标。
42、优选的：步骤2.1中，假设需要配送的选址点有n个，agv无人运输车有k台，0代表集配中心，可以将染色体定义为(0,i11,i12,i13,...,i1a,0,i21,i22,i23,...,i2b,...,ik1,ik2,...,ikc,0)，其中每段表示一辆agv无人运输车的路径，(0,i11,i12,i13,...,i1a,0)代表第一辆agv无人运输车的配送路线；首先将最优解的染色体编码从第一个选址点开始计算，当该线路上的选址点所需物资总重量大于一辆agv无人运输车的最大载重量，设置新的线路，直到所有的选址点布置完成。
43、优选的：步骤2.2中，通常初始种群的大小在30～500个之间选择。
44、优选的：步骤2.3中，适应度函数表达式如下所示：
45、
46、其中，zi代表该问题的目标函数值，即染色体i的物资配送车辆路径的总距离。
47、优选的：步骤2.4中，包括以下步骤：
48、步骤2.4.1：首先按照适应度值大小顺序排列后代种群为z1＝{a1,a2,...,ai,am...}，其中f(ai-1)＞f(ai)＞f(ai+1)，其中z是父代种群，m是种群大小，fi是每个个体的适应值；
49、步骤2.4.2：计算第i个选址点被选出进入交叉阶段的概率为：
50、
51、其中，表示所有染色体的适应度值的总和；
52、计算各染色体的累计被选中概率：
53、
54、步骤2.4.3：轮盘赌，包括以下步骤：
55、a.产生m个随机数r，r∈[0,1]；如果r≤q1，选择染色体a1；否则选择染色体ai(本文档来自技高网
...
【技术保护点】
1.基于遗传算法的AGV运输车在船上选址-路径优化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于遗传算法的AGV运输车在船上选址-路径优化方法，其特征在于：步骤1.1中，
3.根据权利要求1或2所述的基于遗传算法的AGV运输车在船上选址-路径优化方法，其特征在于：步骤2.1中，采用自然数编码方式；
4.根据权利要求3所述的基于遗传算法的AGV运输车在船上选址-路径优化方法，其特征在于：步骤2.1中，假设需要配送的选址点有n个，AGV无人运输车有k台，0代表集配中心，可以将染色体定义为(0,i11,i12,i13,...,i1a,0,i21,i22,i23,...,i2b,...,ik1,ik2,...,ikc,0)，其中每段表示一辆AGV无人运输车的路径，(0,i11,i12,i13,...,i1a,0)代表第一辆AGV无人运输车的配送路线；首先将最优解的染色体编码从第一个选址点开始计算，当该线路上的选址点所需物资总重量大于一辆AGV无人运输车的最大载重量，设置新的线路，直到所有的选址点布置完成。
5.根据权利要求4所述的基于遗传算法的AGV运输车在船上选址-路径优化方法，其特征在于：步骤2.2中，通常初始种群的大小在30～500个之间选择。
6.根据权利要求5所述的基于遗传算法的AGV运输车在船上选址-路径优化方法，其特征在于：步骤2.3中，适应度函数表达式如下所示：
7.根据权利要求6所述的基于遗传算法的AGV运输车在船上选址-路径优化方法，其特征在于：步骤2.4中，包括以下步骤：
8.根据权利要求7所述的基于遗传算法的AGV运输车在船上选址-路径优化方法，其特征在于：步骤2.5中，交叉概率公式为：
9.根据权利要求8所述的基于遗传算法的AGV运输车在船上选址-路径优化方法，其特征在于：步骤2.6中，变异概率Pm公式如下：
10.根据权利要求9所述的基于遗传算法的AGV运输车在船上选址-路径优化方法，其特征在于：步骤2.7中，在遗传算法来求解目标问题时，提前设定进化代数N，当进化代数达到N时，停止遗传算法的运算，选择最优秀的染色体作为最优解并输出结果。
...
【技术特征摘要】
1.基于遗传算法的agv运输车在船上选址-路径优化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于遗传算法的agv运输车在船上选址-路径优化方法，其特征在于：步骤1.1中，
3.根据权利要求1或2所述的基于遗传算法的agv运输车在船上选址-路径优化方法，其特征在于：步骤2.1中，采用自然数编码方式；
4.根据权利要求3所述的基于遗传算法的agv运输车在船上选址-路径优化方法，其特征在于：步骤2.1中，假设需要配送的选址点有n个，agv无人运输车有k台，0代表集配中心，可以将染色体定义为(0,i11,i12,i13,...,i1a,0,i21,i22,i23,...,i2b,...,ik1,ik2,...,ikc,0)，其中每段表示一辆agv无人运输车的路径，(0,i11,i12,i13,...,i1a,0)代表第一辆agv无人运输车的配送路线；首先将最优解的染色体编码从第一个选址点开始计算，当该线路上的选址点所需物资总重量大于一辆agv无人运输车的最大载重量，设置新的线路，直到所有的选址点布置...
【专利技术属性】
技术研发人员：李敬花，何铭，周磊，
申请(专利权)人：哈尔滨工程大学，
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。