System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及自动驾驶领域,具体涉及一种基于融合算法的多任务agv的协同调度方法。
技术介绍
1、目前的使用agv多是一次运输一个包裹,无疑是没有充分利用agv的负载能力,大量时间花费在来往取件的过程中,为此,众多的领域内学者一直在致力于推出不同的解决该问题的优化方法。
2、鲸鱼优化算法是近年来新提出的一种基于群的优化算法,它的灵感来源于座头鲸独特的气泡网捕食方法。由于结构简单易于实现,所需参数少,收敛能力强等特点,woa(whale optimization algorithm,鲸鱼优化算法)在众多的学科领域中得到了广泛的应用。同时,根据一些文献报道,它也被视为解决复杂优化问题的有效候选方案。然而,现有的一些woa的变体在解决tsp(traveling salesman problem)问题时,依然难以避免早熟收敛、收敛精度不足的问题,当问题类型较为复杂时,这些算法局部最优规避能力较弱以至于在大量的迭代过程中,算法几乎停滞。
3、蜜獾算法是于2021年提出的一种新型智能优化算法,该算法主要通过模拟蜜獾智能觅食行为来进行寻优,具有寻优能力强,收敛速度快等特点。
4、因此,如何利用这些算法,来解决agv多任务的问题,是目前业界所期待的。
技术实现思路
1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览,并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以
2、本专利技术的目的在于解决上述问题,提供了一种基于融合算法的多任务agv的协同调度方法,能够让agv一次运输多个包裹,从而减少agv来回取件的次数,更符合实际情况,提高了货物运送的效率。
3、本专利技术的技术方案为:本专利技术揭示了一种基于融合算法的多任务agv的协同调度方法,方法包括:
4、步骤1:构建无人仓库的栅格地图;
5、步骤2:对包裹进行特征分析后再分组;
6、步骤3:用融合算法对包裹和agv进行协同调度和路径规划;
7、步骤4:agv按照规划好的路径执行任务。
8、根据本专利技术的基于融合算法的多任务agv的协同调度方法的一实施例,步骤2进一步包括:
9、先判断包裹是否为易碎品,若是易碎品,则易碎品包裹每个独立作为一个包裹组;若是非易碎品,则将非易碎品包裹分成箱装包裹和袋装包裹,再分别对箱装包裹和袋装包裹按体积大小进行分类,对大件和小件分别进行分组,先将每个包裹单独作为一组,然后依次选择包裹组进行合并,直至不存在合并后满足装载能力约束的包裹组为止;其中,在选择包裹组进行合并时,优先选择包裹组间聚集度最高的两个包裹组进行合并,若存在多对包裹组间聚集度均为最高,则在取得最高聚集度的组合中选择合并后装载度最高的两个包裹组进行合并。
10、根据本专利技术的基于融合算法的多任务agv的协同调度方法的一实施例,步骤3包括三个阶段:
11、第一阶段,用改进鲸鱼算法规划出包裹组内部之间的最佳运输顺序;
12、第二阶段,根据各个包裹组的平均坐标和包裹组内部的最短行驶距离,用改进蜜獾算法规划agv的调度顺序;
13、第三阶段,用改进a*算法按最佳运输顺序规划包裹间的运输路径。
14、根据本专利技术的基于融合算法的多任务agv的协同调度方法的一实施例,在步骤3的第一阶段中,数据准备工作包括:
15、根据包裹在栅格地图上的坐标,为每个包裹组内部的包裹间的距离进行建模,得到每个包裹组对应的包裹集合,计算每一个包裹组中任意两个包裹之间的距离,再遍历不同包裹之间的距离作为储备值,以确定封闭的通行回路的总模型,以使搜索出的路线形成闭环。
16、根据本专利技术的基于融合算法的多任务agv的协同调度方法的一实施例,步骤3的第一阶段进一步包括:
17、初始化鲸鱼算法的参数,其中在初始化座头鲸群时采用sinusoidal混沌映射初始化座头鲸群;
18、进行更新搜索,利用更新策略对每一个个体的位置进行更新并计算适应度,然后更新前的个体适应度进行比较,如果更新后的个体适应度更好,则更新鲸鱼位置,否则鲸鱼位置不变;
19、利用差分进化算法对种群个体进行差分变异,提高种群的个体多样性,使算法能跳出局部最优解,快速收敛到全局最优。
20、根据本专利技术的基于融合算法的多任务agv的协同调度方法的一实施例,步骤3的第二阶段进一步包括:
21、对agv进行任务分配;
22、构建agv调度模型,以最小总行驶距离为目标;
23、使用蜜獾算法计算agv的调度顺序,将每个包裹组作为独立的个体,先初始化种群;
24、再更新种群中每个个体的气味强度;
25、生成一随机数,基于随机数的值对种群进行挖掘搜索和采蜜搜索;
26、比较更新后的个体和当前最优个体,对最优解进行更新操作,不断循环操作,在达到最大迭代次数后,输出最优调度方案。
27、根据本专利技术的基于融合算法的多任务agv的协同调度方法的一实施例,步骤3的第三阶段进一步包括:
28、根据agv当前节点和下个目标节点的横纵坐标的差值来判断搜索方向,并且对转弯节点进行记录,每次只需搜索一个方向的节点,并且在执行运输任务时横坐标值优先比较;去分拣台取任务时纵坐标值优先比较。
29、本专利技术对比现有技术有如下的有益效果:本专利技术通过融合多种算法,对agv进行事先的全局静态路径规划,通过将agv的调度和路径规划分割开来,极大的较少了算法的运算量,提高了算法的运算效率,其中第三阶段所采用的改进a*算法通过采用只朝目标节点方向搜索的方式进行节点搜索,有效提高了路径规划的速度和效率。本专利技术的融合算法能够有效地解决包裹组内部的调度问题,同时将包裹调度和路径规划独立计算,极大地减小了计算的难度。同时本专利技术改变了以往一个agv一次运输一个包裹的模式,改为一个agv一次运输多个包裹的运输模式,充分发挥了agv的运输能力,还减少了agv来回取件的次数,提高了agv运输效率。
本文档来自技高网...【技术保护点】
1.一种基于融合算法的多任务AGV的协同调度方法,其特征在于,方法包括:
2.根据权利要求1所述的基于融合算法的多任务AGV的协同调度方法,其特征在于,步骤2进一步包括:
3.根据权利要求1所述的基于融合算法的多任务AGV的协同调度方法,其特征在于,步骤3包括三个阶段:
4.根据权利要求1所述的基于融合算法的多任务AGV的协同调度方法,其特征在于,在步骤3的第一阶段中,数据准备工作包括:
5.根据权利要求4所述的基于融合算法的多任务AGV的协同调度方法,其特征在于,步骤3的第一阶段进一步包括:
6.根据权利要求5所述的基于融合算法的多任务AGV的协同调度方法,其特征在于,步骤3的第二阶段进一步包括:
7.根据权利要求6所述的基于融合算法的多任务AGV的协同调度方法,其特征在于,步骤3的第三阶段进一步包括:
【技术特征摘要】
1.一种基于融合算法的多任务agv的协同调度方法,其特征在于,方法包括:
2.根据权利要求1所述的基于融合算法的多任务agv的协同调度方法,其特征在于,步骤2进一步包括:
3.根据权利要求1所述的基于融合算法的多任务agv的协同调度方法,其特征在于,步骤3包括三个阶段:
4.根据权利要求1所述的基于融合算法的多任务agv的协同调度方法,其特征在于,在步骤3...
【专利技术属性】
技术研发人员:洪一玮,易超,南江龙,黄振东,张海霞,王金玉,
申请(专利权)人:圆通速递有限公司,
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。