【技术实现步骤摘要】
本申请属于智能仓库，尤其涉及一种多机器人任务调度方法、装置、电子设备及存储介质。
技术介绍
1、多机器人的任务调度是指将一系列任务分配给多机器人的过程，通常需要考虑到完成任务的成本和所需的时间。采用合适的任务调度方案，能有效地缩短完成任务的时间，以此提高生产效率。
2、关于多机器人系统的任务调度研究大都以当前任务的效率最高为目标，而忽略系统整体的效率，导致目前机器人调度系统的整体效率偏低。任务调度中运用的遗传算法在解决调度问题时，虽然具有优秀的全局搜索能力，强鲁棒性，设计简单等特点，但是传统遗传算法采用固定的交叉与变异概率，当交叉与变异概率较小时，会导致种群的进化速度较低，增加迭代次数，降低算法的收敛速度，影响任务调度的实时性；当交叉与变异概率较大时，会导致种群的进化速度过快，容易错过最优解，一些优势个体的基因会在种群中迅速扩散，种群多样性丧失，容易出现陷入局部最优解的情况，导致得到的调度方案不是最优调度方案，达不到优化的目的。
3、因此，如何优化遗传算法，有效解决遗传算法陷入局部最优解的问题，从而提高调度系统的整体效率成为了亟需解决的问题。
技术实现思路
1、本申请提供一种多机器人任务调度方法、装置、电子设备及存储介质，有效解决遗传算法陷入局部最优解的问题，提高了调度系统的整体效率。
2、第一方面，本申请实施例提供了一种多机器人任务调度方法，所述方法包括：获取智能仓储发货流程；基于所述智能仓储发货流程，确定智能仓储任务调度模型；基于所述智能仓储
3、在一种可能的实现方式中，所述基于所述智能仓储任务调度模型、遗传算法、全交叉全变异策略以及瑞士轮选择策略，确定调度结果，包括：基于所述智能仓储任务调度模型，确定所述遗传算法的初始种群；计算所述初始种群中任一个体的适应度；基于所述全交叉全变异策略对所述初始种群进行交叉变异，得到交叉变异后的种群；基于所述初始种群中任一个体的适应度和所述瑞士轮选择策略对所述交叉变异后的种群进行选择，得到目标种群；当所述遗传算法满足预设终止条件时，基于所述目标种群确定所述调度结果。
4、在一种可能的实现方式中，所述遗传算法的初始种群包括机器人编码和任务编码，所述机器人编码用于表征多个机器人编号，所述任务编码用于表征多个任务编号，所述基于所述全交叉全变异策略对所述初始种群进行交叉变异，得到交叉变异后的种群，包括：保持所述任务编码不变，从所述机器人编码中随机选择两个端点机器人编号进行交叉，以及保持所述任务编码不变，从所述机器人编码中选取任意一个机器人编号进行单点变异，确定所述交叉变异后的种群。
5、在一种可能的实现方式中，所述预设终止条件包括所述遗传算法的最大迭代次数，所述当所述遗传算法满足预设终止条件时，基于所述目标种群确定所述调度结果，包括：当所述遗传算法的迭代次数为所述最大迭代次数时，基于所述目标种群确定所述调度结果。
6、在一种可能的实现方式中，所述基于智能仓储发货流程，确定智能仓储任务调度模型，包括：基于所述智能仓储发货流程，使用栅格法建立智能仓储系统栅格模型，所述智能仓储系统栅格模型包括机器人、包装工作台、分流工作台以及货架；基于所述智能仓储系统栅格模型、预设约束条件以及预设优化目标，确定所述智能仓储任务调度模型，所述预设约束条件包括工作台约束、时间约束以及任务约束，所述预设优化目标包括使所有机器人完成所有任务的时间最短。
7、在一种可能的实现方式中，所述多机器人调度任务包括包装和分流，所述工作台约束包括包装和分流分别由所述包装工作台和所述分流工作台完成，且各工作台在同一时刻只进行一件货物的包装或分流工作；所述时间约束包括针对同一货物先进行包装，再进行分流；所述任务约束包括所述所有机器人需完成该机器人对应的任务。
8、在一种可能的实现方式中，所述调度结果包括所述任务编码的执行顺序和所述任务编码与所述机器人编码的映射关系，所述基于所述调度结果，所述多机器人执行调度任务，包括：基于所述任务编码的执行顺序和所述任务编码与所述机器人编码的映射关系，所述多个机器人执行调度任务。
9、第二方面，本申请实施例提供了一种多机器人任务调度装置，所述装置包括：获取模块，用于获取智能仓储发货流程；确定模块，用于基于所述智能仓储发货流程，确定智能仓储任务调度模型；所述确定模块，还用于基于所述智能仓储任务调度模型、遗传算法、全交叉全变异策略以及瑞士轮选择策略，确定调度结果；执行模块，用于基于所述调度结果，所述多机器人执行调度任务。
10、第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面或其中任意一种实现方式所述的方法。
11、第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或其中任意一种实现方式所述的方法。
12、第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面或其中任意一种实现方式所述的方法。
13、本申请实施例与现有技术相比存在的有益效果是：获取智能仓储发货流程；基于所述智能仓储发货流程，确定智能仓储任务调度模型；基于所述智能仓储任务调度模型、遗传算法、全交叉全变异策略以及瑞士轮选择策略，确定调度结果；基于所述调度结果，所述多机器人执行调度任务。相比于现有技术中，用遗传算法在解决调度问题时，采用固定的交叉与变异概率，当交叉与变异概率较小时会导致种群的进化速度较低，增加迭代次数，降低算法的收敛速度，影响任务调度的实时性；当交叉与变异概率较大时会导致种群的进化速度过快，容易错过最优解，一些优势个体的基因会在种群中迅速扩散，种群多样性丧失，容易出现陷入局部最优解的情况，导致得到的调度方案不是最优调度方案，达不到优化的目的问题，本申请则首先研究智能仓储系统实际发货场景，分析约束条件以及目标函数，建立智能仓储系统任务调度模型。对遗传算法进行改进，通过全交叉全变异扩大种群的搜索范围，然后提出带有爆冷概率的瑞士轮选择方式，在保证优质个体顺利遗传的情况下，同时将部分中、差个体遗传至下一代，提高种群的多样性，有效解决遗传算法极易陷入局部最优解的问题。通过改进遗传算法进行求解，输出最优调度结果，从而实现多机器人的任务分配调度，有效提高了调度系统的整体效率。
本文档来自技高网...【技术保护点】
1.一种多机器人任务调度方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述智能仓储任务调度模型、遗传算法、全交叉全变异策略以及瑞士轮选择策略，确定调度结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述遗传算法的初始种群包括机器人编码和任务编码，所述机器人编码用于表征多个机器人编号，所述任务编码用于表征多个任务编号，所述基于所述全交叉全变异策略对所述初始种群进行交叉变异，得到交叉变异后的种群，包括：
4.根据权利要求2所述的方法，其特征在于，所述预设终止条件包括所述遗传算法的最大迭代次数，所述当所述遗传算法满足预设终止条件时，基于所述目标种群确定所述调度结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于智能仓储发货流程，确定智能仓储任务调度模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述多机器人调度任务包括包装和分流，所述工作台约束包括包装和分流分别由所述包装工作台和所述分流工作台完成，且各工作台在同一时刻只进行一件货物的包装或分流工作；
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。