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agv路径规划,尤其涉及一种基于混合粒子群优化算法的agv路径规划方法。
技术介绍
1、agv小车在智能仓储系统中被广泛应用,其路径规划成为系统的关键技术之一。路径规划即在一定障碍物和多种约束条件的环境中,依据多个优化目标,搜索出一条从指定起点到终点的无碰撞路径。近年来,传统的粒子群优化算法容易出现局部优化和收敛速度慢等缺点。
技术实现思路
1、本专利技术提供了一种基于混合粒子群优化算法的agv路径规划方法,随机选择路径粒子,并根据适应度值,扩大种群规模,对所述种群内的个体按照适应度值进行排序,进而得到agv路径的最优解,简化了路径规划过程,收敛速度快。
2、本专利技术提供的技术方案为:
3、基于混合粒子群优化算法的agv路径规划方法,包括:
4、确定agv参与下的物料货位拣选的二维搜索空间,并将所述二维搜索空间划分为多个栅格;
5、将所述栅格中的每个交叉点作为一个粒子,每个粒子代表一个路径节点,获取agv小车的起点和终点,并随机选取粒子生成初始粒子群,并计算初始粒子群中粒子的适应度值;
6、根据所述适应度值,扩大种群规模;
7、通过约束函数,使所述种群规模达到预设值,并对所述种群内的个体按照适应度值进行排序,进而得到agv路径的最优解。
8、优选的是,所述栅格尺度通过所述二维物理空间的长度和宽度确定,并通过设定所述栅格的颜色区分障碍空间。
9、优选的是,所述初始粒子群中粒
10、优选的是,所述初始粒子群中粒子的适应度值计算公式为:
11、f(n)=g(n)+h·h(n);
12、其中,f(n)表示粒子n的适应度值,g(n)表示起点到粒子n的实际距离,h(n)表示粒子n到终点的直线距离,h表示系数。
13、优选的是,根据所述根据所述适应度值,扩大种群规模,包括:
14、在所述初始粒子群中包含的每个路径节点上扩散多个子路径点,形成子粒子种群;
15、并在所述子粒子种群上扩散出分支粒子种群;
16、当所述初始种群,子粒子种群和所述分粒子种群的数量满足预设阈值要求,将所述初始种群、所述子粒子种群和所述分支种群合并为规模种群。
17、优选的是,所述子粒子种群的粒子数量计算公式为:
18、
19、其中,fmax和fmin分别为当前种群中粒子的最大和最小适应度值,f为当前粒子的杂草适应度值,smax和smin表示种群产生的最大子粒子数和最小子粒子数。
20、优选的是,在所述子粒子种群上扩散出分支粒子种群,其扩散步长为:
21、
22、其中,iter为当前进化代数,itermax表示最大进化代数,n表述非线性调和因子,σ0和σf表示标准差的最初值和最终值。
23、优选的是,所述约束函数为目标函数的最优解。
24、本专利技术还提供了一种基于混合粒子群优化算法的agv路径规划装置,包括:
25、分割模块,其用于确定agv参与下的物料货位拣选的二维搜索空间,并将所述二维搜索空间划分为多个栅格;
26、初始模块,将所述栅格中的每个交叉点作为一个粒子,每个粒子代表一个路径节点,获取agv小车的起点和终点,并随机选取粒子生成初始粒子群,并计算初始粒子群中粒子的适应度值;
27、扩散模块,其用于根据所述适应度值,扩大种群规模;
28、分析模块,其用于通过约束函数,使所述种群规模达到预设值,并对所述种群内的个体按照适应度值进行排序,进而得到agv路径的最优解。
29、本专利技术还提供了一种基于混合粒子群优化算法的agv路径规划设备,包括:
30、存储器,用于存储可执行指令和所述基于混合粒子群优化算法的agv路径规划装置中模块运算的数据;
31、处理器,用于与所述存储器连接以执行可执行指令,从而完成如权利要求1-8任一项所述的方法。
32、有益效果
33、本专利技术提供的基于混合粒子群优化算法的agv路径规划方法,随机选择路径粒子,并根据适应度值,扩大种群规模,对所述种群内的个体按照适应度值进行排序,进而得到agv路径的最优解,简化了路径规划过程,收敛速度快。
本文档来自技高网...【技术保护点】
1.基于混合粒子群优化算法的AGV路径规划方法,其特征在于,包括:
2.根据权利要求1所述的基于混合粒子群优化算法的AGV路径规划方法,其特征在于,所述栅格尺度通过所述二维物理空间的长度和宽度确定,并通过设定所述栅格的颜色区分障碍空间。
3.根据权利要求1或2所述的基于混合粒子群优化算法的AGV路径规划方法,其特征在于,所述初始粒子群中粒子的适应度值是关于路径的长度、时间或避障系数的函数。
4.根据权利要求1或2所述的基于混合粒子群优化算法的AGV路径规划方法,其特征在于,所述初始粒子群中粒子的适应度值计算公式为:
5.根据权利要求4所述的基于混合粒子群优化算法的AGV路径规划方法,其特征在于,所述根据所述适应度值,扩大种群规模,包括:
6.根据权利要求5所述的基于混合粒子群优化算法的AGV路径规划方法,其特征在于,所述子粒子种群的粒子数量计算公式为:
7.根据权利要求5所述的基于混合粒子群优化算法的AGV路径规划方法,其特征在于,在所述子粒子种群上扩散出分支粒子种群,其扩散步长为:
8.根据权利
9.一种基于混合粒子群优化算法的AGV路径规划装置,其特征在于,包括:
10.一种基于混合粒子群优化算法的AGV路径规划设备,其特征在于,包括:
...【技术特征摘要】
1.基于混合粒子群优化算法的agv路径规划方法,其特征在于,包括:
2.根据权利要求1所述的基于混合粒子群优化算法的agv路径规划方法,其特征在于,所述栅格尺度通过所述二维物理空间的长度和宽度确定,并通过设定所述栅格的颜色区分障碍空间。
3.根据权利要求1或2所述的基于混合粒子群优化算法的agv路径规划方法,其特征在于,所述初始粒子群中粒子的适应度值是关于路径的长度、时间或避障系数的函数。
4.根据权利要求1或2所述的基于混合粒子群优化算法的agv路径规划方法,其特征在于,所述初始粒子群中粒子的适应度值计算公式为:
5.根据权利要求4所述的基于混合粒子群优化算法的agv路径规划...
【专利技术属性】
技术研发人员:艾建,王霄霄,简金领,赵全海,范孟杰,张迪,翟康,范现鑫,谢英杰,王晓月,滕丽丽,乔治局,张雅楠,王志勇,王根旺,孟令辉,肖二凯,
申请(专利权)人:河南中烟工业有限责任公司,
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。