[发明专利]一种基于粒子群算法的AGV调度路径规划方法及系统

权利要求书

1.一种基于粒子群算法的AGV调度路径规划方法，其特征在于，包括：

步骤1、根据货物取放位置的布局，建立AGV的工作环境模型；

步骤2、基于所述工作环境模型，应用粒子群算法得到AGV的调度路径规划结果，使AGV按照所述调度路径规划结果完成给定的货物取放任务所花费的时间最短，其中，在求解种群粒子及其速度中采用整数编码，粒子位置编码采取矩阵方式，所述矩阵的三个行分别为对应各个货次的AGV编号、取位置编号和放位置编号；

所述步骤2具体包括：

步骤2.1、基于所述工作环境模型，对粒子群进行随机初始化处理，得到粒子群中每个粒子初始的位置和速度；

步骤2.2、根据适应度函数，计算每代粒子群中每个粒子的适应度值；

步骤2.3、将所有粒子的适应度值中最小的值作为每代粒子群的局部最优解；

步骤2.4、将所述每代粒子群的局部最优解与全局最优解进行比较，将较小值作为全局最优解；

步骤2.5、根据速度、位置更新公式，更新粒子的速度和位置；

步骤2.6、判断更新次数是否超过最大次数，若是则输出调度路径规划结果，否则执行步骤2.2；

所述适应度函数为与粒子相对应的AGV完成各自的货物取放任务所行走的路径长度中的最大值。

2.根据权利要求1所述的方法，其特征在于，所述速度更新公式为：

v_j(t+1)＝v_j(t)+c1*rand()*(p_best-x_j(t))+c2*rand()*(g_best-x_j(t))

其中，v_j(t+1)为第j个粒子在t+1时刻的速度，v_j(t)为第j个粒子在t时刻的速度，rand()为随机数，p_best为第j个粒子在t时刻的局部最优解，g_best为当前的全局最优解，x_j(t)为第j个粒子在t时刻的位置，c1、c2均为学习因子。

3.根据权利要求1所述的方法，其特征在于，所述位置更新公式为：

x_j(t+1)＝x_j(t)+v_j(t+1)

其中，v_j(t+1)为第j个粒子在t+1时刻的速度，x_j(t)为第j个粒子在t时刻的位置，x_j(t+1)为第j个粒子在t+1时刻的位置。

4.一种基于粒子群算法的AGV调度路径规划系统，其特征在于，包括：

建立模块，用于根据货物取放位置的布局，建立AGV的工作环境模型；

计算模块，用于基于所述工作环境模型，应用粒子群算法得到AGV的调度路径规划结果，使AGV按照所述调度路径规划结果完成给定的货物取放任务所花费的时间最短；

其中，在求解种群粒子及其速度中采用整数编码，粒子位置编码采取矩阵方式，所述矩阵的三个行分别为对应各个货次的AGV编号、取位置编号和放位置编号；

所述计算模块具体包括：

初始化单元，用于基于所述工作环境模型，对粒子群进行随机初始化处理，得到粒子群中每个粒子初始的位置和速度；

计算单元，用于根据适应度函数，计算每代粒子群中每个粒子的适应度值；

第一比较单元，用于将所有粒子的适应度值中最小的值作为每代粒子群的局部最优解；

第二比较单元，用于将所述每代粒子群的局部最优解与全局最优解进行比较，将较小值作为全局最优解；

更新单元，用于根据速度、位置更新公式，更新粒子的速度和位置；

输出单元，用于在更新次数超过最大次数时，输出调度路径规划结果；

所述适应度函数为与粒子相对应的AGV完成各自的货物取放任务所行走的路径长度中的最大值。