[发明专利]基于蚁群算法和遗传算法的AGV小车协同调度方法及系统

权利要求书

1.一种基于蚁群算法和遗传算法的AGV小车协同调度方法，其特征在于，包括以下步骤：

S1，在二维地图模型上确定每辆AGV小车的起点和终点；

S2，根据蚁群算法选择每辆AGV小车的最优路径；

S3，根据遗传算法寻找所有AGV小车的最优调度顺序，包括：

S31，建立寻优目标函数Mx，寻优目标函数Mx为每辆AGV小车的最优路径所消耗的最少时间，其中建立寻优目标函数Mx的过程包括：

设定第1个小车通过第一个路段的时间；

C(i₁，1)＝P(1，1)

则第1个小车通过第K个路段的时间；

C(i_k，1)＝C(i_k-1，1)+P(k,1)

则第j个小车通过第K个路段的时间；

C(i_k，j)＝max{C(i_k-1，j)，C(i_k，j-1)}+P(k，j)

因此寻优目标函数Mx如下所示：

Mx＝C(i_k，j)＝max{C(i_k-1，j)，C(i_k，j-1)}+P(k，j)

其中k＝1，2，…，m；j＝1，2，…，n；

S32，编码，确定AGV小车优先级，制定AGV小车调度规则，其中，调度规则包括拥堵路段能同时通过的AGV小车数量；

S33，变量初始化，设置子种群的个数、各子种群交叉概率、变异概率、路段并行数、适应度函数F_i、个体被选择概率P_i；

S34，遗传寻优，经过交叉、变异，并在待迭代次数完成，输出最优调度顺序。

2.根据权利要求1所述的基于蚁群算法和遗传算法的AGV小车协同调度方法，其特征在于，所述S2根据蚁群算法选择每辆AGV小车的最优路径，其过程包括：

S21，变量初始化，设置蚂蚁种群个数、迭代次数、最大迭代次数、信息素浓度，并将AGV小车的初始位置设置为蚁群所在位置，AGV小车的终点位置设置为食物所在位置；

S22，根据转移概率公式进行静态路径寻优，确定每辆AGV小车的最优路径，转移概率公式如下所示：

其中，α为信息素的相对重要程度；β为启发式因子的相对重要程度；J_k(i)为蚂蚁k下一步可以走的位置集合；k为蚂蚁编号；t为时刻；η_ij为启发式因子，反映蚂蚁由节点i转向节点j的启发程度；τ_ij代表节点(i，j)之间的信息素量。

3.根据权利要求1或2所述的基于蚁群算法和遗传算法的AGV小车协同调度方法，其特征在于，所述二维地图模型为利用栅格法建立的二维地图模型，其中坐标系为20×20的地图坐标系。