[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

说明书

本发明涉及一种AGV小车协同调度技术领域，是一种基于蚁群算法和遗传算法的AGV小车协同调度方法及系统，前者包括：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。本发明在建立地图的条件下，通过蚁群算法求所有AGV小车的最优路径，并将其按照节点划分路段计算时间开销，然后利用遗传算法对多目标进行全局优化，得到耗时较短的AGV小车调度安排策略，保证了所有AGV小车的均衡调度，解决了单一算法不能对同时工作的所有AGV小车进行均衡调度问题。同时采用的蚁群算法和遗传算法的协同调度方法，较以往的单一调度算法而言，时间复杂度相比较低，迭代速度较快。

技术领域

本发明涉及一种AGV小车协同调度技术领域，是一种基于蚁群算法和遗传算法的AGV小车协同调度方法及系统。

背景技术

在AGV小车(无人搬运车)调度过程中，随着实际生产环境、A+GV小车数目等因素的变化，AGV小车的调度需求也会有所增大，现有的AGV小车路径调度算法多为单一算法，在多辆AGV小车共同工作的过程中，往往难以保障所有AGV小车的均衡调度和利用，因此会发生相向冲突、同向冲突、转向冲突等等问题，导致调度期间产生拥堵，甚至停止作业等问题，会造成设备资源的浪费，导致路径拥堵，甚至AGV小车停止作业，使整个调度系统停滞。

发明内容

本发明提供了一种基于蚁群算法和遗传算法的AGV小车协同调度方法及系统，克服了上述现有技术之不足，其能有效解决现有AGV小车路径调度算法存在不能对同时工作的所有AGV小车进行均衡调度，造成路径拥堵的问题。

本发明的技术方案之一是通过以下措施来实现的：一种基于蚁群算法和遗传算法的AGV小车协同调度方法，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。

下面是对上述发明技术方案的进一步优化或/和改进：

上述S3根据遗传算法寻找所有AGV小车的最优调度安排，其过程包括：

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；

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。

上述S31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: