[发明专利]一种仓库拣选路径优化方法、存储介质及计算设备

说明书

本发明公开了一种仓库拣选路径优化方法、存储介质及计算设备，蚂蚁从节点1出发，节点1根据蚁群的概率选择规则，计算并选择下一个节点；将路径上的信息素进行挥发和更新；根据蚁群的信息素更新规则，假设蚂蚁选择了节点2作为下一个前进的节点，节点1将蚂蚁以信号的形式传递给节点2，判断节点2是否为目标节点，计算得到路径的总长度；当所有蚂蚁完成一次路径构建后，在节点1处对所有传回的路径长度进行排序，选择排序在前列的w只蚂蚁，对w只蚂蚁经过的路径信息素进行再次更新；更新收敛后输出最优路径。本发明将蚁群方法的结构映射到群智能架构中，取消中央处理器，有效提高了仓库的运行效率。

技术领域

本发明属于仓库管理技术领域，具体涉及一种基于群智能架构的排序优化蚁群方法仓库拣选路径优化方法、存储介质及计算设备。

背景技术

自动化仓库的发展，使得智能AGV群体代替叉车作业进行搬运的工作模式逐渐发展起来，自动引导车在仓库中的静态路径规划研究也越来越受到重视，在仓库中对货物存取路径做出合理的规划是有效提高仓库运行效率的手段。

目前，在处理智能仓库拣选路径规划问题的时候，使用蚁群方法的研究较多，但是多数蚁群方法在求解路径规划问题时，较少考虑在迭代过程中利用多个蚂蚁子蚁群之间信息素交互的方式。由于蚁群方法鲁棒性突出并且易于和其他方法结合，为了提高搜索速度，排序优化的蚁群方法用排序的方式进行选择。但是，基于排序优化的蚁群方法早期局部积累过多信息素，虽然求解速度提升了，但是降低了每代解的多样性，方法易陷入局部最优。虽然通过利用多个节点分别处理子蚁群路径构建的方式提高了方法的路径搜索能力，但是每个子蚁群依旧要对全局的情况有所了解，仓库环境发生变动时节点依旧需要根据全局情况进行重新配置。

然而，在群智能系统中，将中央站任务分化为由多个智能节点来共同完成，不存在“中央机”，所有节点都是平等的，这种“无中心”的群智能网络架构，能够将资源最大化利用。基于群智能架构的仓库管理系统研究非常少，群智能系统由单个智能节点运算、存储，多个智能节点共同完成，整体系统的控制方式对于仓库管理来说是非常有利的。因此研究基于群智能架构的排序优化蚁群方法仓库拣选路径优化方法是非常有意义的，对各种类型的仓库路径优化都具有一定的指导和借鉴作用。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种仓库拣选路径优化方法、存储介质及计算设备，解决现有集中式架构存在的效率低和不易拓展等问题，主要是每个节点配置存储模块和计算模块，通过所有的节点的局部运算来完成整个系统的路径搜索，有效提高了仓库的运行效率。

本发明采用以下技术方案：

一种仓库拣选路径优化方法，包括以下步骤：

S1、蚂蚁从节点1出发，节点1根据蚁群的概率选择规则，计算并选择下一个节点；

S2、根据蚁群的信息素更新步骤S1确定的概率选择规则，将路径上的信息素进行挥发，然后对通过路径上的局部信息素进行更新，将更新之后的信息素浓度存储于路径两端的节点处；

S3、根据步骤S2中蚁群的信息素更新规则，假设蚂蚁选择了节点2作为下一个前进的节点，节点1将蚂蚁以信号的形式传递给节点2，判断节点2是否为目标节点，如果是，则将之前通过的所有节点信息传回给节点1，并通过相加求和的方式计算得到路径的总长度；如果不是，蚂蚁在节点2处重复步骤S1和步骤S2直到到达最终目标节点；

S4、当所有蚂蚁完成一次路径构建后，在节点1处对所有传回的路径长度进行排序，选择排序在前列的w只蚂蚁，对w只蚂蚁经过的路径信息素进行再次更新；

S5、如果步骤S4的更新不收敛，返回步骤S1，如果收敛，执行步骤S6；

S6、输出最优路径。

具体的，步骤S1中，当蚂蚁k在节点i时，选择节点j的概率为：