[发明专利]基于蚁群算法和改进型遗传算法的仓储物流AGV路径规划算法

说明书

基于蚁群算法和改进型遗传算法的仓储物流AGV路径规划算法，它涉及蚁群算法、遗传算法，解决了传统方法计算耗时、易早熟收敛、易陷入局部最优的缺陷。本发明的步骤为：一、对场地建立网格化划分与编码；二、用基于障碍物信息的改进蚁群算法生成用于遗传进化的初始AGV路径；三、用基于三阶段遗传算法迭代选择AGV最优路径；四、对具有重合点的不同AGV路径进行末端交叉；五、对AGV路径进行有利变异；六、重新计算AGV路径适应度，判定迭代是否终止，对终止后的AGV路径进行轨迹圆滑处理。本发明的基本思想是将改进的蚁群算法和改进的遗传算法相结合，加快迭代收敛速度，得到运行效率更高的AGV路径，工程适用性强。

技术领域

本发明涉及自动化物流仓储技术，尤其指仓储物流自动导引车(AutomatedGuided Vehicle，AGV)路线规划和轨迹优化技术，具体涉及一种基于蚁群算法、遗传算法相结合的仓储AGV路线规划技术。

背景技术

仓储物流AGV的路径规划问题需要更先进的算法加以解决，尤其是基于遗传算法和蚁群算法类别的智能规划技术正在持续受到研究人员关注。越来越多的学者专家寄希望于改进传统的遗传算法和蚁群算法，并将其应用到仓储AGV路径规划算法里，以提高仓储物流的运行效率。本发明同样基于这个技术背景，对AGV路径规划算法做出一定程度的创新。

仓储AGV在现代物流系统中扮演至关重要的角色，是物流仓库中主要的搬运机器。随着人工智能和机器人技术的不断发展，智能工业时代逐渐到来，越来越多的工业场合开始引进工业互联网技术和机器人自动化技术，比较典型的代表就是现代物流仓储系统。相比传统物流系统较多依赖人力搬运，现代物流仓储系统已经大量采用堆垛机以及仓储AGV进行货物运输、搬运以及装卸，大大提高了物流系统运行效率，既减少了人力成本，又提高了企业利润，方便人们生活。AGV是一种具有较强灵活性和一定自主性的自动化搬运设备，涉及机械、材料、电气工程、电子信息、计算机、人工智能和自动控制等相关技术。AGV上装备有自动导向系统，可以保障系统在不需要人工引航的情况下就能够沿规划的路线自动行驶，以可充电的蓄电池为其动力来源，将货物或物料自动从起始点运送到目的地，一般可通过电脑来控制其行进路径以及行为，具有自动化程度高、充电自动化、减少占地面积等诸多优点。

针对AGV路径规划问题已经有很多传统算法和一些新型算法被提出。其中，蚁群算法和遗传算法对于解决仓储AGV路径规划问题具有一定的优越性。路径规划一直以来都是AGV研究领域的关键问题，其目的是在有障碍物的环境中，寻找一条最优或次优路径，该路径连接着起点和终点，安全且无碰撞。随着更多路径规划问题解决算法出现，路径规划算法大体可分为局部路径规划和全局路径规划。局部路径规划包括人工势场法、神经网络法、蚁群算法等几种经典算法；全局路径规划算法包括栅格法、拓扑法、遗传算法等几种比较常用的经典算法，已经可以通过数学理论进行方法证明和完善。其中，蚁群算法由于具有自我组织能力、正反馈机制、易于与其他算法结合、具有并行搜索能力等优点，适合对路径规划问题进行优化提升，因而得到广泛应用。然而由于概率传递的随机性和信息素强度更新的不适当性，传统蚁群算法容易陷入局部最优。而遗传算法由于具有较好的并行性和鲁棒性，被广泛应用于AGV路径规划中，但算法本身却有早熟收敛和局部搜索能力较弱等缺点。针对这些缺点，已经有不少改进方案被提出，比如一种将障碍物凸化处理的地图模型建立法，方便遗传算法的初始种群生成；或对自适应算子进行新的修改，提高了算法初期进化的能力；或者一种结合禁忌搜索算法的初始种群生成方法；亦或用一种多次随机交叉法来维持种群多样性。虽然上面的改进操作提升了遗传算法的部分性能，但是算法仍然存在一些缺点，比如算法的选择策略并没有实质改进，另外，算法的设计没有结合AGV实际运行环境。