[发明专利]一种基于基因库解决堆垛机路径规划的蚁群遗传混合算法

权利要求书

1.一种基于基因库解决堆垛机路径规划的蚁群遗传混合算法，其特征在于包括以下步骤：

1）建立复合任务单元

假设问题模型初始为入库任务I有m个，出库任务O有n个，假定堆垛机的容量为1，那么总任务的解的序列模型L为:

(1)

上式中， I_i(i=1,2,3_…m)为入库任务， O_j(j=1,2,3_…n)为出库任务，无论m与n的大小关系如何，总可以把L看成是由两部分任务构成，一部分为复合任务序列(记为R)，一部分是单一任务序列(记为D)，则当m＞n时，式(1)可以写成：

(2)

其中r_i，j为复合任务单元；

2）引入基因库G概念，维度大小为n_×m，由若干储存单元g_i，j（1≤i≤n，1≤j≤m）构成，r_i，j存于基因库中的位置g_i，j，如下表1所示:

同时，由于每个出库任务与入库任务在构成复合任务序列时，仅能生效一次，因此，任意两个复合任务单元r_i，j一定位于基因库的不同行不同列上，而没有别选中的行或者列，则意味着对应的任务将作为单一任务；

3）蚂蚁择优基因片段并转换为个体染色体信息：

假定一只蚂蚁从第一列向最后一列爬行，每次前进一列，消耗食物量为对应节点的评价值，且对爬行过的节点的行数进行记录，使得蚂蚁在下一次行动时，只会在新的行中选择节点行动，具体步骤如下：

初始化基因库，未知的基因片段用一个足够大的数进行标记，如999999，初始化蚂蚁种群大小为30，初始化节点评价值水平系数α=2，节点评分值水平系数β=0.8，若为初代，蚂蚁携带食物量初始化为999999，否则设为上一代所有个体适应度的平均值；

循环遍历每一列，通过轮盘赌法选择一个基因片段：

s 2.1.当前列中任意可通行的节点S_ij被蚂蚁选中的概率按下式进行计算:

(3)

其中， p_ij为坐标(i, j)处基因片段被选中的概率， f为蚂蚁的当前食物量， e_ij为节点的评价值， k_j为节点的评分值；

s 2.2.若所有可行节点的概率都为0，则执行Step 3；否则，依据轮盘赌法选出节点_S* ij，将节点的行信息加入禁忌表，扣除蚂蚁的食物量，大小为选中节点的评价值；

s 2.3.若当前列非最后一列，则蚂蚁前进一列，执行s2.1，否则执行Step 3；

Step 3.若蚂蚁选择的节点序列长度等于基因库列数，则计算个体适应度并将之加入成功列表，否则将之加入失败列表；

Step 4.退出子程序；

4）基于基因库的蚁群遗传混合算法

当每代个体按照上述策略生成后，以竞标赛选择法作为遗传算法的个体选择策略，即随机对每代个体进行俩俩匹配竞争，适应度较大的那个个体保留下来，较小的个体被清除，之后对所有保留的个体进行染色体分解，按照基因片段的形式存于基因库中，用于后代个体的生成，具体包括以下步骤：

Step1.初始化每代个体数量N=30，初始化基因库，初始化蚂蚁携带食物量f =99999，基因库节点初始评分为100，奖励性评分为+40，惩罚性扣分为-10；

Step2.通过蚁群算法从基因库中构建N个个体，根据个体的完整性分别存放于列表L_s与L_f中，对L_s中所有个体计算其适应度u_i，依照竞标赛选择法筛选出部分优良个体；

Step3.更新下一代蚂蚁的食物量为 ，并分别对列表L_s与L_f中的个体所包含的基因片段在基因库中的节点进行奖励性加分以及惩罚性减分；

Step4.将所有遗留个体分解，以基因片段的形式存放于基因库中；

Step5.判断是否达到迭代次数，若没有，继续执行Step 2，否则，退出程序，输出最优个体染色体信息。

2.根据权利要求1所述的一种基于基因库解决堆垛机路径规划的蚁群遗传混合算法，其特征在于：

为了验证蚁群算法构建个体的优劣性，初始化一个随机基因库，如下表2所示：

并与传统遗传算法的随机生成个体方案进行比对，考虑到策略的随机性，设置数据规模为10组，每组10个个体，取每组平均值作为对应组的衡量数据。