[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

说明书

本发明涉及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，首先，将创建一个基因库，用来存放个体的基因片段，在生成个体时，通过蚁群算法从基因库中挑选优良的基因片段来尝试构建较为优秀的个体，通过以上策略，能有效的避免不好的基因片段对遗传算法造成的影响，从而加速遗传算法的收敛，同时，由于蚁群算法对未知的基因片段也具有一定的选择概率，因此，对克服陷入局部最优解也具备一定的效果。大量的仿真结果表明，采取本文新型策略的蚁群‑遗传混合算法在解决堆垛机路径规划的效果明显，相对比传统遗传算法，不仅收敛速度更快，而算法对最优解的获得也具有较好的稳定性。

技术领域

本发明涉及堆垛机路径规划技术领域，具体是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。

背景技术

经济高速发展的今天，物流的高效性越发显得重要，传统的人为管理模式不再满足行业的需求，于是，自动化仓储系统(Automated Storage and Retrieval System, AS/RS)横空出世。作为一种新型的仓储技术，同时也作为现代物流系统的核心部分，AS/RS正越来越多地应用于各个行业。考虑到仓库的出入库效率直接影响到整个物流系统的效率，因此提高整个物流系统效率的一个关键方向就是出入库路径的优化。堆垛机，作为AS/RS中的运输和存取货物的主要设备，其拣选出入库货物的时间往往占整个作业周期的50%左右，因此解决堆垛机行驶路径优化问题是提高自动化仓库效率的有效手段。

路径规划技术是堆垛机研究领域的一个重要组成部分，主要目的是在初始化有若干进出货物任务的环境中，根据一定的准则(如路径最短，用时最短等)，寻求一个从库口依次存取货物的最优策略。路径规划技术的发展在一定程度上标志着堆垛机智能水平的高低，而路径规划方法的优劣直接影响路径规划效果。

目前，在该问题上，考虑到解空间往往过于庞大，多使用启发式算法来解决问题，启发式算法不必遍历整个解空间，只需通过遍历子空间即可获得全局最优解或者次优解。常用于该问题的启发式算法主要有遗传算法、粒子群算法、人工鱼群算法等。其中，遗传算法以其编码简单，逻辑过程清晰，易于实现等特点，使得其在堆垛机的路径规划问题上广泛应用。但遗传算法的缺点也十分明显，例如收敛速度较慢，易于陷入最优解等。究其原因，遗传算法是以整个个体为操作对象，主要包括选择、交叉、变异这三类操作，但事实上一个个体是由若干个基因片段构成，这就会使得某些不好的基因片段通过干扰所在个体的整体评价，从而干扰算法对个体所含的优秀基因片段的挖掘。另外，变异操作通常是取随机位置的基因片段进行变异，由于是随机的，可能会导致某些好的基因片段被变异成了坏的基因片段，这同样会给算法的效率带来负面影响。

基于此，本发明提出一种基于基因库的蚁群-遗传混合算法来解决路径规划问题。首先，提出一种基因库模型来储存基因片段，个体的生成依赖蚁群算法从基因库中挑选合适的基因片段合成，并在这过程中辅以阈值进行筛选出坏的基因片段，从而在迭代的过程中，逐渐剔除坏的基因片段的影响。

发明内容

本发明的目的就是为了解决现有的遗传算法收敛速度较慢、易于陷入最优解的缺点，提供的一种基于基因库的蚁群遗传混合算法，来解决路径规划问题。

为了实现上述目的，本发明采用了如下技术方案：

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)