[发明专利]一种基于改进量子蚁群算法的AGV实时路线规划方法

摘要

本发明公开的一种基于改进量子蚁群算法的AGV实时路线规划方法，依次通过步骤：S1初始化环境和算法参数、S2接收AGV路线规划任务、S3构建AGV路线解、S4评估当前解和记录最优解、S5量子旋转门、S6量子变异、S7更新信息素及S8运算终止判断，实时给出满足全局搜索、计算时间、迭代前期快速收敛、迭代后期解多样性等综合要求一个AGV路线，节省人力和时间成本，提升货料运输效率，有助于生产效率的提高。

主权项

一种基于改进量子蚁群算法的AGV实时路线规划方法，其特征在于，包括以下步骤：S1、初始化环境和算法参数，包括：S11、初始化环境：给出仓库中各路口的点集、可行弧集和各路口间的距离数据，具体是：定义G＝(V,E,D)为仓库的环境图，其中V＝{1,2,…,K}为环境中各路口的集合，即点集，E＝{(i,j)|i,j∈V,i≠j}为各路口间的AGV可行路线集合，即可行弧集，设共有M条弧，D＝{dij|i,j∈V,i≠j}表示弧集E的距离；初始化算法参数：定义蚂蚁数量N、最大迭代次数iter；初始化M维单位向量信息素τ＝{τ(i,j),(i,j)∈E}，初始化信息素挥发系数ρ∈[0,1]，并在后续步骤更新累加信息素，其数值越大表示弧越重要；每只蚂蚁携带一组M位的量子比特，对应弧集E中M条弧，则第t(t＝1,2,…,iter)次迭代时第n(n＝1,2,…,N)只蚂蚁的初始量子比特为：Qn=αn1αn2...αnm...αnMβn1βn2...βnm...βnM=2222...22...222222...22...22]]>其中m(m＝1,2,…,M)对应弧集E中第m条弧(i,j)，的每一列元素表示蚂蚁n选择一条弧的可能性，即权重系数，和分别表示蚂蚁n选弧集E中第一条弧作为AGV路线和不选作为路线的可能性，且满足S2：接收AGV路线规划任务：AGV等待从调度系统接收出发点和终止点的信息；S3：构建AGV路线解：对于蚂蚁n，给定起始点后，开始寻找下一个路口，表示弧(i,j)的转移概率如下：P(i,j)n=(τ(i,j))a(η(i,j))b(|βnm|)cΣ(i,k)∈E(τ(i,k))a(η(i,k))b(|βnm|)c]]>其中(i,k)∈E表示所有可能的路口；τ(i,j)表示弧(i,j)的信息素强度；η(i,j)＝1/d(i,j)为弧(i,j)的能见度；βnm表示蚂蚁n在弧集E中第m条弧(i,j)的量子比特值；a,b,c分别表示信息素、可见度、量子比特三者的重要性系数；按照转移概率不断迭代选择下一个路口和弧，直至到达终止点，若因为环境中的非闭环弧导致无法到达终止点，则从起始点重新进行此步骤；S4：评估当前解和记录最优解：评估每只蚂蚁搜索到的路线总长度，并记录最短路线和对应的量子比特；S5：量子旋转门：以搜得最优路线的蚂蚁的量子比特为基准，采用量子旋转门的形式对每只蚂蚁的量子比特进行引导性更新，采用量子旋转门计算公式如下：αnmβnm=cos(θm)-sin(θm)sin(θm)cos(θm)αnmβnm]]>式中，[αnm βnm]T表示第n只蚂蚁第m位量子比特，θm表示第m位量子比特的旋转角；S6：量子变异：对每只蚂蚁的量子比特进行量子变异操作，具体为：令量子变异概率为Pmut，生成一个[0,1]随机数r，若满足：r<Pmut·exp[-(iter-t)iter]]]>则采用Hadamard门变异对每只蚂蚁的量子比特进行量子变异操作，Hadamard门变异在不改变最优路线的前提下互换了量子比特值的位置，具体操作为：αnmβnm=sin(π/4)cos(π/4)cos(π/4)-sin(π/4)αnmβnm;]]>S7：更新信息素：根据最短路线的量子比特计算信息素增量，计算更新下一迭代步信息素，具体是：各条弧的信息素更新规则为：τ(i,j)=ρ·τ(i,j)+ΣkΔτ(i,j)k]]>Δτ(i,j)k=K·|βnm|cLn_dis0]]>其中βnm表示第n只蚂蚁在弧(i,j)处的量子比特值；S8：运算终止判断：判断当前迭代次数t是否到达预设迭代次数iter，若否，则返回S4并置t＝t+1；若是，则停止运算，重置信息素τ、转移概率量子比特Qn和Qbest，输出最短路线Lbest作为AGV执行路线，并重置Ln和Lbest，再返回S2。