[发明专利]基于遗传算法和MMAS算法的塔机群多任务的调度方法

说明书

本发明公开了一种基于遗传算法和MMAS算法的塔机群多任务的调度方法，所述塔机群具有交叉区域，所述调度方法包括：步骤一，基于遗传算法，获取初始种群；步骤二，基于MMAS算法，获取初始路径；在所述塔机群各任务的交叉区域内，为所述选择的D条调度路径选择装卸点作为MMAS算法的初始路径；步骤三，根据步骤一和步骤二中选择的遗传算法的初始种群和MMAS算法的初始路径，分解塔机群多任务路径为多次双塔机作业，计算所述多次双塔机作业所需的时间，最后一个塔机作业的完成时间为该调度方案总耗时；步骤四，将所述调度方案总耗时作为更新MMAS算法中的信息素，返回步骤二开始迭代寻找基于已定调度路径下使该调度方案总耗时最短的最优交接点。

技术领域

本发明涉及塔机控制领域，特别涉及一种基于遗传算法和MMAS算法的塔机群多任务的调度方法。

背景技术

塔机是建设房屋和桥梁的主要运输作业工具。随着建筑作业的密集化发展，多台塔机作业区域的相互覆盖为塔机带来严重安全隐患的同时也为塔机群协同作业带来了可能，利用多台塔机“合作运输”的方式，我们可以将建筑物料运送到更远的地方。然而现有技术中如何利用“合作运输”为各塔机制定完善的作业方案还未解决，不仅能够避免危险情况的产生，还能提升塔机群的作业效率。同时，塔机群在多任务环境下的作业情况值得被考虑，针对某单一任务的执行效率提升方案极有可能对相关另一任务的执行情况产生负面影响。

发明内容

本发明提供一种基于遗传算法和MMAS算法的塔机群多任务的调度方法，解决了现有技术中如何使多台塔机合作运输的技术问题，达到了提供一种为塔机制定完善方案、合作运输的塔机调度方法的技术效果。

为解决上述技术问题，本发明提供一种基于遗传算法和MMAS算法的塔机群多任务的调度方法，所述塔机群具有交叉区域，所述调度方法包括：

步骤一，基于遗传算法，获取初始种群；随机在所述塔机群各任务选择D条调度路径作为遗传算法的初始种群，所述塔机群记为{T₁，T₂，……，T_n}，T_n为第n个塔机；

步骤二，基于MMAS算法，获取初始路径；在所述塔机群各任务的交叉区域内，为所述选择的D条调度路径选择装卸点作为MMAS算法的初始路径；

步骤三，根据步骤一和步骤二中选择的遗传算法的初始种群和MMAS算法的初始路径，分解塔机群多任务路径为多次双塔机作业，计算所述多次双塔机作业所需的时间，最后一个塔机作业的完成时间为该调度方案总耗时；其中所述计算所述多次双塔机作业所需的时间具体为多次双塔机每条调度路径独立完成所需的时间；

步骤四，将所述调度方案总耗时作为更新MMAS算法中的信息素，返回步骤二开始迭代寻找基于已定调度路径下使该调度方案总耗时最短的最优交接点，所述最优交接点为基于MMAS算法迭代至第一预设次数终止时调度方案总耗时最短的所述D条调度路径的装卸点；

步骤五，基于遗传算法，将步骤四中得到最短的调度方案总耗时作为参考保留优质种群，淘汰劣质种群，优质种群之间相互交叉生成新的种群以保证种群数量；返回步骤二开始迭代寻找最优种群，所述最优种群为基于遗传算法迭代至第二预设次数终止时最优种群为最优调度方案。

优选的，在所述步骤四之前，所述步骤三之后，所述调度方法还包括：

当所述塔机群为多作业并行情况时，基于防碰撞算法对塔机作业完成的时间以延迟等待的方式进行修正，获取最后一个塔机作业的完成时间为该调度方案总耗时。

优选的，所述步骤三中所述分解塔机群多任务路径为多次双塔机作业，计算所述多次双塔机作业所需的时间，最后一个塔机作业的完成时间为该调度方案总耗时，所述调度方案总耗时具体为：