[发明专利]一种适用于矩阵式仓库的分拣小车路径规划方法

说明书

技术领域

本发明涉及分拣小车路径规划领域，尤其是一种适用于矩阵式仓库的分拣小车的路径规划方法。

背景技术

随着电商业以及物流业的迅猛发展，快递的分拣已经成为限制物流发展的一个重要环节。传统的快递分拣采用人工分拣的模式，但是人工分拣存在成本高、错误率高，以及效率低等问题。因此，采用新型的快递分拣方式，提高快递分拣效率已经成为具有较强学术意义和实际应用价值的研究问题。

为了解决上述问题，孟超在论文《具备自动优化拣货路径功能的仓库管理系统的设计与实现》中，介绍了一种有自动分拣货物功能的仓库模型，并对拣货路径的优化作了相关研究。文生平等人在论文《基于遗传算法的分拣机器人最优路径规划》中，采用遗传算法对分拣机器人的路径进行了优化。记者钱童心在第一财经日报《进击的“小橙人”》一文中，报道了一种能够在矩阵式仓库中自动分拣货物的机器人。禹鑫燚等人在专利《适用于仓库环境的改进A*机器人最优路径规划方法》中，通过引入改进的A*算法对机器人的路径进行了优化。李江抒在论文《多移动机器人路径规划算法与导航系统研究》中，研究了多移动机器人路径规划算法。吴晓雨在论文《物流系统中AGV路径规划算法的研究》中，对多AGV路径规划算法进行了研究。颜波在论文《车载自主导航系统中的动态最优路径规划》中，对地图模型的建立方法以及小车的动态最优路径规划方法进行了研究。史恩秀等人在论文《基于蚁群算法的移动机器人全局路径规划方法研究》中，采用蚁群算法对分拣机器人的路径进行了规划。朱大奇等人在论文《移动机器人路径规划技术综述》中，介绍了模版匹配路径规划技术、人工势场路径规划技术、地图构建路径规划技术等路径规划方法。

经文献调研分析，目前已提出的分拣机器人的行进路径主要通过A*算法、蚁群算法、遗传算法等来进行优化。但是在大量分拣机器人同时行进的过程中，通过以上算法优化出的路径并没有充分考虑其他分拣机器人行进路径对当前机器人路径规划产生的影响，从而增加了分拣机器人行进过程出现拥堵现象的概率，造成分拣效率的降低。

发明内容

为了克服现有机器人路径规划算法引起机器人行进过程出现拥堵现象，从而造成分拣效率降低的不足，本发明抽象了含有时间项T的矩阵式仓库模型，提出了一种分拣效率较高的适用于该仓库的分拣小车路径的规划方法。

本发明解决其技术问题所采用的技术方案是：

一种适用于矩阵式仓库的分拣小车路径规划方法，所述方法包括如下步骤：

步骤1、建立仓库模型A[M,N,K,T]，所述A[M,N,K,T]为一四维数组；

所述A[M,N,K,T]中的M,N分别代表实际矩阵式仓库的横向维度和纵向维度，所述A[M,N,K,T]中K代表每个网格节点上的子节点数，所述A[M,N,K,T]中T代表时间项；

步骤2、小车路线信息导入仓库模型A[M,N,K,T]，过程如下：

步骤2.1、接收小车路线信息，所述小车路线信息用一结构体数组R[P_N]表示；

结构体r中包含m、n、k、t四个数据，所述P_N表示小车路线中经过的网格节点数；所述结构体r中的m表示横向坐标，所述结构体r中的n表示纵向坐标，所述结构体r中的t表示到达节点时间，所述结构体r中的k表示转向信息，当小车由西转向南或由北转向东时，k取1；当小车由南转向东或由北转向西时，k取2；当小车由北转向西或由东转向南时，k取3；当小车由东转向北或由南转向西时，k取4；

步骤2.2、导入小车路线信息到仓库数学模型中，过程如下：

步骤2.2.1、取一临时变量tp＝0；

步骤2.2.2、判断tp<P_N是否成立，若不成立则结束步骤2，若成立则向下执行；

步骤2.2.3、取一临时变量i，从0开始以增量1递增取值，依次执行公式(1)，直到i的值等于A[R[tp].m,R[tp].n,R[tp].k,R[tp].t]；公式(1)如下：

A[R[tp].m,R[tp].n,R[tp].k,R[tp].t+i]＝A[R[tp].m,R[tp].n,R[tp].k,R[tp].t]+1-i(1)

步骤2.2.4、临时变量tp自增1，跳转到步骤2.2.2；

步骤3、搜索小车路径，具体过程如下：

步骤3.1、确定分拣小车的起点坐标Q(x_q，y_q)和终点坐标E(x_e，y_e)；

步骤3.2、建立两个列表J、Y，所述列表J存放将要访问的节点，所述列表Y存放已经访问过的节点；