[发明专利]一种基于动态参考点的NSGAⅢ的路径规划方法

说明书

本发明提供一种基于动态参考点的NSGAⅢ的路径规划方法，属于信息技术领域。本发明根据当前解的分布情况和优化现状，将多目标优化方法NSGAⅢ中的参考点动态处理，使其解向更有利于现实情况的方向优化，首先对路径数据进行预处理，得到需进行路径规划的所有的点的信息——包括点的坐标和该点在不同的点检次序中的不同的紧急程度；对预处理得到的点的信息，使用基于动态参考点的NSGAⅢ多目标优化方法进行优化，从而得到最佳优化结果。这种优化方法可更好地规划巡检路径，辅助现场操作人员对工厂内部机器进行巡检，提升巡检效率。

技术领域

本发明属于信息技术领域，涉及到遗传算法、多目标优化等技术，是一种基于动态NSGAⅢ(Non-Dominated Sorting Genetic AlgorithmⅢ，非支配排序遗传算法Ⅲ)的路径规划方法。

本发明根据当前解的分布情况和优化现状，将多目标优化方法NSGAⅢ中的参考点进行动态处理，使其解向更有利用现实情况的方向优化。首先，对路径数据进行预处理，得到需进行路径规划的所有的点的信息——包括点的坐标和该点在不同的点检次序中的不同的紧急程度；然后，对预处理得到的点的信息，使用基于动态参考点的NSGAⅢ方法进行优化，从而得到最佳优化结果。这种优化方法可以更好地规划巡检路径，辅助现场操作人员对工厂内部机器进行巡检，提升巡检效率。

背景技术

工厂设备是工厂系统的关键组成部分，设备的安全、可靠运行对保证整个系统的运行质量至关重要。设备的性能水平直接影响到工厂系统的稳定性、可靠性、安全性及抵抗事故的能力。保障设备的可靠安全运转已是一项重大任务，因此要高度重视设备的监控和管理，做好设备的巡检、巡视、实时监控工作，及时排除潜在的危险，是保证工厂稳定运行的重中之重。而设计一个智能巡检路径规划系统可以大大提供巡检效率，减少不必要的时间浪费。

巡检路径规划系统建立的模型由目标函数和约束条件两部分组成，目标函数一般是最小化紧急程度巡检成本以及最短路径成本，约束条件是根据路径约束及物理约束建立的(输电线路多因素风险评估及巡检策略研究,胡志鹏,武汉大学,2018(05))。

对于该类问题的多目标优化方面，传统的多目标优化问题求解方法有很多种，包括评价函数法、目标规划法、分层求解法等。这些方法的基本思想都是把多目标问题中的子目标函数经过处理或数学变换转换为单目标问题，然后运用解决单目标问题的手段来解决问题。然而，这种方法失去了多目标优化的本质意义。遗传算法(GA)能对整个搜索空间的大量可行解同时并行搜索，克服了传统方法可能陷入收敛于局部最优的困境(基于Amigo Bot平台的多机器人地图创建,薛珊珊济南大学,2015)。目前比较主流的有NSGAⅡ算法、NSGAⅢ算法。两种算法的区别主要在子代的选择方面，即子代挑选问题。NSGAⅡ主要依靠拥挤距离挑选子代(DebK,PratapA,AgarwalS,etal.AfastandelitistMulti-objectivegeneticalgorithm:NSGA-Ⅱ[J].IEEETransactionsonEvolutionaryComputation,2002,6(2):182-197.)。NSGAⅢ算法主要依靠参考点来挑选子代(Deb,K.AnEvolutionary Many-Objective Optimization Algorithm Using Reference-Point-Based Nondominated Sorting Approach,Part I:Solving Problems with BoxConstraints Evolutionary Computation,IEEE Transactions on,2014,Vol.18(4),pp.577-601)。