[发明专利]一种面向智能仓储系统的多机器人任务分配方法

说明书

本发明公开了一种面向智能仓储系统的多机器人任务分配方法，根据智能仓储任务分配问题，建立多目标任务分配模型，并设计时间成本函数和能耗成本函数；并通过该模型建立了基于快速非支配排序的多目标遗传算法；并在上述遗传算法的框架上加入了新的迭代流程以保证其可以进一步收敛到较优非支配解。本发明通过对各优化分量进行支配等级排序，获得较优的非支配解，并通过种群重启和精英库机制提高了算法收敛到较优非支配解的概率。并同时本发明在多机器人系统的任务分配问题中兼顾多机器人系统的时间成本和能耗成本，可以更系统的解决多机器人系统中的任务分配问题，提高任务分配结果的科学性和合理性。

技术领域

本发明涉及一种面向智能仓储系统的多机器人任务分配方法，属于智能仓储机器人控制领域。

背景技术

货物分拣与运输是智能仓储系统的重要环节，是未来社会物联网系统的重要组成部分。对于未来智能仓储系统，多机器人系统能够通过协作，有效提高货物分拣效率，降低包裹搬运时间。但是，多机器人系统在同一空间工作，容易产生任务干涉和冲突，从而导致死锁等难题。因此，多机器人系统的任务分配是智能仓储系统的重要组成环节。

现阶段的多机器人系统任务分配算法大都以最小化多机器人系统总路径为首要目标，这导致每个机器人的任务分配不均衡，最终导致分拣时发生有某几个机器人长时间等待一个机器人返回的情况，实际效率低下。也有以最小化多机器人系统方差与最小化多机器人系统总路径的线性组合为首要目标的单值函数优化(Single-Function-Optimization，SFO)算法，但该类算法存在线性组合权重选择困难、计算结果无法同时兼顾时间成本和能耗成本的缺点。因此需要设计一种能够兼具时间成本和能耗成本的算法。

发明内容

为了解决上述多机器人系统任务分配算法的缺点，本发明提出了一种面向智能仓储系统的多机器人任务分配方法。

本发明的技术方案如下：

一种面向智能仓储系统的多机器人任务分配方法，根据多机器人任务分配问题模型建立时间成本和能耗成本的多目标优化模型；其中能耗成本表示为多机器人系统的总路径长度，时间成本表示为多机器人系统中各机器人总路径的方差；具体步骤如下：

(1)、构建多目标任务分配方法的数学模型

对于给定N个取货点的图G＝{V，E}，其中V为取货点集合，E为该图的边集，安排m个机器人对取货点集V进行遍历，使得除出发点v_n∈V以外的所有取货点均有且仅有一个机器人通过，且路径之和最小，各机器人路径方差最小；对于多目标任务分配问题，有如下优化目标：

式中：S：所有机器人路径总长度；

S_i：第i个机器人的路径总长度；

S_avg：各机器人长度均值；

其中S_i是根据第i个机器人的路径P_i＝{U_i，E_i}计算的路径总距离，其数值为按照图G的邻接矩阵D(G)计算的路径序列节点距离之和，其中U_i是由机器人i负责的取货点集，E_i是由U_i组成的首尾相连的边集，即：

其中d_uv表示从节点u到节点v的距离，其数值为邻接矩阵D(G)第u行v列的元素值；

对多机器人任务分配方法如下：

所有机器人必须从指定起点出发，且对其他所有节点严格访问一次后返回起点v_n；即对于除出发点以外的点集U＝V\{v_n}有：