[发明专利]一种基于改进遗传算法的AGV系统路径规划方法在审
申请号: | 201910427259.7 | 申请日: | 2019-05-22 |
公开(公告)号: | CN110332935A | 公开(公告)日: | 2019-10-15 |
发明(设计)人: | 姜平;孙波;张圳;董殿永;周根荣 | 申请(专利权)人: | 南通大学 |
主分类号: | G01C21/20 | 分类号: | G01C21/20;G06N3/12 |
代理公司: | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人: | 徐激波 |
地址: | 226019 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 改进遗传算法 变异算子 路径规划 随机选取 起始点 单点交叉法 自适应调整 变异个体 符号编码 差异性 父个体 原路径 自调整 最优解 算法 收敛 种群 跳出 概率 制约 改进 | ||
1.一种基于改进遗传算法的AGV系统路径规划方法,其特征在于:包括以下步骤:
步骤1,对于遗传算法,采用变长度的符号编码方式,即遗传算法的染色体中的每个基因对应地图模型中的节点号;
步骤2,引入AGV负重度和路径曲折度作为规划指标,对AGV的运行速度进行如下制约:
其中,Vt为AGV小车在无规划指标下的运行速度,μ为AGV的负重系数,α为路径曲折度;
采用AGV从起始点到目标点的运行时间作为路径规划的评价依据,在路径长度、转弯时间、车辆负重度和路径曲折度等规划指标下,得到适应度函数为:
式中,Dis(Xij)为个体Mt中节点i和节点j之间的路径长度,μij为AGV在该段路径中的负重系数,αij为该段路径的曲折度,tij为节点i到节点j中转弯所耗费的时间;
步骤3,种群初始化:从起始点出发,随机选取与起始点直接相连的一个点作为下一个节点,如此反复直到找到终点为止;
步骤4,选择操作:采用Metrolpis接收准则来确定当前解m到新解n转移的概率Pk,其公式如下:
式中,f(m)为种群中一个体交叉变异前的适应度值,f(n)为该个体交叉变异后的适应度值,T为当前温度,随着进化的进行T要按降温速率衰减。当前温度T的计算公式为:
T=T0×qt
式中T0为初始温度,q为降温速率,t为进化次数;
步骤5,交叉操作:采用单点交叉法,即随机选出两个父代个体的一个共同点,然后将这两个父个体关于该交叉点执行交叉操作;
步骤6,变异操作:随机选取待变异父个体中的两个节点n1和n2,按类似初始种群生成法生成一条从n1到n2的路径,然后用新生成的N1到N2间的路径代替待变异个体中的原路径;
步骤7,交叉和变异算子自适应调整:交叉变异算子自调整表达式如以下两式:
式中,0<k1,k2,k3,k4<1,Kc∈(0,1),Km∈(0,1),fmin是种群中最小的适应度值,favg是每代群体的平均适应度值,f’是要交叉的两个个体中较小的适应度值,f是要变异个体的适应度值。
2.根据权利要求1所述的基于改进遗传算法的AGV系统路径规划方法,其特征在于:所述步骤2中,最优路径将具有最小的适应度函数值。
3.根据权利要求1所述的基于改进遗传算法的AGV系统路径规划方法,其特征在于:所述步骤3中,在路径的产生过程中为了避免出现环路,规定在一条路径中当一个节点被选中以后,给该节点一个标记,只有没有标记过的节点才能被选作新的路径节点,每条路径选择完后标记全部刷新。
4.根据权利要求1所述的基于改进遗传算法的AGV系统路径规划方法,其特征在于:所述步骤5中,随机选出两个父代个体的一个共同点时,起始点和终止点除外。
5.根据权利要求1所述的基于改进遗传算法的AGV系统路径规划方法,其特征在于:所述步骤6中,随机选取待变异父个体中的两个节点时,起始点和目标点除外。
6.根据权利要求1所述的基于改进遗传算法的AGV系统路径规划方法,其特征在于:所述步骤7中,令K1=K2=Kc,K3=K4=Km,得到改变前后的交叉、变异概率自调整曲线。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南通大学,未经南通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910427259.7/1.html,转载请声明来源钻瓜专利网。