[发明专利]一种基于遗传算法的充电机器人动态调度优化方法

权利要求书

1.一种基于遗传算法的充电机器人动态调度优化方法，其特征在于：包括以下步骤：

(1)当电动汽车停入停车场时，用户先通过app向服务器发送充电请求，服务器收到请求后会对充电机器人进行调度；

(2)将地下停车场网格化，停车位依次标记序号；

(3)采用遗传算法进行调度。

2.根据权利要求1所述的一种基于遗传算法的充电机器人动态调度优化方法，其特征在于：步骤(2)具体包括以下子步骤：

(2.1)每个车辆所需充电时间和充电时间窗由顾客通过aap下单告知，视为已知；

(2.2)机器人行驶到任务点有2min充电的准备时间然后工作，同理工作完毕后有1min的准备时长，然后返回到任务中心或到下一个任务点；

(2.3)充电电量、放电电量与充放电时间为正比关系；全部转化为时间，机器人可以工作3h，充电1h充满。

3.根据权利要求1所述的一种基于遗传算法的充电机器人动态调度优化方法，其特征在于：实现车辆等待时间最少和累计给汽车充电量收益最大的多目标优化，多目标函数：

其中，为所有车辆累计等待机器人时长；

为机器人累计工作时长；

C为不同时间窗的单位充电时间价格；

a＝0.3，b＝0.7；

Q为机器人的最大储存电量，量化为时间，单位是小时；

ES_i和LS_i分别为任务i允许的最早开始时间和允许的最迟结束时间。

4.根据权利要求1所述的一种基于遗传算法的充电机器人动态调度优化方法，其特征在于：步骤(3)包括以下子步骤：

(3.1)编码方案设计：

在车辆调度问题上，遗传算法采用双层自然数编码分别形成行车路线和充电需求；在选择、交叉、变异操作之前，先把配送中心0去掉，再进行操作，更新种群后再次计算适应度值时再按照时间约束把配送中心加上，避免产生很多不符合约束的个体；

(3.2)初始种群设计：

采用随机生成法来生成初始种群，即随机生成一个有R个染色体的初始种群，对染色体进行解码，就可以得到R个机器人调度方案；

(3.3)适应度函数设计：

在全局路径规划过程中需选取合适的适应度函数，即将目标函数作为评价群体中路径优劣的标准和依据，适应度函数越大，证明个体越优秀，而优化目标则是越小越好，故而目标函数取倒数，与适应度函数保持一致；

(3.4)选择操作：轮盘赌法

适应度比例方法是遗传算法中应用较为广泛的一种选择策略，其基本思想为染色体的选择概率与其适应度函数值成正比，个体被选中的概率由适应度函数值决定；为保证最优的个体能够遗传给后代，将适应度最大的前两个个体直接保留传给下一代，这样既保留了最优的个体，也保证了个体的多样性；在实际进行选择、交叉、变异操作时，先把配送中心0去掉，再进行操作，更新种群后再次计算适应度值时再按照载重约束把配送中心加上，避免产生很多不符合约束的个体；

(3.5)交叉操作：单点交叉映射法

采用单点交叉映射法进行交叉，首先根据交叉概率Pm随机产生一个交叉点，对两个父代染色体执行单点交叉，这样就得到两个新染色体，然后查找交叉点前面的重复基因，根据交叉点后面的位置映射关系，对出现的重复基因全部进行替换，最后判断经过单点交叉映射法后的两个子代染色体是否满足电量约束和载重量约束；

(3.6)变异操作：插入变异法采用插入变异法进行变异，首先从父代染色体串中随机选择一个基因，然后根据变异概率随机产生一个插入点，将这个基因放在插入点中间，最后判断经过插入变异后的子代染色体是否满足电量约束和时间约束；

(3.7)判断经过上述步骤所产生的新种群是否满足迭代要求，不满足则回到步骤(3.3)开始新一轮的计算；否则，则退出循环，输出最新一代种群，若无动态要求，则输出最优解，若有，则进行下一步骤；

(3.8)动态调度策略：大邻域搜索算法设计

初始车辆运行任务会通过第一阶段的优化调度而得到最优静态调度方案，但是在随后的运行过程中新需求的不断产生会使得原有的静态方案并不能够满足实际需求，不能够使得配送任务得以完成，所以要在前者的基础上将动态优化过程进行加入；选择运用局部搜索算法对新产生的动态任务需求进行满足，通过插入操作，从而生成新的动态调度方案；局部搜索使用了大领域搜索算法(LNS)的破坏和修复的思想；

(3.9)步骤(3.8)中生成的种群回到步骤(3.3)中；

(3.10)充电机器人将按照调度方案对电动汽车充电。

5.根据权利要求1所述的一种基于遗传算法的充电机器人动态调度优化方法，其特征在于：步骤(3.4)包括以下步骤：

步骤1：计算每个染色体的适应度值f_k；

步骤2：计算种群中n个染色体的适应度值之和

步骤3：计算每个染色体的选择概率P_K＝f_k/F，K＝1,2,3,，,n；

步骤4：计算每个染色体的累计概率K＝1,2,3,，,n；

步骤5：随机生成n个0到1之间的随机数r_k，并将n个r_k进行排序，比较r和q_k的值，若r_k≤q₁，则保留第一个染色体，以此类推对个体进行选择。