[发明专利]基于组合智能算法的作业调配路径规划方法及系统

权利要求书

1.一种基于组合智能算法的作业调配路径规划方法，其特征在于，包括：

对工作区域划分栅格，计算从各个栅格之间进行土石方调配的成本；

采用蚁群算法进行路径寻优，当本次最优方案与上次迭代形成的最优方案的综合成本相对误差小于设定阈值时，得到蚁群算法迭代的第一收敛结果；

采用人工鱼群算法进行聚群、追尾，得到人工鱼群算法的第一次寻优结果；

若所述第一收敛结果优于人工鱼群算法的第一次寻优结果，则在第一次寻优结果的基础上，采用蚁群算法继续寻优至收敛得到第二收敛结果；选取第一收敛结果和第二收敛结果中较小的结果作为最优路径；否则，采用人工鱼群算法继续路径寻优至收敛，此时得到的结果作为最优路径。

2.如权利要求1所述的一种基于组合智能算法的作业调配路径规划方法，其特征在于，对工作区域划分栅格，具体包括：

将工作区域划分为挖方栅格、填方栅格、借方栅格、弃方栅格和障碍栅格；其中，挖方栅格和借方栅格属于挖方区，填方栅格和弃方栅格属于填方区；障碍栅格属于障碍区。

3.如权利要求1所述的一种基于组合智能算法的作业调配路径规划方法，其特征在于，采用蚁群算法进行路径寻优，具体为：

采用蚁群算法寻找成本最低的土石方调配路径，工程机械在作业中由挖方区至填方区，同时避开障碍区。

4.如权利要求3所述的一种基于组合智能算法的作业调配路径规划方法，其特征在于，采用蚁群算法进行路径寻优的过程，具体包括：

设置蚁群算法初始参数，将n只蚂蚁随机分配到a个挖方区；

迭代过程中每只蚂蚁探索一条土石方调配路径，第k只蚂蚁进入迭代时，根据区域i的位置更新禁忌表；若转移概率满足设定条件，该蚂蚁移动到下一区域，更新涉及区域的土方量；重复该过程，当各区域需要运输的土方量都为零，则该蚂蚁的土石方调配路径探索完成，进行下一只蚂蚁的迭代，直到所有蚂蚁探索完成，本次迭代结束；

进行下一次迭代，直至算法收敛。

5.如权利要求1所述的一种基于组合智能算法的作业调配路径规划方法，其特征在于，采用人工鱼群算法进行聚群、追尾，得到人工鱼群算法的第一次寻优结果，具体为：

人工鱼群算法参数初始化，每一条人工鱼代表一个土石方调配路径，两条人工鱼之间的距离定义为对应路径中不同节点的数量；

计算每条鱼与其他鱼的距离并累加，计算综合成本最低的鱼作为中心鱼；

每条鱼进行迭代时，首先进行聚群行为及追尾行为的判定；

若聚群行为和追尾行为都判定成功，则选择两种行为生成的两种路径中的较优解作为最优路径；若仅有一种行为判定成功，则选择该种行为生成的路径作为最优路径；若两种行为判定都不成功，则进入觅食行为；对鱼本身的路径随机变换结点次序，变换后综合成本更低则选择该路径作为最优路径；

若多次觅食都没有生成更低的综合成本，则进入随机行为，对原路径进行随机改变。

6.如权利要求5所述的一种基于组合智能算法的作业调配路径规划方法，其特征在于，所述聚群行为的判定具体为：

若视野中中心鱼的适应度与中心鱼的数量的比值，大于拥挤度与本条鱼的适应度的乘积，则聚群成功；本条鱼的土石方调配路径向中心鱼的土石方调配路径偏移，生成一条更靠近中心鱼的路径。

7.如权利要求5所述的一种基于组合智能算法的作业调配路径规划方法，其特征在于，所述追尾行为的判定具体为：

最优鱼为视野范围内综合成本最低的人工鱼，若视野中最优鱼的适应度与最优鱼的数量的比值，大于拥挤度与本条鱼的适应度的乘积，则追尾成功；本条鱼的土石方调配路径向最优鱼的土石方调配路径偏移，生成一条更靠近最优鱼的路径。