[发明专利]基于生态系统优化算法的AGV协同调度路径规划方法

说明书

本发明公开了一种基于生态系统优化算法的AGV协同调度路径规划方法，包括以下步骤：步骤一：将生产车间建模为二维栅格地图；步骤二：构建障碍物检测矩阵；步骤三：根据第一个AGV的起点终点初始化制定数量路径个体；步骤四：计算各路径个体适应度值并更新分解者和生产者；步骤五：每个路径个体随机成为食肉动物，食草动物或者杂食动物，并应用相应更新公式更新个体；步骤六：重复步骤五直到达到最大迭代次数，并取得该AGV最优路径；步骤七：对其余AGV依次冲突步骤三至七，直到得到所有AGV的最优路径；步骤八：依此检测AGV之间的冲突，并按冲突类型采取相应解决策略。

技术领域

本发明属于多AGV协同调度的路径规划技术领域，尤其涉及基于生态系统优化算法的AGV协同调度路径规划方法。

背景技术

AGV常用于仓储系统，货物搬运，具有低成本，低错误率，高效率的特点。传统人力运输货物效率不高，容易出错，有危险性，随着人力成本的上升，因此市场对AGV的需求逐年上升。而AGV的核心问题之一就是路径规划，路径规划就是在一定约束下给定一条从起点到终点的无碰撞路径，单AGV的路径规划往往只需要躲避静态障碍物，而多AGV的路径规划还涉及到AGV之间的冲突检测和化解。

传统的AGV路径规划方法时间复杂度较高，在遇到大规模地图时，计算量呈指数型上升，因此，基于启发式算法的AGV路径规划算法得到了发展，基于遗传算法，探路者算法等启发式算法的路径规划算法可以在较短的时间内给出一个相对较优解，降低计算量，减少上位机压力。

在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：

现有基于启发式算法的AGV路径规划方法的全局寻优能力，收敛速度较慢。

发明内容

针对现有技术存在的问题，本申请实施例的目的是提供一种基于生态系统优化算法的AGV协同调度路径规划方法，在较短时间内求出多AGV的无碰撞行驶路径，较现有方法，在收敛速度、搜寻全局最优解和稳定性方面，具有较大的优势。

根据本申请实施例的第一方面，提供一种基于生态系统优化算法的AGV协同调度路径规划方法，包括：

(1)将生产车间建模为二维栅格地图map[x][y]，其中x,y分别代表所述栅格地图的当前行数和当前列数，map[x][y]为true时表示第x行第y列的栅格上不存在障碍物，false时则表示第x行第y列的栅格上存在障碍物，x，y，x∈[0,L]，y∈[0,W]，L代表栅格地图的最大行数，W代表栅格地图的最大列数；

(2)构建障碍物检测参数dp[x][y][z],表示栅格map[x][y]到栅格map[x][z]之间的直线路径是否存在障碍物，true代表可通行，false代表不可通行；

(3)根据第一个AGV的起点、终点和障碍物检测参数，初始化预定数量n的路径个体X₁,X₂,X₃,…,X_n，其中，x_i代表在map第i行的必经节点的y坐标；

(4)计算每个路径个体的适应度值，并将最低适应度值对应的的路径个体X_i作为分解者,根据所述分解者的位置更新生产者并对所述生产者进行离散合理化；

(5)将每个的路径个体随机为食草动物、食肉动物或者杂食动物，对所有的路径个体进行更新和离散合理化，计算每个的路径个体的适应度值，并将最低适应度值对应的的路径个体X_i作为分解者,根据所述分解者更新所有路径个体；

(6)重复步骤(5)进行迭代，直至达到最大迭代次数，取最低适应度值路径个体作为最佳路径个体，并将此个体作为该AGV的最优路径；

(7)对其余AGV依次重复步骤(3)-(6)，直到得到所有AGV的最优路径；