[发明专利]一种基于改进遗传算法的AGV系统路径规划方法

摘要

本发明公开了一种基于改进遗传算法的AGV系统路径规划方法，包括以下步骤：采用变长度的符号编码方式；对AGV的运行速度进行制约；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；采用Metrolpis接收准则来确定当前解m到新解n转移的概率P_k；采用单点交叉法；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；交叉和变异算子自适应调整。本发明提高了种群个体的差异性，易于跳出局部最优解；同时，改进了交叉、变异算子自调整策略，提高了算法的收敛速度。

主权项

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，V_t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(X_ij)为个体M_t中节点i和节点j之间的路径长度，μ_ij为AGV在该段路径中的负重系数，α_ij为该段路径的曲折度，t_ij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P_k，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×q^t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，K_c∈(0,1)，K_m∈(0,1)，f_min是种群中最小的适应度值，f_avg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。