基于人工蜂群-自适应遗传算法的仓储机器人路径规划方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113759927A(43)申请公布日2021.12.07(21)申请号202111102957.3(22)申请日2021.09.16(71)申请人重庆邮电大学地址400065重庆市南岸区黄桷垭崇文路2号(72)发明人李艳生万勇匡衡阳张毅杨美美(74)专利代理机构北京同恒源知识产权代理有限公司11275代理人廖曦(51)Int.Cl.G05D1/02(2020.01)权利要求书3页说明书7页附图5页(54)发明名称基于人工蜂群-自适应遗传算法的仓储机器人路径规划方法(57)摘要本发明涉及一种基于人工蜂群‑自适应遗传算法的仓储机器人路径规划方法，属于路径规划领域，本方法中，根据仓储环境、障碍区域位置信息建立栅格地图；针对遗传算法的性能依赖于初始种群的质量、遗传算子的选择、交叉和变异操作，在求解机器人路径规划时存在收敛速度慢、易陷入局部最优等缺点，引入人工蜂群算法蜜蜂寻找蜜源机制生成初始种群，提高遗传算法初始种群质量；针对路径规划目标函数进行优化，将路径长度、路径转弯节点数、能耗因子作为评价指标；引入自适应交叉、变异算子以提高算法的收敛速度；针对改进后的遗传算法与传统遗传算法进行对比，本发明在算法收敛速度、路径平滑度和能耗方面大幅度提升。CN113759927ACN113759927A权利要求书1/3页1.一种基于人工蜂群‑自适应遗传算法的仓储机器人路径规划方法，其特征在于：包括以下步骤：S1：根据仓储环境、障碍区域位置信息建立栅格地图；S2：初始化相关参数，包括种群大小N，最大进化代数G，引领蜂数量NB，跟随蜂NO，蜂群最大迭代次数MaxIter,蜜源最大循环次数Limit,交叉概率的上限Pc_max、下限Pc_max，变异概率的上限Pm_max、下限Pm_min，交叉概率参数Pc′，变异概率参数Pm′；S3：人工蜂群算法生成初始种群；S4：判断栅格是否连续，若不连续则用插入算子进行填补，连接成可行路径；S5：计算种群适应度，适应度函数由路径总长度、转弯节点数和运行能耗组成；S6：判断是否达到最大进化次数，若是则输出种群的最优解，算法结束，否则转至S7；S7：采用锦标赛选择法和精英保留策略相结合的方式选择父代个体，将最优个体保留至下一代，继续进行交叉变异操作；S8：生成一个(0,1)之间的随机数，判断是否满足自适应调整策略的交叉算子的交叉概率pc，若满足则转至S9，否则转至S10；S9：对种群进行交叉操作，生成新的个体；S10：生成一个(0,1)之间的随机数，判断是否满足自适应调整策略的变异算子的变异概率pm，若满足则转至S11，否则转至S13；S11：对种群进行变异操作，生成新的个体；S12：判断栅格是否连续，若不连续则用插入算子进行填补，连接成可行路径S13：生成新一代种群，进化次数加一，转至S5。2.根据权利要求1所述的基于人工蜂群‑自适应遗传算法的仓储机器人路径规划方法，其特征在于：所述步骤S3具体包括以下步骤：S3.1：蜂群按照下式以随机的方式进行初始化生成蜜源minmaxminxij＝xj+(xj‑xj)·rand(0,1)maxmin式中：i∈[1,N]为蜂蜜编号，xij为蜜源位置，j∈[1,D]为生存维度，D＝2,xj、xj为维度j的上下界，rand(0,1)为(0,1)间的随机数；S3.2：引领蜂采用交叉方式搜索蜜源，搜索公式如下：maxmin式中：j∈[1,D]为生存维度，D＝2，xj、xj为维度j的上下界，rand(0,1)为(0,1)间的随机数，xj为引领蜂搜索到的新蜜源位置；xij为原蜜源位置；S3.3：引领蜂通过摇摆舞将蜜源浓度信息传递给跟随蜂，跟随蜂依据蜜源浓度选择引领蜂，公式如下：式中：Pi为引领蜂被选概率；NB为引领蜂数量；fiti为第i只引领蜂所在位置的蜜源浓度；2CN113759927A权利要求书2/3页S3.4：当引领蜂或跟随蜂在某一蜜源附近搜索次数达到设定次数limit，则放弃此处蜜源，同时引领蜂转化为侦查蜂在搜索区域内进行大范围随机搜索，按照下式搜索产生新蜜源代替它，接下来返回引领蜂和跟随蜂搜索过程，重复循环直至找到最优解：minmaxminxij＝xj+(xj‑xj)·rand(0,1)maxmin式中：i∈[1,N]为蜂蜜编号，xij为蜜源位置，j∈[1,D]为生存维度，D＝2,xj、xj为维度j的上下界，rand(0,1)为(0,1)间的随机数。3.根据权利要求1所述的基于人工蜂群‑自适应遗传算法的仓储机器人路径规划方法，其特征在于：所述步骤S4中判断栅格是否连续的方法为：Δ＝max{abs(xk+1‑xk),abs(yk+1‑yk)}式中：(xk,yk),(xk+1,yk+1)为相邻两栅格pk和pk+