[发明专利]一种基于冷热度原理改进蚁群算法的AGV路径规划方法

说明书

本发明涉及一种基于冷热度原理改进蚁群算法的AGV路径规划方法，提取AGV的操作位点，并通过操作位点划分独立路段，建立含有冷热度区域的环境电子地图模型；判断目标节点在电子地图中所在的区域，动态选择有差异的初始化信息素分布，采用改进的信息素更新方式和调整状态转移概率；蚁群从任务起点开始搜索遍历节点，直至在目标搜索区域内找到目标节点，完成本次迭代，生成若干条路径；当前迭代次数达到最大迭代次数，找出全局最优路径。本发明利用冷热度概念，分析生产任务，对零配件和产品标记的冷热度，建立带有冷热度区域的电子地图，有利于确定目标点的位置；对确定目标节点所在区域设置有差异的初始化信息素分布。

技术领域

本发明涉及多AGV路径规划领域，具体地说是一种基于冷热度原理改进蚁群算法的AGV路径规划方法。

背景技术

随着工业4.0与中国制造2025的到来，制造业，尤其是离散制造业的自动化、信息化的发展成为企业壮行升级的方向。自动导引小车(Automated Guided Vehicle,AGV)是离散制造业实现自动化和信息化的重要手段。针对离散制造业中面向柔性生产的特点，各个工位需要具备一定的灵活性，传统的传送带、人力推车等物流运输方式效率低下，不能满足柔性生产的需求，在仓库、车间以及各个工位之间使用AGV成为大势所趋。

在车间物流运输系统中，本文采用蚁群算法，对接收到任务的AGV快速规划出从任务起点到任务终点的最佳AGV运行路径。蚁群算法是一种模拟蚂蚁觅食原理而设计出的一种仿生优化群体智能算法。在蚂蚁觅食寻路的过程中，会通过释放信息素与环境相互作用来告知同伴这条路径是否为一条优秀路径，在基本蚁群算法中，模拟了蚂蚁通过道路时释放信息素的这一行为，并利用信息素浓度和启发式函数的值来计算蚂蚁的转移概率，指导蚂蚁对路径进行选择。同时算法模拟了自然界中信息素的挥发与更新，将信息素浓度控制在一定的范围内，并保持较优路径在后续迭代中的备选优势，经过一定次数的迭代之后，算法最终能够得到全局的优秀路径。虽然传统蚁群算法具有较强的鲁棒性、优良的分布式计算机制、易于与其他算法相结合等优点，但是，其普遍存在收敛速度慢、效率低和容易陷入局部最优等缺陷；因此，本文引入冷热度原理的概念对蚁群算法进行改进，提高车间AGV的运行效率。

发明内容

针对现有技术的不足，本发明提供一种基于冷热度原理改进蚁群算法的AGV路径规划方法，解决由于初始信息素浓度分布相同，算法搜索没有目的性速度较慢，导致系统响应慢；信息素更新不及时，导致蚂蚁所走过的路径上信息素积累得过快或过慢，算法易陷入局部最优或停滞，使AGV实际运行的路径不能够达到最短路径的问题。

本发明为实现上述目的所采用的技术方案是：

一种基于冷热度原理改进蚁群算法的AGV路径规划方法，包括以下步骤：

步骤1：根据生产任务分析，对所需要的零配件和产品标记冷热度；

步骤2：根据车间布局信息和路径信息，提取AGV的操作位点，并通过操作位点划分独立路段，建立含有冷热度区域的环境电子地图模型；

步骤3：根据AGV所接受的任务，判断目标节点在电子地图中所在的区域，动态选择有差异的初始化信息素分布，使目标节点所在区域的信息素高于其他区域，并采用改进的信息素更新方式和调整状态转移概率；

步骤4：蚁群从任务起点开始搜索遍历节点，直至在目标搜索区域内找到目标节点，完成本次迭代，同时生成若干条路径；

步骤5：如果当前迭代次数达到最大迭代次数，则在生成的全局最优路径组中，记录蚁群算法所搜索到的实测最小值、收敛最优值和收敛迭代次数，否则返回步骤3。

所述独立路段为连接两个相邻操作点位的路段。

所述操作位点包括工位点、仓库点、转弯点、定位点、充电点和备用点、仓库上料点、成品出仓点。