[发明专利]一种基于改进遗传算法的多机器人多任务分配方法及装置

说明书

本发明涉及机器人任务分配算法技术领域，提供了一种基于改进遗传算法的多机器人多任务分配方法及装置，方法包括,建立消耗代价模型；构建初始种群；以当前初始种群中的染色体作为父代染色体进行基因交叉处理，形成第二种群；淘汰第二种群中一半染色体，形成第三种群；对第三种群进行变异处理，生成第四种群并作为新的初始种群；根据消耗代价模型计算第四种群中每个染色体的代价值，获取代价值最小的染色体，重复迭代，直至满足收敛条件，输出最佳分配方案。本发明在交叉过程中保证交叉后的基因无冲突，交叉后同时保留父代及子代而不直接淘汰父代种群，能最大程度的保留最佳个体，无需大量的计算量，有效降低了计算量的开销。

技术领域

本发明属于机器人任务分配算法技术领域，具体地说，涉及一种基于改进遗传算法的多机器人多任务分配方法及装置。

背景技术

目前，随着多机器人技术的发展，多机器人技术已经被越来越广泛地应用在工业、军事、物流仓储等各个行业中，在多机器人技术中，多机器人执行任务要比传统的单机器人执行任务效率更高，完成效果更好。多机器人技术中，多机器人多任务分配问题一直是很大一个难点，多机器人多任务问题可以理解为同时有多个机器人、多项任务，如何将它们配对，使得各机器人完成各个任务的整体代价最小。

目前常用的分配方法包括全排列枚举法及蚁群算法，但是，全排列枚举法需要将m项任务m台机器人的所有配对方式都列举出来，然后针对每一种配对方式算出对应的代价，选择代价最小的分配方案，采用此方法，算法时间复杂度高，用时长，并不适用于大规模的多机器人多任务分配；

蚁群算法适合于“图”上的搜索问题，计算开销巨大，更适合于单机器人多任务问题的求解，用在多机器人多任务分配问题上效率极低，且蚁群算法容易陷入局部最优，并不是全局最优，即并不是全部方案中的最佳方案。

发明内容

针对现有技术中上述的不足，本发明的目的在于提供一种基于改进遗传算法的多机器人多任务分配方法及装置，本发明通过改进的遗传算法，对个体执行交叉、变异，能最大程度保留最优个体，能有效的保证输出的分配方案为最佳分配方案。

为了达到上述目的，本发明采用的解决方案是：

具体的，一种基于改进遗传算法的多机器人多任务分配方法，包括：

S1.建立机器人执行对应任务的消耗代价模型；

S2.构建初始种群，所述初始种群中包括N个染色体，N为偶数；所述初始种群中的每个染色体均包括与机器人数量对应的任务，且每个任务由不同的机器人完成；

S3.以当前初始种群中的染色体作为父代染色体进行基因交叉处理，生成与所述父代染色体一一对应的子代染色体并将所有父代染色体与所有所述子代染色体合并形成第二种群；

S4.通过预设淘汰方法淘汰掉所述第二种群中一半染色体，形成第三种群；

S5.对所述第三种群进行变异处理，生成第四种群，并以第四种群作为新的初始种群；

S6.根据所述消耗代价模型计算所述第四种群中每个染色体的代价值，获取代价值最小的染色体，执行步骤S3，直至满足收敛条件，输出最佳分配方案。

进一步的，所述消耗代价模型为，其中，M_j表示任务，Rob_i表示机器人，n表示一共有n对任务与对应机器人的组合，i＝j＝n；

其中，任务属于集合M＝{M₁,M₂,......,M_j}，机器人属于集合Rob＝{Rob₁,Rob₂,......,Rob_i}。