[发明专利]一种面向智慧车间的多移动机器平台系统任务分配方法

权利要求书

1.一种面向智慧车间的多移动机器平台系统任务分配方法，其特征在于包括如下步骤：

(1)、建立智慧车间多移动机器平台系统的任务分配模型，设计时间成本函数和能耗成本函数；

(2)、通过模型建立基于贪婪多目标粒子群算法，采用带有精英机制框架和贪婪策略的粒子群算法进行求解；

(3)、实现对多移动机器平台系统任务分配的时间成本和能耗成本进行优化；

所述步骤(1)的任务分配模型的建立步骤如下：

设定能耗成本表示为多移动机器平台系统的总路径长度，时间成本表示为多移动机器平台系统中各移动机器平台的最大子路径；其具体模型如下：

对于给定N个取货点的图G＝{V，E}，其中V为取货点集合，E为该图的边集，安排m个移动机器平台对取货点集合V进行遍历，使得除出发点v_n∈V以外的所有取货点均有且仅有一个移动机器平台通过，且路径之和最小，各移动机器平台最大子路径最小；对于多目标任务分配问题，有如下优化目标：

式中：S：所有移动机器平台路径总长度；

S_i：第i个移动机器平台的路径总长度；

式中(1)两优化目标在作为特征信息描述时记为F＝(f¹，f²)

其中S_i是根据第i个移动机器平台的路径T_i＝{U_i，E_i}计算的路径总距离，其数值为按照图G的邻接矩阵D(G)计算的路径序列节点距离之和，其中U_i是由移动机器平台i负责的取货点集合，E_i是由U_i组成的首尾相连的边集，即：

其中d_uv表示从节点u到节点v的距离，其数值为邻接矩阵D(G)第u行v列的元素值；

对多移动机器平台任务分配方法具体描述为：所有移动机器平台必须从指定起点出发，且对其他所有节点严格访问一次后返回起点v_n；即对于除出发点以外的点集U＝V\{v_n}有：

且每组有效解必须包含m条平凡子路径，即：

公式(2)-(4)构成了问题的约束条件；

所述步骤(2)中的精英机制框架的特征为：算法内存在一个用来存储帕累托解集的集合B，并在每次粒子更新解信息时，将获得的新帕累托解存放在精英集合B中，并在算法结束时将自身的帕累托解集作为算法的最终解返回，所述贪婪策略的特征为：每个粒子每次根据自身帕累托解集中的解和领航者信息更新自己时，将所得解均添加至自身帕累托解集合，并在后续算法中删除帕累托解集中的冗余解，将当前优质解保留至精英库；所述步骤(2)中的粒子群，采用断点标记法对算法的解进行编码，其步骤如下：

(4-1)、将集合V中的非起始点标记为1，2，...n-1，将起始点标记为n，并添加m-2个断点并将其编号为n+1，n+2...n+m-2；

(4-2)、将断点n+1，n+2...n+m-2与1，2...n组合为粒子解信息，并在计算S时候将编号为n+1...n+m-2的节点指向起点O，从而将问题转化为旅行商问题(TSP)进行求解；

(4-3)、为防止n+1...n+m-2前后相连，保证每条移动机器平台路径均为平凡子路径，在G的邻接矩阵D中应有d_nn＝∞，以保证迭代过程中断点相连的解被排除；

所述步骤(2)中粒子群算法，采用贪婪策略以保证算法的有效搜索空间，其方法如下：

(5-1)、初始化一个全局帕累托解集P_g用于存储所有粒子获得的非劣解，并向粒子群中每个粒子i添加一个初始为空的帕累托解集P_i用于存储该粒子获得的非劣解；

(5-2)、实际迭代时，粒子根据自身的帕累托解集P_i中的各个解信息x_i∈P_i和全局帕累托解集合P_g中随机选择的一个非劣解信息更新自身解参数，将得到的新解x_t通过哈密顿优化进行优化，并将得到的优化解和该优化解对应的特征信息F＝(f¹，f²)存储在自身的帕累托解集P_i中，帕累托解集P_i的解数量通过快速非支配排序算法加以限制。