[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

说明书

本发明提供了一种面向智慧车间的多移动机器平台系统任务分配方法，通过建立智慧车间多移动机器平台系统的任务分配模型，利用贪婪策略使非支配集合中的较优解对各粒子的解进行更新，同时使用哈密顿优化算法消除子路径中的非哈密顿圈，从而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，时间成本是指多移动机器平台系统中各移动机器平台中的最长子路径，能耗成本指多移动机器平台系统在执行一次分配任务中的总路程。该方法在多移动机器平台系统的任务分配过程中能有效降低能耗成本和时间成本，降低多移动机器平台系统的任务时间，提高多移动机器平台系统的工作效率。

技术领域

本发明涉及智慧车间移动机器平台控制领域，具体为多目标优化的多移动机器平台系统任务分配方法。

技术背景

货物分拣与运输是智慧车间的重要环节，是未来社会物联网系统的重要组成部分。对于未来智慧车间，多移动机器平台系统能够通过协作，有效提高货物分拣效率，降低包裹搬运时间。但是，多移动机器平台系统在同一空间工作，容易产生任务干涉和冲突，从而导致死锁等难题。因此，多移动机器平台系统的任务分配是智慧车间的重要组成环节。

现阶段的多移动机器平台系统任务分配算法大都以最小化多移动机器平台系统总路径为首要目标，这导致每个移动机器平台的任务分配不均衡，最终导致分拣时发生有某几个移动机器平台长时间等待一个移动机器平台返回的情况，实际效率低下。也有以最小化多移动机器平台系统方差与最小化多移动机器平台系统总路径的线性组合为首要目标的组合单值函数优化(Single-Function-Optimization,SFO)算法，但该类算法存在线性组合权重选择困难、计算结果无法同时兼顾时间成本和能耗成本的缺点；也有以遗传算法为主要基础的多目标遗传优化算法，但是由于遗传算法本身具有种群过早收敛，容易丢失优质解及空间计算复杂度过大的缺点，实际中很少使用。因此需要设计一种能够兼具时间成本和能耗成本的算法。

发明内容

为了解决上述多移动机器平台系统任务分配算法的缺点，本专利提出了一种贪婪多目标粒子群算法的多移动机器平台系统任务分配算法，该方法通过利用贪婪策略，提高了粒子在解空间中的搜索范围，提高了算法搜索到最优解的概率，避免了遗传算法过早收敛的问题，并使用精英库机制通过用一个额外的非劣解集合记录非劣解，避免了优质解的丢失，并使用哈密顿优化算法消除了非劣解中的非哈密顿回路，进一步降低了各机器人任务路径的长度，保证了多移动机器平台系统任务分配的高效性和科学性，且增加了一个用于评价非支配解最优性的指标，用来从备选解中选择较优非支配解。同时本发明在多移动机器平台系统的任务分配问题中兼顾多移动机器平台系统的时间成本和能耗成本，可以更系统地解决多移动机器平台系统中的任务分配问题，提高任务分配结果的科学性和合理性。

为了达到上述目的，本发明提出面向智慧车间的多移动机器平台系统任务分配方法，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；其中时间成本表示为多移动机器平台系统中各移动机器平台总路径的最大子路径值，能耗成本函数表示为多移动机器平台系统的总路径长度。

(2)、通过模型建立基于贪婪多目标粒子群算法，采用带有精英库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。

建立智慧车间多移动机器平台系统的任务分配模型：

对于给定阶为N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V进行遍历，使得除出发点vn∈V以外的所有节点均有且仅有一个移动机器平台通过，且路径之和最小，各移动机器平台路径最大子路径最小。综上所述，对于此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；