[发明专利]基于遗传算法的取货路径优化方法、装置及系统

权利要求书

1.基于遗传算法的取货路径优化方法，其特征在于，其包括：

获取模型数据，所述模型数据包括货物编码库、目标货物数以及适应度函数；

利用遗传算法进行进化运算，并以进化过程中适应度最大的染色体所对应的货物编码作为最优解输出；

其中，所述货物编码库包含所有待取货物的货物编码，所述适应度函数中的适应度与行驶路径的总长度、中途停止再启动次数、改变行驶方向次数以及需要在高速通道中行驶的距离这四者中的一者或多者反相关；所述染色体为对应于所述目标货物数的待取货物的货物编码的组合；所述行驶路径为经过所述染色体对应的所有所述待取货物并以分拣工作站为终点的路径。

2.根据权利要求1所述的基于遗传算法的取货路径优化方法，其特征在于，所述适应度函数具体为：Fitness = INTEGER.MAX_VALUE - (d * k_d + s * k_s + t * k_t + h *k_h)；

其中：Fitness-适应度；INTEGER.MAX_VALUE-计算机语言中所能支持的最大整型值；d-行驶路线的总长度； k_d -对应于d的调节参数；s-中途停止再启动次数；k_s-对应于s的调节参数；t-改变行驶方向次数；k_t -对应于t的调节参数；h-需要在高速通道中行驶的距离；k_h-对应于h的调节参数。

3.根据权利要求1所述的基于遗传算法的取货路径优化方法，其特征在于，所述利用遗传算法进行进化运算，并以进化过程中适应度最大的染色体所对应的货物编码作为最优解输出包括：

获取群体；所述群体由第一数量的个体构成，每个所述个体对应于一种染色体；

根据所述适应度函数计算所述群体中每个所述个体的适应度；

选择适应度最高的第二数量的所述个体作为优秀染色体组；

从所述群体中选择第三数量的个体进行两两随机组合，形成多组个体组合，所述第二数量与所述第三数量的和等于第一数量；

对每组所述个体组合进行交叉运算，每组所述个体组合产生2个第一子代个体，每个所述第一子代个体对应于一个子代染色体；

对每个所述子代染色体进行变异运算，形成第二子代个体，每个所述第二子代个体对应于一个新子代染色体；

判断是否达到终止条件，是则停止计算并以进化过程中适应度最大的染色体所对应的货物编码作为最优解输出；否则将所有的所述新子代染色体与所述优秀染色体组组合成新的群体。

4.根据权利要求3所述的基于遗传算法的取货路径优化方法，其特征在于，构成每组所述个体组合的两个染色体分别作为父染色体与母染色体；所述对每组所述个体组合进行交叉运算包括：

利用选择算法生成所述子代染色体的每一个基因；

其中，在生成所述子代染色体的第i位基因时，所述选择算法包括：

通过随机数生成器，取一个在0和1之间的随机浮点数；

判断所述随机浮点数相比于0.5的大小关系；

当所述随机浮点数小于等于0.5，取父染色体的第i位基因作为子代的第i位基因；

当所述随机浮点数大于0.5，取母染色体的第i位基因作为子代的第i位基因。

5.根据权利要求3所述的基于遗传算法的取货路径优化方法，其特征在于，所述对每个所述子代染色体进行变异运算，形成第二子代个体包括：

利用变异算法生成所述新子代染色体的每一个基因；

其中，在生成所述新子代染色体的第i位基因时，所述变异算法包括：

通过随机数生成器，取一个在0和1之间的随机浮点数；

判断所述随机浮点数相比于预设变异概率的大小关系；

当所述随机浮点数小于等于预设变异概率，则把第i位基因的值进行取反；

当所述随机浮点数大于预设变异概率，则维持第i位基因的值不变。