[发明专利]一种基于遗传算法的多智能车避撞路径规划的方法

摘要

本发明提供一种基于遗传算法的多智能车避撞路径规划的方法，涉及智能车导航技术领域。步骤如下：步骤1:获取小车的信息；步骤2：建立染色体组；步骤3：对染色体进行交叉变异得到染色体组M；步骤4：对染色体归并排序得到任务序列；遍历染色体组M中的每一个染色体个体，进行避撞路径规划得到总路径集合U；步骤5：当小车完成任务后规划到缓冲区中；步骤6：将每辆小车的运行距离的倒数之和设置为该染色体个体的适应度；判断是否进化次数达到最小进化次数且适应度稳定不变或者进化次数到达最大进化次数，若是则输出路径规划方案；若否重新选取染色体组后执行步骤3。本方法加快了算法的计算效率，有助于对新型复杂的物流搬运方法的研究。

主权项

1.一种基于遗传算法的多智能车避撞路径规划的方法，其特征在于：包括如下步骤：步骤1:获取小车行驶的地图、任务数量、以及人为设定小车的数量、小车的初始位置和小车速度的最大值，将地图转化为邻接矩阵；所述地图为线状的双向行驶干道，在地图上设有缓冲区并且在每条干道上都设有n个节点；每个节点包括占用时间窗和空闲时间窗，占用时间窗表示为在一段时间内该节点被某一辆小车所占用，占用时间窗组包括所有节点的占用时间窗；空闲时间窗表示在某一段时间内该节点未被小车占用，空闲时间窗组包括所有节点的空闲时间窗；所述任务由地图上的一个起始节点和一个终止节点所组成；步骤2：根据遗传方法，依照得到的任务数量建立对应的染色体组；采用Java自带的随机数工具类，生成一个长度为任务数量的，每个位置为0到1之间的随机数的数组，以此作为用于分配任务的染色体；根据人为设定的初始染色体数量，随机生成该数量的染色体，组成染色体组Q；步骤3：对产生的染色体组的个体进行交叉和变异处理，得到新的染色体组M；交叉处理采用的是基本的两点交叉法，根据交叉率在染色体组中选择任意的两个染色体对其中一个位置进行截断，然后两个数组进行交叉交换，生成新的两个个体；所述交叉率是每一次交叉都将随机生成0‑1的随机数作为交叉率；所述变异是对所有新生成的染色体生成0到1的随机数，达到变异率的数组再随机生成新的染色体；所述染色体组M由染色体组Q内的所有染色体和经过交叉和变异后的新生成的染色体组成；步骤4：对染色体组M中的每一个染色体个体进行如下操作：对染色体采用归并排序，得到一个任务序列；对于每一个任务，根据当前车辆最早开始任务的时间，选出最早能执行任务的车辆进行避撞路径规划，按照任务顺序将当前数组中所有任务都进行避撞路径规划，规划每一个小车从起始点到终止点的路径，根据迪杰斯特拉方法对每一个点到点的路径进行规划，得到小车的常规路径，在每一条路径规划之后，将路径规划过程中的所有数据储存至历史数据库中，最终得到序列路径规划集合x，遍历染色体组M中的每一个染色体个体，得到总路径集合U＝{x₁、x₂、…、x_m}，其中m代表序列路径规划集合的编号；步骤5：当小车完成任务之后，执行步骤4.2到4.6将其规划到缓冲区中，将其规划到缓冲区中，根据先后到达的时间顺序，将小车引导入不同深度的区域；所述缓冲区的两个点连接着地图作为进出点；步骤6：将每辆小车的运行距离的倒数之和设置为该染色体个体的适应度；判断是否进化次数达到人为设定的最小进化次数且适应度稳定不变或者进化次数到达人为设定的最大进化次数，若是，则跳出循环，选取当前染色体组中的适应度最高的个体的任务分配方式以及小车的路径规划作为输出逇路径规划方案；若否，则根据其适应度的大小比例，让染色体组Q中的所有染色体个体占有0到1之间的一块数段，随机数生成0到1之间的数，根据其所在数段，留下与其数段相对应的染色体，以此重复选择K次，其中K代表染色体组Q中的染色体总数，留下非重复的个体组成新的染色体组，从而淘汰掉适应度低下的个体，并且选取出适应度最大的优秀个体作为精英个体加入到染色体组中，组成迭代染色体组其中σ为迭代次数；执行步骤3。