本發(fā)明涉及自動(dòng)搬運(yùn)小車(chē)控制方法技術(shù)領(lǐng)域，尤其涉及一種基于遺傳算法的自動(dòng)搬運(yùn)小車(chē)調(diào)度控制方法。

背景技術(shù)：

自動(dòng)化立體倉(cāng)庫(kù)的輸送系統(tǒng)一般分為三種：(1)直行軌道式：在一條直線軌道上有一個(gè)或者多個(gè)自動(dòng)搬運(yùn)小車(chē)(AGV)進(jìn)行往復(fù)運(yùn)動(dòng)；(2)分段式：有若干條軌道，每個(gè)AGV在固定的軌道上運(yùn)行；(3)環(huán)形軌道式：有多個(gè)AGV在一條環(huán)形軌道上運(yùn)行。前兩種輸送系統(tǒng)設(shè)計(jì)制造和AGV調(diào)度比較簡(jiǎn)單，但是在大物流量下效率比較低，不能滿(mǎn)足現(xiàn)實(shí)的要求。在大物流量下，即在部分時(shí)間里AGV的數(shù)量都是小于出入貨任務(wù)的數(shù)量時(shí)，如何高效的調(diào)度第三種輸送系統(tǒng)中的多個(gè)AGV很難做到。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于遺傳算法的自動(dòng)搬運(yùn)小車(chē)調(diào)度控制方法，所述方法運(yùn)用基于遺傳算法的多AGV動(dòng)態(tài)調(diào)度方法，能夠使自動(dòng)化立體倉(cāng)庫(kù)有大物流量的出入貨任務(wù)時(shí)，得到一個(gè)優(yōu)化的調(diào)度多個(gè)AGV運(yùn)送出入貨任務(wù)方案，減少AGV的堵塞和空跑，提高輸送系統(tǒng)的效率。

為解決上述技術(shù)問(wèn)題，本發(fā)明所采取的技術(shù)方案是：一種基于遺傳算法的自動(dòng)搬運(yùn)小車(chē)調(diào)度控制方法，其特征在于包括如下步驟：

1)建立自動(dòng)化立體倉(cāng)庫(kù)數(shù)學(xué)模型；

2)在采用分組策略運(yùn)送出入貨任務(wù)的基礎(chǔ)上，運(yùn)用基本遺傳算法對(duì)建立的模型求解；對(duì)基本遺傳算法的遺傳操作進(jìn)行改進(jìn)，使自動(dòng)搬運(yùn)小車(chē)運(yùn)輸路徑長(zhǎng)度得到縮短。

進(jìn)一步的技術(shù)方案在于：所述的步驟1)中采用eM-Plant對(duì)整個(gè)自動(dòng)化立體倉(cāng)庫(kù)進(jìn)行建模。

進(jìn)一步的技術(shù)方案在于：在建立步驟1)中所述的數(shù)學(xué)模型進(jìn)行路徑規(guī)劃時(shí)，采用拓?fù)浞▽?duì)AGV所處自由空間進(jìn)行描述，其在構(gòu)造規(guī)劃空間時(shí)使用下述假設(shè)：

1)自動(dòng)搬運(yùn)小車(chē)AGV在二維平面環(huán)境中運(yùn)動(dòng)；

2)規(guī)劃環(huán)境的邊界及障礙物可用凸多邊形；

3)基于對(duì)自動(dòng)搬運(yùn)小車(chē)AGV大小的考慮，可對(duì)規(guī)劃環(huán)境的邊界適當(dāng)縮小，對(duì)障礙物的范圍適當(dāng)擴(kuò)大，AGV用點(diǎn)來(lái)表示。

進(jìn)一步的技術(shù)方案在于：通過(guò)如下方法進(jìn)行自動(dòng)搬運(yùn)小車(chē)AGV路徑的規(guī)劃：

首先，用直線為鏈接線劃分規(guī)劃空間為凸多邊形區(qū)域；

其次，將各鏈接線的中點(diǎn)設(shè)置為可能的路徑節(jié)點(diǎn)；

再次，相互連接各凸多邊形區(qū)域內(nèi)的所有可能路徑點(diǎn)；

最后，將自動(dòng)搬運(yùn)小車(chē)AGV移動(dòng)時(shí)的起點(diǎn)和終點(diǎn)分別連接到所在凸多邊形區(qū)域的各個(gè)可能路徑點(diǎn)上。

進(jìn)一步的技術(shù)方案在于：應(yīng)用Matlab模擬，自動(dòng)搬運(yùn)小車(chē)AGV工作環(huán)境采用直角坐標(biāo)法表示，設(shè)置AGV起點(diǎn)坐標(biāo)為(0，0)，終點(diǎn)坐為(100，100)，障礙物采用頂點(diǎn)坐標(biāo)向量(X，Y)表示，坐標(biāo)排列為逆時(shí)針?lè)较颉?/p>

進(jìn)一步的技術(shù)方案在于：設(shè)置節(jié)點(diǎn)時(shí)采用兩種方法，一種方法是取各障礙物對(duì)環(huán)境邊界的垂線中點(diǎn)，另一種方法是取障礙物頂點(diǎn)連線的中點(diǎn)為節(jié)點(diǎn)；依據(jù)鄰接矩陣，繪制網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，當(dāng)D(i，j)＝1時(shí)，對(duì)應(yīng)節(jié)點(diǎn)有連線鏈接，當(dāng)D(i，j)＝0時(shí)，對(duì)應(yīng)節(jié)點(diǎn)沒(méi)有連線，如此，得到拓?fù)浣Y(jié)構(gòu)圖。

進(jìn)一步的技術(shù)方案在于：在求解自動(dòng)搬運(yùn)小車(chē)AGV路徑時(shí)，先用Floyd算法求拓?fù)鋱D的最短路徑，得到可行路徑點(diǎn)再用遺傳算法來(lái)調(diào)整各個(gè)可行路徑點(diǎn)，得到最優(yōu)的或近似最優(yōu)的行走路徑。

進(jìn)一步的技術(shù)方案在于：所述的采用Floyd算法求拓?fù)鋱D的最短路徑的方法如下：

首先，為圖中連接線設(shè)置權(quán)值，設(shè)節(jié)點(diǎn)V_i(X_i，Y_i)、節(jié)點(diǎn)V_j(X_j，Y_j)，如果從節(jié)點(diǎn)V_i到節(jié)點(diǎn)V_j有路可達(dá)，則鄰接矩陣D(i，j)的權(quán)值設(shè)置為

否則，D(i,j)＝0

其次，定義一個(gè)矩G陣用來(lái)記錄節(jié)點(diǎn)的信息，G(i，j)表示從節(jié)點(diǎn)V_i到節(jié)點(diǎn)V_j需要經(jīng)過(guò)的點(diǎn)，初始化G(i，j)＝j(luò)；

再次，把各個(gè)節(jié)點(diǎn)插入到圖中，比較插點(diǎn)后的距離與原來(lái)的距離，

D(i,j)＝min(D(i,j),D(i,k)+D(k,j)) (2)

如果D(i,j)的值變小，則G(i,j)＝k；

在D中包含有兩點(diǎn)之間最短道路的信息，而在G中則包含了最短通路徑的信息。

進(jìn)一步的技術(shù)方案在于：采用遺傳算法來(lái)調(diào)整各個(gè)可行路徑點(diǎn)，得到最優(yōu)的或近似最優(yōu)的行走路徑的方法如下：

1)路徑編碼方法

假設(shè)通過(guò)Floyd算法已找到了圖中的最短路徑p₀、p₁、p₂…p_n，其中p₀為路徑起點(diǎn)，p_n為路徑終點(diǎn)；需要對(duì)p_i(i＝1,2,...n-1)的位置進(jìn)行調(diào)整，從而得到自動(dòng)搬運(yùn)小車(chē)AGV在規(guī)劃空間中的最優(yōu)或近似最優(yōu)的行走路徑；

對(duì)于p_i點(diǎn)，讓它在由p_i1，p_i2設(shè)兩點(diǎn)所組成的直線段上變動(dòng)，其具體位置可由下述參數(shù)方程式中的t_i來(lái)決定:

p_i＝p_i1+t_i(p_i2-p_i1) (3)

對(duì)每一個(gè)路徑點(diǎn)都這樣處理后，這些新的路徑點(diǎn)就組成了一條新的行走路徑；對(duì)于一條新的調(diào)整后的路徑，由n個(gè)取值在[0，1]，范圍內(nèi)的t_i值的排列來(lái)唯一的表示其各個(gè)路徑點(diǎn)的新位置，即確定了這條路徑；

2)目標(biāo)函數(shù)和適應(yīng)函數(shù)

適應(yīng)度函數(shù)分別由路徑長(zhǎng)度、平滑度以及間接度三個(gè)目標(biāo)函數(shù)組成；

路徑長(zhǎng)度函數(shù)：對(duì)于有n個(gè)節(jié)點(diǎn)的路徑，共由n-1條路徑分段組成；計(jì)算節(jié)點(diǎn)p_i與p_i+1之間的長(zhǎng)度并疊加，公式表示如下：

平滑度函數(shù):平滑度指的是路徑段與路徑段之間的偏轉(zhuǎn)角度少θ的大小，即自動(dòng)搬運(yùn)小車(chē)AGV行走時(shí)的偏轉(zhuǎn)方向，計(jì)算公式表示如下:

其中，S為規(guī)劃場(chǎng)景面積，o_s為所有障礙物的所占面積；

間隔度：間隔度是指路徑與障礙物之間的距離，計(jì)算每個(gè)路徑段離障礙物的最短距離g_i；

其中，_τ為理想間距值；

以上三個(gè)式子根據(jù)各自權(quán)重求和得到可行路徑的適應(yīng)度函數(shù)，表示為以下式子：

f(s)＝ω_d·dist(s)+ω_s·smooth(s)+ω_c·clear(s) (7)。

進(jìn)一步的技術(shù)方案在于：遺傳算子的計(jì)算方法如下：

選擇算子采用比例選擇算子，使個(gè)體按照與適應(yīng)度成正比的概率向下一代群體繁殖，選擇方法是轉(zhuǎn)盤(pán)輪賭選擇法；

交叉算子：首先，交叉是以一定的概率，在變長(zhǎng)的染色體中隨機(jī)選擇一個(gè)除起始點(diǎn)與目標(biāo)點(diǎn)以外的轉(zhuǎn)向點(diǎn)，這個(gè)轉(zhuǎn)向點(diǎn)就作為交叉點(diǎn)，把整個(gè)路徑分成了兩個(gè)路徑段。然后選擇兩個(gè)父代染色體，相互交換交叉點(diǎn)后面的路徑段，這樣就產(chǎn)生了兩個(gè)子代染色體；

變異算子：選擇之后是子代的變異保證了遺傳算法的有效性，它是一種局部隨機(jī)搜索，與選擇算子結(jié)合在一起，使遺傳算法具有局部的隨機(jī)搜索能力，并對(duì)路徑中的不理想路段進(jìn)行變異可以提高算法效率，同時(shí)使得遺傳算法保持種群的多樣性，以防止出現(xiàn)非成熟收斂可行路徑的概率很大。

采用上述技術(shù)方案所產(chǎn)生的有益效果在于：所述方法通過(guò)使用基于遺傳算法的多AGV動(dòng)態(tài)調(diào)度方法，能夠使自動(dòng)化立體倉(cāng)庫(kù)有大物流量的出入貨任務(wù)時(shí)，得到一個(gè)優(yōu)化的調(diào)度多個(gè)AGV運(yùn)送出入貨任務(wù)方案，減少AGV的堵塞和空跑，提高輸送系統(tǒng)的效率。

附圖說(shuō)明

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。

圖1是本發(fā)明實(shí)施例中Holland的遺傳算法的流程圖；

圖2是本發(fā)明實(shí)施例變異算子1變異前的路徑示意圖；

圖3是本發(fā)明實(shí)施例變異算子1變異后的路徑示意圖；

圖4是本發(fā)明實(shí)施例變異算子2變異前的路徑示意圖；

圖5是本發(fā)明實(shí)施例變異算子2變異后的路徑示意圖。

具體實(shí)施方式

下面結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明的一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明，但是本發(fā)明還可以采用其他不同于在此描述的其它方式來(lái)實(shí)施，本領(lǐng)域技術(shù)人員可以在不違背本發(fā)明內(nèi)涵的情況下做類(lèi)似推廣，因此本發(fā)明不受下面公開(kāi)的具體實(shí)施例的限制。

在自動(dòng)化立體倉(cāng)庫(kù)中，輸送系統(tǒng)連接多層貨架和外部物料運(yùn)送工具，其效率對(duì)整個(gè)自動(dòng)化立體倉(cāng)庫(kù)至關(guān)重要。本發(fā)明對(duì)輸送系統(tǒng)中多個(gè)AGV的動(dòng)態(tài)調(diào)度問(wèn)題進(jìn)行研究，建立起貨物配送效率與配送資源間的數(shù)學(xué)模型與核心算法，并通過(guò)仿真與持續(xù)的算法優(yōu)化分析，構(gòu)建出自動(dòng)化立體倉(cāng)庫(kù)高效的輸送系統(tǒng)，實(shí)現(xiàn)多個(gè)搬運(yùn)AGV系統(tǒng)的智能調(diào)度與協(xié)作。

本發(fā)明公開(kāi)了一種基于遺傳算法的自動(dòng)搬運(yùn)小車(chē)調(diào)度控制方法，所述方法主要采用如下步驟：

1)自動(dòng)化立體倉(cāng)庫(kù)數(shù)學(xué)建模：對(duì)多個(gè)AGV動(dòng)態(tài)調(diào)度中的關(guān)鍵問(wèn)題進(jìn)行了分析，在此基礎(chǔ)上采用eM-Plant對(duì)整個(gè)自動(dòng)化立體倉(cāng)庫(kù)進(jìn)行建模，以利用仿真技術(shù)對(duì)多個(gè)AGV動(dòng)態(tài)調(diào)度做進(jìn)一步的研究。

2)運(yùn)用基本遺傳算法進(jìn)行求解：在采用分組策略運(yùn)送出入貨任務(wù)的基礎(chǔ)上，運(yùn)用基本遺傳算法對(duì)建立的模型求解，同時(shí)提出了一種實(shí)用的二維編碼方法，得到一個(gè)優(yōu)化的調(diào)度多個(gè)AGV運(yùn)送出入貨任務(wù)方案，并把仿真結(jié)果與采用先來(lái)先服務(wù)方法求解模型得到的仿真結(jié)果進(jìn)行了對(duì)比，驗(yàn)證基本遺傳算法求解模型的有效性。

3)改進(jìn)并優(yōu)化求解：對(duì)基本遺傳算法的遺傳操作進(jìn)行了改進(jìn)，通過(guò)對(duì)比運(yùn)用改進(jìn)的遺傳和運(yùn)用基本遺傳算法求解模型得到的仿真結(jié)果，驗(yàn)證了改進(jìn)的遺傳算法的有效性。

具體方法如下：

1)空間拓?fù)浣?/p>

進(jìn)行路徑規(guī)劃時(shí)，首先必須對(duì)AGV所處自由空間進(jìn)行描述，即進(jìn)行規(guī)劃空間建模。拓?fù)鋱D法是自由空間建模中的一種比較好的方法，其在構(gòu)造規(guī)劃空間時(shí)使用了下述假設(shè)：

(1)AGV在二維平面環(huán)境中運(yùn)動(dòng)。

(2)規(guī)劃環(huán)境的邊界及障礙物可用凸多邊形。

(3)基于對(duì)AGV大小等的考慮，可對(duì)規(guī)劃環(huán)境的邊界適當(dāng)縮小，對(duì)障礙物的范圍適當(dāng)擴(kuò)大，AGV用點(diǎn)來(lái)表示。

首先，用直線為鏈接線劃分規(guī)劃空間為凸多邊形區(qū)域。

其次，將各鏈接線的中點(diǎn)設(shè)置為可能的路徑節(jié)點(diǎn)。

再次，相互連接各凸多邊形區(qū)域內(nèi)的所有可能路徑點(diǎn)。

最后，將機(jī)器人移動(dòng)時(shí)的起點(diǎn)和終點(diǎn)分別連接到所在凸多邊形區(qū)域的各個(gè)可能路徑點(diǎn)上。

應(yīng)用Matlab模擬，AGV工作環(huán)境采用直角坐標(biāo)法表示，設(shè)置AGV起點(diǎn)坐標(biāo)為(0，0)，終點(diǎn)坐為(100，100)。障礙物采用頂點(diǎn)坐標(biāo)向量(X，Y)表示，坐標(biāo)排列為逆時(shí)針?lè)较?。如X＝[15，20，20，15，15]，Y＝[85，85，65，65，85]，表示障礙的頂點(diǎn)為(15，85)，(20，85)，(20，65)，(15，85)。

繪制障礙物代碼如下：

Fill([15，20，20，15，15]，[85，85，65，65，85]，[0.4，0.4，0.4])；

Plot([15，20，20，15，15]，[85，85，65，65，85]，’-k’)；

Fill([20，40，40，20，20]，[40，40，30，30，40]，[0.4，0.4，0.4])；

Plot([20，40，40，20，20]，[40，40，30，30，40]，’-k’)；

Fill([45，50，50，45，45]，[85，85，50，50，85]，[0.4，0.4，0.4])

Plot([45，50，50，45，45]，[85，85，50，50，85]，’-k’)；

Fill([75，85，80，70，65，75]，[90，85，70，70，85，90]，[0.4，0.4，0.4])；

Plot([75，85，80，70，65，75]，[90，85，70，70，85，90]，’-k’)；

Fill([65，85，85，65，65]，[40，40，15，15，40]，[0.4，0.4，0.4])；

Plot([65，85，85，65，65]，[40，40，15，15，40]，’-k’)；

設(shè)置節(jié)點(diǎn)時(shí)采用兩種方法，一種方法是取各障礙物對(duì)環(huán)境邊界的垂線中點(diǎn)，另一種方法是取障礙物頂點(diǎn)連線的中點(diǎn)為節(jié)點(diǎn)。

依據(jù)鄰接矩陣，繪制網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。當(dāng)D(i，j)＝1時(shí)，對(duì)應(yīng)節(jié)點(diǎn)有連線鏈接，當(dāng)D(i，j)＝0時(shí)，對(duì)應(yīng)節(jié)點(diǎn)沒(méi)有連線，如此，得到拓?fù)浣Y(jié)構(gòu)圖。

2)基于遺傳算法路徑規(guī)劃設(shè)計(jì)

經(jīng)過(guò)上述步驟1)空間建模之后，機(jī)器人路徑規(guī)劃問(wèn)題轉(zhuǎn)化為網(wǎng)絡(luò)拓?fù)鋱D的最短路徑問(wèn)題，可以采用圖論中的已有成熟算法求解(如Floyd算法)。但需要注意的是，以上所求出的最短路徑只是拓?fù)鋱D的最短路徑，它使用了走各連線中點(diǎn)的條件。由上述構(gòu)造拓?fù)鋱D的假設(shè)可知，障礙物已經(jīng)進(jìn)行了適當(dāng)?shù)財(cái)U(kuò)大，所以機(jī)器人可以沿著其邊界行走。由于障礙物的形狀、位置等限制，以上產(chǎn)生的最短路徑就不一定是整個(gè)規(guī)劃空間中的最優(yōu)路徑。但是在此基礎(chǔ)上對(duì)其各個(gè)路徑點(diǎn)進(jìn)行調(diào)整，可以得到質(zhì)量更好的路徑。結(jié)合Floyd算法和遺傳算法，提出的求解機(jī)器人路徑規(guī)劃問(wèn)題的基本思想是先用算法求拓?fù)鋱D的最短路徑，得到可行路徑點(diǎn)再用遺傳算法來(lái)調(diào)整各個(gè)可行路徑點(diǎn)，得到最優(yōu)的或近似最優(yōu)的行走路徑。

(1)采用Floyd算法求拓?fù)鋱D的最短路徑的方法如下：

首先，為圖中連接線設(shè)置權(quán)值，設(shè)節(jié)點(diǎn)V_i(X_i，Y_i)、節(jié)點(diǎn)V_j(X_j，Y_j)，如果從節(jié)點(diǎn)V_i到節(jié)點(diǎn)V_j有路可達(dá)，則鄰接矩陣D(i，j)的權(quán)值設(shè)置為

否則，D(i,j)＝0

其次，定義一個(gè)矩G陣用來(lái)記錄節(jié)點(diǎn)的信息，G(i，j)表示從節(jié)點(diǎn)V_i到節(jié)點(diǎn)V_j需要經(jīng)過(guò)的點(diǎn)，初始化G(i，j)＝j(luò)；

再次，把各個(gè)節(jié)點(diǎn)插入到圖中，比較插點(diǎn)后的距離與原來(lái)的距離，

D(i,j)＝min(D(i,j),D(i,k)+D(k,j)) (2)

如果D(i,j)的值變小，則G(i,j)＝k；

在D中包含有兩點(diǎn)之間最短道路的信息，而在G中則包含了最短通路徑的信息。

(2)采用遺傳算法來(lái)調(diào)整各個(gè)可行路徑點(diǎn)，得到最優(yōu)的或近似最優(yōu)的行走路徑。

I.路徑編碼方法

假設(shè)通過(guò)Floyd算法已找到了圖中的最短路徑p₀、p₁、p₂…p_n，其中p₀為路徑起點(diǎn)，p_n為路徑終點(diǎn)；需要對(duì)p_i(i＝1,2,...n-1)的位置進(jìn)行調(diào)整，從而得到自動(dòng)搬運(yùn)小車(chē)AGV在規(guī)劃空間中的最優(yōu)或近似最優(yōu)的行走路徑；

對(duì)于p_i點(diǎn)，讓它在由p_i1，p_i2設(shè)兩點(diǎn)所組成的直線段上變動(dòng)，其具體位置可由下述參數(shù)方程式中的t_i來(lái)決定:

p_i＝p_i1+t_i(p_i2-p_i1) (3)

對(duì)每一個(gè)路徑點(diǎn)都這樣處理后，這些新的路徑點(diǎn)就組成了一條新的行走路徑；對(duì)于一條新的調(diào)整后的路徑，由n個(gè)取值在[0，1]，范圍內(nèi)的t_i值的排列來(lái)唯一的表示其各個(gè)路徑點(diǎn)的新位置，即確定了這條路徑；

Ⅱ.目標(biāo)函數(shù)和適應(yīng)函數(shù)

適應(yīng)度函數(shù)分別由路徑長(zhǎng)度、平滑度以及間接度三個(gè)目標(biāo)函數(shù)組成；

路徑長(zhǎng)度函數(shù)：對(duì)于有n個(gè)節(jié)點(diǎn)的路徑，共由n-1條路徑分段組成；計(jì)算節(jié)點(diǎn)p_i與p_i+1之間的長(zhǎng)度并疊加，公式表示如下：

平滑度函數(shù):平滑度指的是路徑段與路徑段之間的偏轉(zhuǎn)角度少θ的大小，即自動(dòng)搬運(yùn)小車(chē)AGV行走時(shí)的偏轉(zhuǎn)方向，計(jì)算公式表示如下:

其中，S為規(guī)劃場(chǎng)景面積，o_s為所有障礙物的所占面積；

間隔度：間隔度是指路徑與障礙物之間的距離，計(jì)算每個(gè)路徑段離障礙物的最短距離g_i；

其中，_τ為理想間距值；

以上三個(gè)式子根據(jù)各自權(quán)重求和得到可行路徑的適應(yīng)度函數(shù)，表示為以下式子：

f(s)＝ω_d·dist(s)+ω_s·smooth(s)+ω_c·clear(s) (7)。

Holland的遺傳算法

Holland的遺傳算法被為基本遺傳算法,采用二進(jìn)制編碼,使用選擇、交叉、變異二種遺傳算子和基十適應(yīng)度比例的選擇策略,Holland的遺傳算法的流程圖如圖1所示。

基本步驟為:

STEP1:隨機(jī)產(chǎn)生各個(gè)體構(gòu)成初始群體。

STEP2:根據(jù)適應(yīng)度函數(shù)計(jì)算當(dāng)前群體中各個(gè)體的適應(yīng)度。

STEP3:判斷算法終止條件是否滿(mǎn)足,若滿(mǎn)足則轉(zhuǎn)。

STEP4:根據(jù)各個(gè)體的適應(yīng)度函數(shù)執(zhí)行選擇操作。

STEP5:按交叉概率執(zhí)行交叉操作。

STEP6:按變異概率執(zhí)行變異操作。

STEP7:若已得到由個(gè)新個(gè)體構(gòu)成的新一代群體,則轉(zhuǎn)第二步,否則轉(zhuǎn)第四步。

STEP8:輸出搜索結(jié)果,終止。

III.遺傳算子

選擇算子采用比例選擇算子，使個(gè)體按照與適應(yīng)度成正比的概率向下一代群體繁殖。選擇方法是轉(zhuǎn)盤(pán)輪賭選擇法。

交叉算子：首先，交叉是以一定的概率，在變長(zhǎng)的染色體中隨機(jī)選擇一個(gè)除起始點(diǎn)與目標(biāo)點(diǎn)以外的轉(zhuǎn)向點(diǎn)，這個(gè)轉(zhuǎn)向點(diǎn)就作為交叉點(diǎn)，把整個(gè)路徑分成了兩個(gè)路徑段。然后選擇兩個(gè)父代染色體，相互交換交叉點(diǎn)后面的路徑段，這樣就產(chǎn)生了兩個(gè)子代染色體。在不同父代中選擇不同的交叉點(diǎn)，可以增加染色體長(zhǎng)度的差異性，并且有利于擴(kuò)大解空間的范圍和最優(yōu)解的產(chǎn)生。

變異算子：選擇之后是子代的變異保證了遺傳算法的有效性，它是一種局部隨機(jī)搜索，與選擇算子結(jié)合在一起，使遺傳算法具有局部的隨機(jī)搜索能力，并對(duì)路徑中的不理想路段進(jìn)行變異可以提高算法效率，同時(shí)使得遺傳算法保持種群的多樣性，以防止出現(xiàn)非成熟收斂可行路徑的概率很大。由于隨機(jī)產(chǎn)生的點(diǎn)本身具有隨機(jī)性，以致變異操作破壞所以針對(duì)不同的狀況，使用了兩種變異的方法。

變異算子1除去起始點(diǎn)和目標(biāo)點(diǎn)，在路徑的中間轉(zhuǎn)向點(diǎn)中任意選取一個(gè)位置，將該轉(zhuǎn)向點(diǎn)的位置坐標(biāo)作一次非一致性變異，然后把當(dāng)前的轉(zhuǎn)向點(diǎn)移至新產(chǎn)生的轉(zhuǎn)向點(diǎn)上，經(jīng)過(guò)變異之后就產(chǎn)生了一條新的路徑，如圖2和圖3所示。

變異算子2是針對(duì)可行路徑的一種微調(diào)。選擇可行路徑的某一個(gè)中間轉(zhuǎn)向點(diǎn)，將其位置坐標(biāo)進(jìn)行高斯小范圍變異，確保產(chǎn)生的路徑仍然可行，如圖4和圖5所示。

3)系統(tǒng)優(yōu)化與模擬

根據(jù)步驟2)所述產(chǎn)生的拓?fù)鋱D，采用ployd算法，進(jìn)行路徑規(guī)劃，形成路徑。機(jī)器人能夠避開(kāi)障礙物，但是在障礙物有較大間距時(shí)，機(jī)器人就選擇更改移動(dòng)方向，會(huì)增加移動(dòng)距離，產(chǎn)生時(shí)間損失。

為減少時(shí)間損失，采用遺傳算法對(duì)采用ployd算法得到的結(jié)果進(jìn)行優(yōu)化，設(shè)置進(jìn)化代數(shù)為150，種群規(guī)模為20，變異概率為0.3，交叉概率為0.99。經(jīng)過(guò)10代進(jìn)化后，取得規(guī)劃路徑，經(jīng)過(guò)優(yōu)化后的路徑段更加平滑。

經(jīng)過(guò)遺傳算法對(duì)算法得出的結(jié)果進(jìn)行優(yōu)化后，使路徑長(zhǎng)度得到明顯縮短，該方法在拓?fù)鋱D及算法的基礎(chǔ)上，進(jìn)行遺傳算法進(jìn)行優(yōu)化，優(yōu)化效果明顯，容易實(shí)現(xiàn)，所以此算法在這種情況下快速有效。

所述方法分為如下六個(gè)階段與步驟：

(1)自動(dòng)化立體倉(cāng)庫(kù)數(shù)學(xué)建模

(2)根據(jù)具體要求提出實(shí)用的二維編碼方法，解決了種群初始化的問(wèn)題；

(3)對(duì)如何運(yùn)用基本遺傳算法的遺傳操作求解模型進(jìn)行了設(shè)計(jì)，找到一個(gè)優(yōu)化的解；

(4)通過(guò)仿真結(jié)果，對(duì)基本遺傳算法中的參數(shù)進(jìn)行了選擇，設(shè)置一組較優(yōu)的參數(shù)，使得仿真結(jié)果更加合理、完善。

(5)最后將運(yùn)用基本遺傳算法求解得到的仿真結(jié)果和運(yùn)用先來(lái)先服務(wù)方法得到的仿真結(jié)果進(jìn)行了對(duì)比分析，驗(yàn)證了基本遺傳算法的有效性。

(6)驗(yàn)證改進(jìn)的遺傳算法的有效性。

綜上，所述方法建立了自動(dòng)化倉(cāng)庫(kù)運(yùn)輸系統(tǒng)的高效性仿真模型，首次運(yùn)用遺傳算法進(jìn)行求解，得出自動(dòng)化倉(cāng)庫(kù)中基于AGV運(yùn)輸系統(tǒng)建設(shè)的理論仿真模型；構(gòu)建出自動(dòng)化倉(cāng)庫(kù)中基于AGV運(yùn)輸系統(tǒng)的協(xié)作運(yùn)行系統(tǒng)，實(shí)現(xiàn)多搬運(yùn)AGV之間的自協(xié)作；創(chuàng)造性地構(gòu)建起了基于遺傳算法的自動(dòng)化倉(cāng)庫(kù)運(yùn)輸系統(tǒng)設(shè)計(jì)與規(guī)劃的工具與方法。