多自动导引车路径规划的诱导蚁群粒子群算法

doi:10.13196/j.cims.2017.12.022

计算机集成制造系统 ›› 2017, Vol. 23 ›› Issue (第12): 2758-2767.DOI: 10.13196/j.cims.2017.12.022

多自动导引车路径规划的诱导蚁群粒子群算法

李军军¹,许波桅²⁺,杨勇生²,吴华锋¹

1.上海海事大学商船学院
2.上海海事大学物流研究中心

出版日期:2017-12-31 发布日期:2017-12-31
基金资助:
上海市自然科学基金资助项目(15ZR1420200);教育部人文社会科学研究资助项目(15YJC630145,15YJC630059);国家自然科学基金资助项目(51579143);上海市科学技术委员会科技创新行动计划资助项目(14170501500)。

Guided ant colony particle swarm optimization algorithm for path planning of AGVs

Online:2017-12-31 Published:2017-12-31
Supported by:
Project supported by the Natural Science Foundation of Shanghai Municipality,China(No.15ZR1420200),the Humanities and Social Science Foundation of Ministry of Education,China(No.15YJC630145,15YJC630059),the National Natural Science Foundation,China(No.51579143),and the Action Plan for the Innovation of Science and Technology of Shanghai Science and Technology Committee,China(No.14170501500).

摘要/Abstract

摘要： 为有效解决多自动导引车路径规划中的冲突问题,提出一种诱导蚁群粒子群算法。在自动导引车行驶时间计算的基础上,分析了路段冲突、节点冲突问题,建立了多自动导引车路径规划模型。在诱导蚁群粒子群算法的状态转移规则中,增加诱导因子来引导自动导引车规避冲突;将蚁群算法与粒子群算法相融合,对路径与等待时间进行同时优化。不同规模算例的仿真结果表明,该算法能有效避免路段冲突与节点冲突,提高多自动导引车系统运行的安全性与效率。

关键词: 自动导引车, 路径规划, 诱导因子, 蚁群算法, 粒子群算法

Abstract: To resolve the conflict problem of Automated Guided Vehicles (AGVs) in route scheduling,a guided ant colony particle swarm optimization algorithm was proposed.Based on the calculation of AGVs' travel time,link conflicts and node conflicts were analyzed,and the routing scheduling model for AGVs was built.In the guided ant colony particle swarm optimization algorithm,AGVs were guided to avoid conflicts by adding a guidance factor to the state transition rule.The ant colony optimization was fused with particle swarm optimization to optimize route choice and wait time simultaneously.Simulation experiments with different scale were designed to evaluate the proposed method,and the results indicated that the proposed method could make AGVs avoid link and node conflicts efficiently and improve the security and efficiency of AGVs system.

Key words: automated guided vehicle, path planning, guidance factor, ant colony algorithm, particle swarm algorithm

中图分类号:

TP29

李军军,许波桅,杨勇生,吴华锋. 多自动导引车路径规划的诱导蚁群粒子群算法[J]. 计算机集成制造系统, 2017, 23(第12): 2758-2767.

[1]	袁友伟,黄锡恺,俞东进,李忠金. 移动边缘计算环境下服务工作流容错调度算法[J]. 计算机集成制造系统, 2021, 27(6): 1693-1702.
[2]	鲁建厦,陈寿伍,易文超,汤洪涛. 跨层穿梭车仓储系统复合作业路径规划[J]. 计算机集成制造系统, 2021, 27(6): 1799-1808.
[3]	吴暖,王诺,于安琪,吴迪. 基于柔性靠泊的港口疏船调度多目标优化及最优解选择[J]. 计算机集成制造系统, 2021, 27(5): 1531-1540.
[4]	陈满意,张桥,张弓,梁济民,侯至丞,杨文林,徐征,王建. 多障碍环境下机械臂避障路径规划[J]. 计算机集成制造系统, 2021, 27(4): 990-998.
[5]	赵文政,刘银华,金隼. 面向多机器人协调运动规划的层级化任务分配方法[J]. 计算机集成制造系统, 2021, 27(4): 999-1007.
[6]	吴铮,陈彦杰,何炳蔚,林立雄,王耀南. 基于方向选择的移动机器人路径规划方法[J]. 计算机集成制造系统, 2021, 27(3): 672-682.
[7]	高鹏,苏雍贺,靳健,谢祥颖,张长志,陶飞. 基于分布式光伏运维的多类型资源调度技术[J]. 计算机集成制造系统, 2021, 27(3): 787-799.
[8]	邓建新,卫世丰,石先莲,陈星雨,韦婉冬. 基于数字孪生的配送管理系统研究[J]. 计算机集成制造系统, 2021, 27(2): 585-604.
[9]	顾文斌,李育鑫,钱煜晖,肖紫涵,秦展鹏. 基于激素调节机制IPSO算法的相同并行机混合流水车间调度问题[J]. 计算机集成制造系统, 2021, 27(10): 2858-2871.
[10]	李峥峰,刘阳阳. 考虑充电的多AGV的作业车间调度问题[J]. 计算机集成制造系统, 2021, 27(10): 2872-2879.
[11]	徐兴,钱誉钦,赵芸,张云,陈小依,吕晓姝. 基于改进蚁群算法的立体仓库三维空间路径优化[J]. 计算机集成制造系统, 2021, 27(1): 207-214.
[12]	翟敬梅,刘坤,徐晓. 室内移动机器人自主导航系统设计与方法[J]. 计算机集成制造系统, 2020, 26(第4): 890-899.
[13]	王闯,常丰田,高佳佳. 基于自动导引车单向导引路径网络的智能车间设备布局规划[J]. 计算机集成制造系统, 2020, 26(第4): 939-946.
[14]	刘亿鑫,朱小林. 双重不确定条件下危险品运输的多目标优化[J]. 计算机集成制造系统, 2020, 26(第4): 1130-1141.
[15]	鲁建厦,施贻贯,汤洪涛,詹燕. 考虑碳排放的子母穿梭车密集仓储系统复合作业三维路径规划[J]. 计算机集成制造系统, 2020, 26(第3): 795-805.

多自动导引车路径规划的诱导蚁群粒子群算法

Guided ant colony particle swarm optimization algorithm for path planning of AGVs

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics