一种基于时间窗的自动导引车动态路径规划方法 

针对多自动引导车（Automatic Guided Vehicle,AGV）在柔性制造系统中的路径规划问题,提出一种基于时间窗的动态路径规划算法,能有效地避免车-车冲突、碰撞等问题,并且得到的路径是时间最优的.在备选路径上,通过时间窗的初始化、时间窗的更新、以及时间窗的排布,可以实现多辆车同时运行,相互之间不产生冲突碰撞.仿真实验和真车实验表明,该算法用在AGV路径规划上,能实现多车之间的无冲突、时间最优的路径规划功能.     

混合遗传算法的AGV路径规划的应用

本文介绍了一种将Ford算法与基本遗传算法相结合来实现AGV路径规划的算法。采用链接图法建立AGV的工作环境模型。给出了用该算法实现的路径规划的仿真与实验结果。     

一种基于滚动窗口的AGV动态路径规划算法

AGV是一种无人驾驶搬运车,是智能型移动机器人的一种。路径规划技术是AGV技术研究中的一个重要领域。在多AGV协调作业时,需要研究AGV动态路径规划问题。由于AGV运行时需要很高的实时性和安全性,本文采用了基于滚动优化窗口的路径规划方法。在当前滚动窗口中,提出了一种针对AGV特点的动态路径优化算法。最后,通过仿真证明了该方法的有效性。     

考虑充电需求和时间窗的多AGV调度优化建模

为了提高自动引导小车(automatic guided vehicle,AGV)在物流分拣中心的分拣效率,考虑采用纯电力驱动的AGV分拣过程存在电量消耗和充电需求的特性,提出了一种优化模型.在考虑AGV剩余电量和包裹时间窗等约束条件的基础上,建立了以最小化分拣作业周期为目标的混合整数规划(MIP)模型并提出了相应的约束...     

基于优化蚁群算法的AGV路径规划研究

针对基本蚁群算法在规划自动导引车(automated guided vehicle, AGV)路径时易出现的耗时长、搜索效率低、收敛速度慢以及易陷入局部最优等不足,文章提出一种优化蚁群算法。首先利用辅助蚁群的方向优势,帮助主蚁群初始化信息素,使路径搜索更具有针对性,提高路径搜索效率;其次加入伪随机状态转移策略,增加路径选择的多样性,防止算法过早收敛;接着使用蚁群的当前最优解、主蚁群一代蚁群中的最优解、最差解进行全局信息素更新,并引入最大最小蚂蚁系统对路径上的信息素进行限制;最后对栅格环境中的凹形障碍物进行处理,提高搜索质量。仿真实验表明,优化蚁群算法相较于其他蚁群算法,收敛速度更快、搜索能力更优。     

基于改进狼群算法的AGV路径规划

针对自动引导小车(automated guided vehicle, AGV)全局最优路径的求解问题，文章利用栅格法对环境进行建模，提出一种基于改进狼群算法(improved wolf pack algorithm, IWPA)的AGV路径规划方法。该算法采用混沌映射形成初始种群，增加种群多样性；对探狼游走行为引入随机策略，扩大搜索范围；对头狼的选择引入Metropolis准则，增强算法跳出局部最优能力；改进猛狼奔袭策略，提高算法后期寻优效率。通过8个典型测试函数的仿真实验结果表明，改进的算法在寻优速度和精度上均有较大的提高。将改进的算法应用于路径规划仿真实验，结果表明，相比于传统狼群算法，改进的狼群算法在解决AGV路径规划问题上更有效。     

动态蚁群算法在带时间窗车辆路径问题中的应用

蚁群算法是近年来新出现的一种随机型搜索寻优算法。自从在旅行商等著名问题中得到富有成效的应用之后，已引起人们越来越多的关注和重视。将这种新型的生物优化思想扩展到物流管理中的带时间窗车辆路径问题，设计了一种动态蚁群算法，从数值计算上探索了这种新型蚁群算法的优化能力，获得了满意的效果。     

PRM蚁群融合算法的AGV路径规划研究

针对AGV运货时需一次性取多件货物的路径规划问题,提出一种PRM算法与蚁群算法相结合的融合算法,将问题拆分为路径的选择与TSP问题分布解决,即先利用PRM算法进行AGV路径规划,再利用蚁群算法决策出取货顺序,生成总的路径。最后采用matlab进行仿真实验,并与A*算法进行对比,结果证明了PRM蚁群融合算法比A*算法得出的路径更短、效率更高。     

带时间窗车辆路径问题的混合蚁群算法

为解决有时间窗的车辆路径问题,提出了一种基于进化规划和最大一最小蚁群算法相融合的混合蚁群算法,并与最大一最小蚁群算法作了比较。实验结果表明,混合蚁群算法可以、快速有效求得带时间窗车辆路径问题的优化解,是求解带时间窗车辆路径问题的一个较好方案。     

基于改进势场蚁群算法的AGV路径规划

针对传统蚁群算法用于路径规划问题时易出现初期搜索盲目性以及易陷入局部最优的问题,本文提出一种改进的势场蚁群算法.首先将人工势场算法融合到蚁群算法中,通过障碍物和目标点产生的势场合力作为部分启发信息,减小路径搜索初期的盲目性,从而加快算法的收敛性;然后对算法中的路径选择策略进行了分析和优化,通过设置临时禁忌表排除部分栅格...     

基于靠近目标粒子群算法的AGV路径规划

进行移动机器人(automated guided vehicle,AGV)路径规划时,针对传统粒子群算法易陷入局部最优解、搜索效率低等问题,文章提出靠近目标的粒子群算法,更好地解决AGV路径规划问题.在AGV运行环境建模时,将障碍物转化为多边形并进行膨胀处理,利用障碍物顶点划分坐标系;引入Metropolis准则,使算...     

蚁群算法求解带时间窗的配送路径问题

VRP问题影响着车辆配送过程中的效率与经济效益,在现实生活中有着重要的现实意义;文章首先建立了一个带有时间窗的VRP数学模型,并针对VRP问题本身的特点,对蚁群算法中的伪随机概率公式等相关参数进行改进,最后将改进的蚁群算法应用于VRP问题的求解中;通过在matlab上进行的仿真试验,表明了此算法能够有效地改善基本蚁群算法中的收敛速度慢、易于陷入局部最优解等缺陷,并能应用于大规模的车辆路径寻优问题中.     

考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型

针对自动化集装箱码头水平运输系统的调度优化,提出一种自动引导车(AGV)动态路径规划策略,即在多AGV系统路径生成的同时进行动态路径优化.从AGV运输作业时间角度,建立考虑拥堵的多AGV路径优化模型,优化AGV路径方案.为求解模型,设计了基于动态路径规划策略的多种群蚁群算法,并对模型与算法的有效性进行验证.结果表明:基于动态路径规划策略可以对路径规划过程进行动态控制与优化;同时,考虑拥堵因素可以有效地解决水平运输路网中的拥堵问题,提高运输作业效率.     

基于滚动模糊时间窗的场面动态路径规划

为了减少机场场面滑行冲突,提高机场运行效率,提出了一种基于模糊规则系统的滚动模糊时间窗算法。首先构建机场滑行时间预测模型,其次将滚动时间窗和模糊时间窗算法相结合,对滑行路径进行动态优化,最后结合机场地面滑行数据进行检验,结果表明,地面延误降低了9%-17%,地面冲突减少了10%-18%,说明该方法能够有效提高机场地面运行效率。     

面向绿色再制造系统的AGV路径规划研究

为了解决绿色再制造系统中的自动导引运输车(AGV)路径规划问题的问题,提出一种粒子群遗传融合的AGV全局路径优化的自适应算法.该方法集成了遗传算法(GA)和粒子群算法(PSO)二者的优点,为了改善传统PSO-GA融合算法迭代前期寻优速度慢的问题,引入了自适应惯性权重;为了提高算法进入迭代后期的收敛精度,提出了一种双重交叉变异策略,使得改进的PSO-GA融合算法比传统的PSO-GA融合算法搜索能力更强,进化速度更快,收敛精度更高.为了验证改进后算法的优越性,采用栅格法模拟自动导引运输车运行环境并通过MATLAB对标准粒子群、遗传、传统的PSO-GA融合、改进PSO-GA融合四种算法解决路径优化问题进行试验对比,结果证明了改进后的PSO-GA算法的可行性和有效性.     

用混合遗传算法解决有时间窗的车辆路径规划问题

有时间窗约束的车辆路径规划问题是一种NP-hard问题,这种问题往往采用遗传算法来解决.但是传统的遗传算法本身存在的不足将严重影响整个算法的性能.本文设计了一种混合遗传算法,并进行了仿真试验.试验结果表明,用这种算法求解带有时间窗约束的车辆调度问题,可以在一定程度上克服上述问题,从而得到较高质量的解.     

汽车导航系统的动态路径规划优化模型与算法研究

汽车的普及化增加了城市交通的内在压力,对汽车导航系统的动态路径规划优化可以给驾车人在有限的城市道路中找出一条最佳行车路径.本文介绍了一种实用的动态路径规划方法.采用一个实时的路线地图,地图包括交通信号,道路类别和行车道的数目.建议的解决方案是使用病毒感染的遗传算法.该方法是将公路干线的一部份视为病毒.通过交叉和感染确定近期病毒的最佳组合.在驾车的过程中,当交通挤塞经常变化时,使用病毒感染实时路线,将产生一个可供选择的行车路线.最后给出病毒遗传算法的试验仿真结果.     

有时间窗物流配送车路径问题的单亲遗传算法

为了更好地解决物流配送中有时间窗的车辆路径问题(Vehicle Routing Problem with Time Window,VRPTW),在分析车辆路径选择的重要性及现存遗传算法进行路径选择的基础上,提出应用单亲进化遗传算法求解VRPTW的模型。利用父体所提供的有效边的信息,使用保留最小边的方法对个体进行进化,从而求得最优的路径。经实验验证,该算法可以有效、快速地求得VRPTW的全局最优解。     

一种带时间窗车辆路径问题的混合蚁群算法

针对带时间窗车辆路径问题求解时蚁群算法存在容易陷入局部最优,而遗传算法初始种群的优劣对算法有效性存在直接影响,提出一种混合蚁群优化算法。算法首先在蚁群算法的节点选择概率公式中引入时间窗因素,以得到初始种群,然后通过遗传算法的交叉算子和变异算子对初始种群中的较优路径进行交叉和变异操作,从而得到更优的路径。通过Matlab环境下对文中混合算法进行仿真实验,在车辆利用率和路径规划上效果明显,表明了算法的高效性,同时混合算法可以避免陷入局部最优。