导 师: 姚锡凡
授予学位: 硕士
作 者: ();
机构地区: 华南理工大学
摘 要: 自动导引小车(Automated-Guided Vehicle,AGV)主要用于物料自动运输,已经在制造系统中广泛应用。为提高涉及AGV的制造系统运行效率,需要为AGV规划无冲突最优路径以及解决与作业车间的集成调度问题。AGV路径规划及与作业车间的集成调度是典型的NP-Hard问题,传统算法求解此类问题具有计算代价高、易陷入局部极值和求解效率低等缺陷,因此本文着重对新兴智能算法进行改进,并将其用于解决AGV路径规划以及AGV与作业车间集成调度问题,主要内容如下:(1)将路径与障碍物碰撞次数、路径长度和路径光滑程度作为优化问题适应度函数的三个子目标,采用加权的方式建立目标函数,并采用基于网格地图的AGV工作空间建模方法,以降低决策变量的维数。(2)针对传统遗传算法(Genetic Algorithm,GA)的精英保留策略容易使种群多样性变差的缺陷,基于灰狼优化算法(Grey Wolf Optimization,GWO)中的灰狼层级结构关系提出了改进的精英保留策略。为了防止算法在迭代后期种群多样性恶化,提出基于染色体信息熵的自适应交叉和变异概率调节策略。当种群多样性恶化时交叉和变异概率会自适应增加以提高种群多样性;另一方面,为了提高GA的收敛速度和求解精度,进一步设计了邻域变异算子和路径微调算子,以增强其求解全局路径规划问题的能力。针对GWO算法求解复杂环境下路径规划问题时容易陷入局部极值的缺陷,将邻域变异算子和路径微调算子引入到GWO算法的优化架构中以提高GWO求解复杂路径规划时的全局探索能力和局部开发能力。最后基于Matlab GUI工具开发出AGV路径规划集成仿真平台。(3)为了验证改进策略的有效性,分别用改进GWO、改进GA、传统GA和多种群GA求解三类复杂静态环境路径规划问题。实验结果证明,改进GA和改进GWO算法在求解路径规划问题时性能明显提升。为了验证改进GA