基于IMA的AGV群组路径规划仿真

在大型仓储AGV群组作业任务场景中,路径规划带来的效率和安全是亟待解决的难题。针对传统文化基因算法(MA)容易陷入局部最优、耗时较长、路径不平滑等问题,在满足多约束条件下提出了一种改进的文化基因算法(IMA)。算法采用改进K聚类算法对环境栅格地图进行分区,缩小地图规模降低算法更新时间成本;根据适应度函数值采用自适应技术调整交叉和变异算子概率,增加种群多样性避免全局搜索陷入局部最优;通过概率法进入二次局部搜索,局部采用A*和蚁群混合算法改善规划路径的平滑性。最终提高了路径规划的效率和安全性。经验证IMA算法与传统MA算法相比提高了规划效率和避障性能,任务总时间平均节约4.6%,路径总长度节约4.3%,AGV能耗降低了27.1%,算法优化效果明显,适用于大型仓储AGV群组作业场景下的路径规划。

机器人制造单元的车间动态调度

针对柔性作业车间的机器人制造单元的特点,采用改进的文化基因算法(Memetic Algorithm is adopted)以最小的工件最大完工时间为目标值对该问题进行求解,得到最优的静态调度方案。同时考虑到实际加工车间随时增加和删除订单的动态扰动的影响,设计动态调度算法对车间未完成工序及增加的工序进行最优调度方案的计算。最后,通过标准测试数据集,并将结果与A.Caumond实验所得最优值CmMaIxLP(O PT)进行对比进行比较,验证算法的有效性;测试不同规模的案例,根据各案例所得最优值,平均值和方差对比,动态调度算法的有效性、鲁棒性得到很好的验证。