自适应大邻域搜索求解着色旅行商问题

着色旅行商问题(Colored Traveling Salesman Problem,CTSP)来源于一类多机器人加工实践应用,在现实生活中有着广泛的应用场景。在CTSP中,每个旅行商各自分配一种特定的颜色,每个城市节点携带一个或者多个旅行商的颜色值,这些城市节点只能被带有相同颜色的旅行商访问。针对CTSP这个NP难问题,本文提出了一种高效的自适应大邻域搜索算法来求解CTSP。该算法包括四个重要的组成部分:一个随机贪心的初始解构造方法、四个专门的破坏操作和修复操作、一个高效的局部搜索程序和一个自适应破坏和修复操作选择机制。在文献中三组标准算例集上的实验结果表明,本文提出的自适应大邻域搜索算法能够高效地求解CTSP问题。

基于带容量约束的着色旅行商问题的多机器人调度

电商仓储的高速发展对多拣选机器人的任务调度分配问题提出了更高的要求,着色旅行商问题在城市任务上的定性描述已经逐渐无法满足实际问题中的定量分析的需求。为了降低综合成本,提高拣选效率,拟在着色旅行商问题的基础上结合有容量限制的车辆路径问题,提出一种带容量约束的着色旅行商问题,来更好地构建以总路径成本最小为目标的多拣选机器人的调度模型,并设计相应的变邻域搜索算法对模型进行求解。实验结果表明,相较于基于遗传算法及其改进算法,变邻域搜索算法在求解带容量约束的着色旅行商问题上更具优越性,该模型及其求解算法具有一定实用价值。

基于萤火虫算法的最大值最小化着色旅行商问题的求解

针对遗传算法在求解最大值最小化着色旅行商问题(min-max colored traveling salesman problem, MM-CTSP)中存在解质量欠佳、耗时多和收敛速度慢等问题,提出基于萤火虫算法的MM-CTSP求解方法,采用直接路径编码方式提高解码效率;采用翻转变异策略更新个体,提高算法的收敛速度.结果表明,该方法的解质量高,耗时少,收敛速度快,且城市规模越大其优势越明显.

混合伊藤算法求解多尺度着色旅行商问题

着色旅行商问题(CTSP)是多旅行商问题(MTSP)与旅行商问题(TSP)的一种扩展,主要应用于含重复区域的多机工程系统(MES)等工程问题。CTSP是NP完全问题,尽管相关研究尝试采用遗传算法(GA)、模拟退火(SA)等方法求解该问题,但它们求解的问题尺度有限,且速度和求解质量上不尽人意。基于此,尝试采用一种基于均匀设计(UD)融合蚁群(ACO)算法和伊藤算法(IT?)的混合伊藤算法(UDHIT?)来求解该问题。UDHIT?采用UD来选择合适的参数组合,借助ACO的概率图模型来产生可行解,并利用伊藤算法的漂移和波动算子进行优化。实验的结果表明,UDHIT?求解多尺度CTSP的最优解和平均解比传统GA、ACO和IT?有所改善。

混合算法求解着色瓶颈旅行商问题

基于着色旅行商问题(colored traveling salesman problem,CTSP),给出了一种适用性更加宽泛的组合优化问题模型:着色瓶颈旅行商问题(colored bottleneck traveling salesman problem,CBTSP).CBTSP可建模含有部分重合工作区域的规划问题,譬如有合作任务和单独任务的人员与车辆的路线规划,此类问题由于目标函数与旅行商问题不一样,因此不能够用CTSP模型来建模.由于CBTSP属于NP难问题,对于规模大的此类问题,自然启发式算法是个合适的选择.基于此,提出了一种自然启发式算法求解CBTSP,该算法是基于伊藤过程的粒子群算法(particle swarm optimization,PSO)、模拟退火算法(simulated annealing,SA)和遗传算法(genetic algorithm,GA)的混合算法(PSGA).PSGA首先用二重染色体编码来构建问题的解,然后运用遗传算法的交叉操作进行更新,其中交叉长度由伊藤过程的活动强度来控制,而活动强度由粒子半径和环境温度来决定.为了充分验证算法的有效性,使用小尺度到大尺度不同规模的数据进行实验,通过广泛的实验与分析表明:PSGA求解CBTSP问题的求解质量要优于对比算法.

改进蜂群算法求解大规模着色瓶颈旅行商问题

在智能交通、多任务协作等领域,用着色瓶颈旅行商问题(CBTSP,colored bottleneck traveling salesman problem)所构建模型尺度易趋向于大规模,因此有必要研究大规模CBTSP及其求解算法。本文将一种改进蜂群算法(IABC,improved artificial bee colony algorithm)应用于求解大规模CBTSP。IABC首先运用m-tour编码方法生成问题的解,然后使用产生邻近解(GNS,generate neighboring solution)优化蜂群算法求解该问题,GNS通过采用删除和重插入操作来产生新的解,并在该过程中实现对已有解的优化。实验表明IABC求解大规模CBTSP问题的求解质量优于其他对比算法。

多机器人协调调度的贪婪双染色体遗传算法

为了减少多分拣机器人系统执行任务的路径长度、实现多机器人系统的协调工作,建立了多分拣机器人系统任务调度的着色旅行商模型,提出了基于贪婪双染色体编码遗传算法的协调调度策略。建立了电商仓库环境的栅格模型,使用三维坐标定义了栅格位置和状态。在传统A*算法基础上,将转弯代价引入到代价函数中,减少机器人执行任务过程中的转弯次数,实现了栅格环境下点到点的路径规划。构造了多机器人系统在执行任务过程中的路径冲突判断方法,基于等待策略和局部路径重规划策略给出路径协调方法。设计了10组不同机器人规模和任务规模的仿真实验,经验证在不同任务规模下,贪婪遗传算法获得的路径长度均短于传统遗传算法,且路径长度的差值随着任务规模的增大也越来越大;另外,在不同任务量下贪婪遗传算法规划路径的机器人等待次数和重新规划次数也小于传统遗传算法,验证了贪婪双染色体遗传算法在多机器人系统任务调度与协调中的有效性。

基于VNS智能算法的多搬运机器人任务调度方法研究

近些年来,我国经济不断发展,电商自然也在这些发展之列。随着电商领域的蓬勃发展,仓库内的货物搬运作业量也随之增加。不少电商企业为了加快完成作业量,开始运用“播种式”搬运机器人进行搬运。多搬运机器人作为众多机器人中的一种,采用就近原则使得操作更加便利,在一定程度上提高了系统的最大效力,具有巨大的可供调度的空间。文章采用着色旅行商问题理论(CTSP),通过调查与分析多搬运机器人在不同场景(拣选以及搬运)下,其调度任务方案的区别,从而探索更加科学、合理、有效的建模技术及算法。