智能(néng)倉儲系統的多機器人任務分配方法,根據多機器人任務分配問題模型建立時間成(chéng)本和能(néng)耗成(chéng)本的多目标優化模型；其中能(néng)耗成(chéng)本表示爲多機器人系統的總路徑長(cháng)度,時間成(chéng)本表示爲多機器人系統中各機器人總路徑的方差；

具體步驟如下：

(1)、構建多目标任務分配方法的數學(xué)模型對(duì)于給定N個取貨點的圖G＝{V,E},其中V爲取貨點集合,E爲該圖的邊集,安排m個機器人對(duì)取貨點集V進(jìn)行遍曆,使得除出發(fā)點vn∈V以外的所有取貨點均有且僅有一個機器人通過(guò),且路徑之和最小,各機器人路徑方差最小；對(duì)于多目标任務分配問題,有如下優化目标： 式中：S：所有機器人路徑總長(cháng)度；Si：第i個機器人的路徑總長(cháng)度；Savg：各機器人長(cháng)度均值；其中Si是根據第i個機器人的路徑Pi＝{Ui,Ei}計算的路徑總距離,其數值爲按照圖G的鄰接矩陣D(G)計算的路徑序列節點距離之和,其中Ui是由機器人i負責的取貨點集,Ei是由Ui組成(chéng)的首尾相連的邊集,即： 其中duv表示從節點u到節點v的距離,其數值爲鄰接矩陣D(G)第u行v列的元素值；對(duì)多機器人任務分配方法如下：所有機器人必須從指定起(qǐ)點出發(fā),且對(duì)其他所有節點嚴格訪問一次後(hòu)返回起(qǐ)點vn；即對(duì)于除出發(fā)點以外的點集U＝V\{vn}有：且每組有效解必須包含m條平凡子路徑,即公式(2)-(4)構成(chéng)了任務分配方法的約束條件；

(2)、構建非支配排序的多目标遺傳算法

(2-1)、利用遺傳算法求解,需要對(duì)個體基因進(jìn)行編碼,采用斷點标記法對(duì)基因進(jìn)行編碼,步驟如下：

(2-1-1)、將(jiāng)集合V中的非起(qǐ)始點标記爲1,2,...n-1,將(jiāng)起(qǐ)始點标記爲n,并添加m-2個斷點并將(jiāng)其編号爲n+1,n+2...n+m-2；

(2-1-2)、將(jiāng)斷點n+1,n+2...n+m-2與1,2...n組合爲基因序列,并在計算S時候將(jiāng)編号爲n+1...n+m-2的節點指向(xiàng)起(qǐ)點O,從而將(jiāng)問題轉化爲旅行商問題進(jìn)行求解；(2-1-3)、爲防止n+1...n+m-2前後(hòu)相連,保證每條機器人路徑均爲平凡子路徑,在G的鄰接矩陣D中應有dnn＝∞,以保證進(jìn)化過(guò)程中斷點相連的個體被(bèi)淘汰；

(2-2)、采用非支配排序算法以保證有效獲得優質子代,其方法如下：

(2-2-1)、向(xiàng)種(zhǒng)群中每個個體賦予被(bèi)支配集合Ni和支配解集合Si,其中Ni表示當前種(zhǒng)群中支配個體i的個體集合,Si表示被(bèi)個體i支配的個體集合；

(2-2-2)、實際排序時,根據适應度方程獲得個體的特征其中,Fi表示個體i的特征向(xiàng)量,由fi1和fi2組成(chéng),分别表示當前個體的時間成(chéng)本和空間成(chéng)本。對(duì)種(zhǒng)群個體進(jìn)行遍曆,獲取個體i的支配集合Si和被(bèi)支配集合Ni,找到種(zhǒng)群P中所有|Ni|＝0的個體,存入集合T0,對(duì)T0中的個體賦予支配等級并從種(zhǒng)群P中排除集合T0獲得剩餘種(zhǒng)群P1,再考察剩餘種(zhǒng)群P1,若個體j∈P1,且|Nj|-1＝0則將(jiāng)其存入集合T1,對(duì)T1中的個體賦予支配等級直至種(zhǒng)群P爲空,即種(zhǒng)群P中個體均被(bèi)賦予對(duì)應支配等級爲止,并獲得具有全部支配等級分級的新種(zhǒng)群P′；

(2-3)、爲保正非支配排序策略選擇的父代種(zhǒng)群具有多樣(yàng)性,避免將(jiāng)種(zhǒng)群中的優化分量相近的個體納入父代,引入同支配序的種(zhǒng)群擁擠度計算策略其中個體的擁擠度參數Gi被(bèi)定義爲距離個體i最近的兩(liǎng)個個體j,k的特征矢量(f1,f2)的差之和,即：   篩選子代時,優先選擇支配序較小的個體,同等支配序下,優先選擇擁擠度參數較大的個體,以此保證種(zhǒng)群多樣(yàng)化；

(2-4)、針對(duì)遺傳算法無法避免陷入局部最優值的缺點,引入了一種(zhǒng)帶有精英庫的種(zhǒng)群重啓策略,即對(duì)于每次計算,在種(zhǒng)群達到收斂條件時,重新初始化種(zhǒng)群,并將(jiāng)達到收斂條件的優質解個體納入精英庫,達到使用精英庫進(jìn)行進(jìn)化的條件時,將(jiāng)精英庫作爲新的種(zhǒng)群繼續叠代,從而提高算法收斂到非支配解的概率；檢查種(zhǒng)群是否達到收斂,如果達到收斂,將(jiāng)當前優質父代個體存入精英庫,并初始化種(zhǒng)群,返回步驟(1)；

(2-5)、檢查當前叠代是否達到精英庫叠代條件,若達到條件,將(jiāng)精英庫中所存個體作爲新種(zhǒng)群,返回第一步；

(2-6)、利用篩選出的父代優秀個體通過(guò)交叉算子和變異算子生成(chéng)下一代個體,并將(jiāng)下一代個體和父代個體作爲新種(zhǒng)群,返回步驟(1)；

(2-7)、檢查是否達到終止條件并終止循環,并選擇特征散點平方和最小者作爲最優解；保證解具有最優的時間成(chéng)本和能(néng)耗成(chéng)本。