本發(fā)明屬于多機(jī)器人
技術(shù)領(lǐng)域：
：，涉及多機(jī)器人的任務(wù)分配以及路徑規(guī)劃的方法，特別涉及一種基于改進(jìn)的免疫遺傳算法的多機(jī)器人路徑規(guī)劃方法。
背景技術(shù)：
：：隨著機(jī)器人技術(shù)的快速進(jìn)步，機(jī)器人已經(jīng)被廣泛的應(yīng)用在工業(yè)、軍事、服務(wù)業(yè)以及危險(xiǎn)環(huán)境探索等領(lǐng)域；伴隨著各領(lǐng)域?qū)C(jī)器人的要求不斷提高，機(jī)器人的工作任務(wù)越來(lái)越復(fù)雜化，由于單個(gè)的機(jī)器人不管是在數(shù)據(jù)的獲取還是處理數(shù)據(jù)的能力都難以滿足當(dāng)前的需求。相比較單機(jī)器人而言，多機(jī)器人具備諸多優(yōu)點(diǎn)，如多機(jī)器人數(shù)據(jù)采集信息及處理結(jié)果共享，機(jī)器人合作完成復(fù)雜的工作等。但多機(jī)器人在環(huán)境探索策略的研究同時(shí)也比單機(jī)器人復(fù)雜度高，因此多機(jī)器人任務(wù)分配及環(huán)境探索成為目前移動(dòng)機(jī)器人研究的重點(diǎn)和熱門領(lǐng)域。多機(jī)器人任務(wù)分配是指將環(huán)境中的多個(gè)任務(wù)按照一定的規(guī)則分配給環(huán)境中的多個(gè)機(jī)器人，因?yàn)楫?dāng)多個(gè)機(jī)器人協(xié)同合作時(shí)，可以充分發(fā)揮各機(jī)器人所長(zhǎng)，更優(yōu)的完成任務(wù)。對(duì)于機(jī)器人環(huán)境探索任務(wù)中一個(gè)基礎(chǔ)的問(wèn)題是為機(jī)器人找出一條探索的最優(yōu)路徑，使得多機(jī)器人更好的完成環(huán)境探索任務(wù)。機(jī)器人路徑規(guī)劃的方法，近年來(lái)出現(xiàn)一些智能方法，如免疫遺傳算法、改進(jìn)遺傳算法以及神經(jīng)網(wǎng)絡(luò)方法等。免疫遺傳算法是一種新型的、具有免疫功能的遺傳算法，目前廣泛應(yīng)用于機(jī)器人環(huán)境探索系統(tǒng)中。目的是將一個(gè)機(jī)器人的探索環(huán)境進(jìn)行規(guī)劃，通過(guò)最后的環(huán)境探索路徑確定任務(wù)點(diǎn)的探索順序。并且在前人工作的基礎(chǔ)上也充分證明了其可行性及其具備的諸多優(yōu)點(diǎn)，但其依然具有遺傳算法的局部最優(yōu)、搜索空間過(guò)大缺點(diǎn)。技術(shù)實(shí)現(xiàn)要素：發(fā)明目的：針對(duì)現(xiàn)有多機(jī)器人路徑規(guī)劃方法存在的問(wèn)題，本發(fā)明提出了一種多機(jī)器人任務(wù)分配及路徑規(guī)劃方法，其目的是解決目前所存在的問(wèn)題。技術(shù)方案：本發(fā)明所采用的技術(shù)方案如下：一種多機(jī)器人任務(wù)分配及路徑規(guī)劃方法，其特征在于所訴方法包括主要步驟如下：s1：初始化多機(jī)器人與任務(wù)的信息：設(shè)置機(jī)器人的初始化狀態(tài)參數(shù)、環(huán)境中任務(wù)的信息；獲取機(jī)器人位置、速度以及最大電量和任務(wù)的位置等數(shù)據(jù)信息；s2：多機(jī)器人任務(wù)分配：計(jì)算各機(jī)器人與任務(wù)之間的綜合代價(jià)數(shù)據(jù)，綜合考慮機(jī)器人電量、工作時(shí)間以及最大任務(wù)數(shù)等因素，按綜合代價(jià)最小的準(zhǔn)則將任務(wù)進(jìn)行分配至機(jī)器人；s3：機(jī)器人路徑規(guī)劃方法：依次使用本發(fā)明的改進(jìn)免疫遺傳算法對(duì)機(jī)器人進(jìn)行路徑規(guī)劃。在上述步驟s2中，一種多機(jī)器人的任務(wù)分配方法，其分配過(guò)程充分考慮機(jī)器人位置、速度以及電量等多因素。其具體步驟如下：s21：隨機(jī)或讀取產(chǎn)生機(jī)器人及任務(wù)數(shù)據(jù)，機(jī)器人數(shù)據(jù)信息包括編號(hào)rn、初始位置rp0、初始電量b0、剩余電量b1、速度v、當(dāng)前分配到任務(wù)數(shù)n等；任務(wù)數(shù)據(jù)包括：任務(wù)編號(hào)tn、位置tp、分配否標(biāo)識(shí)isa、分配至機(jī)器人編號(hào)torn等。分別構(gòu)成機(jī)器人與任務(wù)隊(duì)列；s22：計(jì)算j號(hào)任務(wù)分配給i號(hào)機(jī)器人所需要的綜合代價(jià)信息，并記錄一個(gè)包含rni、tnj、nbij、ntij、cij及dij的數(shù)據(jù)表table，并按代價(jià)的升序排列；s23：從table中取代價(jià)最小的一條數(shù)據(jù)record判斷該記錄中tn對(duì)應(yīng)的任務(wù)isa是否為true。如果是則重復(fù)此步驟，否則執(zhí)行以下步驟；s24：判斷record中rni對(duì)應(yīng)bi1是否大于nbij，且ti1是否大于ntij，以及機(jī)器人已分配到任務(wù)沒(méi)有數(shù)到達(dá)上限，如果條件全部滿足則繼續(xù)，否則跳轉(zhuǎn)步驟s23中取代價(jià)次小的一條數(shù)據(jù)；s25：更新record中rni對(duì)應(yīng)機(jī)器人的剩余時(shí)間ti1、剩余電量bi1、分配到任務(wù)數(shù)n等數(shù)據(jù)，tnj對(duì)應(yīng)任務(wù)的torn、isa等數(shù)據(jù)。跳轉(zhuǎn)步驟s23繼續(xù)取下一條數(shù)據(jù)。多機(jī)器人任務(wù)分配：計(jì)算各機(jī)器人與任務(wù)之間的綜合代價(jià)數(shù)據(jù)，綜合考慮機(jī)器人電量、工作時(shí)間以及最大任務(wù)數(shù)因素，按綜合代價(jià)最小的準(zhǔn)則將任務(wù)進(jìn)行分配至機(jī)器人，其過(guò)程具體包括：(1)任務(wù)分配的數(shù)學(xué)模型制定，具體如下：t表示任務(wù)，r表示機(jī)器人；ri來(lái)表示多機(jī)器人系統(tǒng)中的第i個(gè)機(jī)器人，其中i∈[1,n]，n為機(jī)器人系統(tǒng)中的機(jī)器人數(shù)量；ti來(lái)表示多機(jī)器人系統(tǒng)中的第i個(gè)任務(wù)，其中i∈[1,m]，m為機(jī)器人系統(tǒng)中的任務(wù)數(shù)量；i號(hào)機(jī)器人最大工作時(shí)間ti0，i號(hào)機(jī)器人剩余工作時(shí)間ti1,i號(hào)機(jī)器人完成j號(hào)任務(wù)所需消耗時(shí)間記為ntij；dist(ti,rj)表示利用機(jī)器人rj來(lái)完成ti所需要行走的距離值，記為dij；bettery(ti,rj)表示利用機(jī)器人rj來(lái)完成ti任務(wù)時(shí)機(jī)器人rj所需要消耗的電量，記為nbij，由于每個(gè)機(jī)器的屬性不同，每個(gè)機(jī)器人完成同一個(gè)任務(wù)其所需要消耗的電量是不相同的，因此本文用常數(shù)λij表示第i個(gè)機(jī)器人完成第j個(gè)任務(wù)單位距離消耗的電量；(2)任務(wù)分配綜合代價(jià)值計(jì)算方法本發(fā)明設(shè)計(jì)了一個(gè)計(jì)算該綜合代價(jià)值的函數(shù)，本發(fā)明的綜合代價(jià)函數(shù)定義如公式(1)所示，該公式表示機(jī)器人完成任務(wù)所需的代價(jià)；cost(ti,rj)表示利用機(jī)器人rj來(lái)完成ti所需要的代價(jià)值，記為cij；公式(1)至(3)中，dist(tj,ri)代表機(jī)器人ri與任務(wù)點(diǎn)tj之間的距離，代表機(jī)器人ri的速度，bettery(tj,ri)代表機(jī)器人ri完成任務(wù)tj過(guò)程中這段距離所需要消耗的電量，由于消耗電量不僅與距離有關(guān)，而且與其本身的屬性有關(guān)，所以使用一個(gè)常量因子λij代表第i個(gè)機(jī)器人完成第j個(gè)任務(wù)單位距離所消耗電量。公式(1)中的代價(jià)函數(shù)含義是在機(jī)器人完成任務(wù)所需時(shí)間最短、所需電量最小的時(shí)候?qū)⑦@個(gè)任務(wù)分配給這個(gè)機(jī)器人。(3)任務(wù)分配至機(jī)器人需滿足的條件：首先設(shè)當(dāng)前機(jī)器人ri分配到的k個(gè)任務(wù)清單有(t1,t2,...,tk)；因此要使得下一個(gè)任務(wù)分配至該機(jī)器人必須滿足如下條件：1)機(jī)器人ri到此任務(wù)tj之間的代價(jià)最小，數(shù)學(xué)表示如公式(4)所示：min{cost(tj,ri),i∈[1,n]}(4)2)機(jī)器人剩余電量足夠滿足當(dāng)前任務(wù)的消耗，具體表現(xiàn)為公式(5)：其中b(ri)為機(jī)器人ri的初始電量，dist(tj,ri)代表機(jī)器人ri與任務(wù)點(diǎn)tj之間的距離，λij代表第i個(gè)機(jī)器人完成第j個(gè)任務(wù)單位距離所消耗電量；(4)多機(jī)器人任務(wù)分配步驟及流程，具體如下：a：隨機(jī)或讀取產(chǎn)生機(jī)器人及任務(wù)數(shù)據(jù)，機(jī)器人數(shù)據(jù)信息包括編號(hào)rn、初始位置rp0、初始電量b0、剩余電量b1、速度v、當(dāng)前分配到任務(wù)數(shù)n；任務(wù)數(shù)據(jù)包括：任務(wù)編號(hào)tn、位置tp、分配否標(biāo)識(shí)isa、分配至機(jī)器人編號(hào)torn；分別構(gòu)成機(jī)器人與任務(wù)隊(duì)列；b：根據(jù)上文敘述部分的公式(1)至(3)計(jì)算j號(hào)任務(wù)分配給i號(hào)機(jī)器人所需要的代價(jià)信息，并記錄一個(gè)包含rni、tnj、nbij、ntij、cij及dij的數(shù)據(jù)表table，并按代價(jià)的升序排列；c：從table中取代價(jià)最小的一條數(shù)據(jù)record判斷該記錄中tn對(duì)應(yīng)的任務(wù)isa是否為true；如果是則重復(fù)此步驟，否則執(zhí)行以下步驟；d：判斷record中rni對(duì)應(yīng)bi1是否大于nbij，且ti1是否大于ntij，以及機(jī)器人已分配到任務(wù)沒(méi)有數(shù)到達(dá)上限，如果條件全部滿足則繼續(xù)，否則跳轉(zhuǎn)步驟c中取代價(jià)次小的一條數(shù)據(jù)；e：更新record中rni對(duì)應(yīng)機(jī)器人的剩余時(shí)間ti1、剩余電量bi1、分配到任務(wù)數(shù)n數(shù)據(jù)，tnj對(duì)應(yīng)任務(wù)的torn、isa數(shù)據(jù)；跳轉(zhuǎn)步驟c中繼續(xù)取下一條數(shù)據(jù)。在上述步驟s3中，一種改進(jìn)的免疫遺傳算法應(yīng)用于機(jī)器人的路徑規(guī)劃，其特征在于在免疫遺傳算法產(chǎn)生初始解時(shí)本發(fā)明采用最鄰近算法和隨機(jī)法相結(jié)合；在計(jì)算抗體濃度時(shí)，計(jì)算相似度的過(guò)程中通過(guò)計(jì)算兩條抗體路徑邊相同數(shù)量來(lái)判斷抗體路徑的相似性，從而計(jì)算抗體的濃度。在上述步驟s3中，本發(fā)明在對(duì)免疫遺傳算法的初始抗體群部分做出改進(jìn)，初始抗體群大小popsize的20％由最鄰近算法產(chǎn)生近似最優(yōu)解，為保證抗體群的多樣性，剩下80％依然由隨機(jī)法產(chǎn)生。進(jìn)一步，如果機(jī)器人分配到的任務(wù)數(shù)n小于n≤popsize*0.2，則由最鄰近算法產(chǎn)生n條路徑的初始解，否則由最鄰近算法產(chǎn)生出popsize*0.2條初始路徑解，其余部分由隨機(jī)發(fā)產(chǎn)生。步驟3中為每個(gè)機(jī)器人所分配到的任務(wù)點(diǎn)使用本發(fā)明的改進(jìn)免疫遺傳算法進(jìn)行路徑規(guī)劃，其中單個(gè)機(jī)器人的路徑規(guī)劃的過(guò)程如下：(a)：算法初始化：將待求解的目標(biāo)函數(shù)和約束條件輸入，作為帶求解問(wèn)題的抗原，初始化算法中種群的大小popsize為100、選擇概率ps、最大交叉概率為0.9、最小交叉概率為0.5以及變異概率pm最大和最小分別為0.3與0.1；精英保留抗體數(shù)為5；(b)：生成初始抗體群：本算法中初始抗體群的生成由兩部分組成，第一部分由最鄰近算法產(chǎn)生，第二部分由隨機(jī)方法在解空間產(chǎn)生，由最鄰近算法產(chǎn)生的初始抗體解的數(shù)量為popsize*0.2；(c)：親和度及濃度計(jì)算：計(jì)算抗原與抗體之間的親和度抗體與抗體之間的濃度，對(duì)親和度大的抗體和濃度小的抗體予以保留；除去抗體群中親和度低的抗體；(d)：記憶抗體群更新：將抗體群中，親和度最高的個(gè)體放入記憶抗體群中，同樣也為了保持記憶抗體群的規(guī)模不變，也要除去親和度低或者適應(yīng)度低的抗體；(e)：免疫自調(diào)節(jié)：根據(jù)兩個(gè)抗體的親和度計(jì)算抗體濃度，對(duì)高濃度的抗體進(jìn)行抑制，用以增加種群多樣性；(f)：生成新一代抗體群：對(duì)抗體群中的抗體進(jìn)行選擇、交叉和變異操作后，與更新后的記憶抗體群組成新一代抗體群；最優(yōu)個(gè)體對(duì)應(yīng)實(shí)際問(wèn)題的新解；當(dāng)新解滿足算法停止條件時(shí)，算法終止，否則轉(zhuǎn)向步驟(c)。計(jì)算抗體濃度過(guò)程中，對(duì)抗體相似度的計(jì)算方法做出改進(jìn)。設(shè)有兩條路徑p1(t11,t12,t13,···,t1n)與p2(t21,t22,t23,···,t2n)，其適應(yīng)度分別為f1、f2，路徑p1中包含的邊有e1i(t1i,t1i+1)，路徑p2中包含的邊有e2i(t2i,t2i+1)。(1)適應(yīng)度部分相似度定義如下：(2)路徑結(jié)構(gòu)部分相似度定義如下：公式中n為抗體路徑的長(zhǎng)度，t1i與t2i分別表示為1、2號(hào)抗體路徑中第i個(gè)的任務(wù)編號(hào)。(3)則綜合相似度定義如下：similar(p1,p2)＝α*sp(p1,p2)+(1-α)*sf(p1,p2)式中α為兩部分的權(quán)重因子，當(dāng)α＝0時(shí)，路徑相似度只與路徑適應(yīng)度有關(guān)，當(dāng)α＝1時(shí)，路徑相似度只與路徑結(jié)構(gòu)有關(guān)，所以α是調(diào)節(jié)路徑結(jié)構(gòu)和適應(yīng)度的權(quán)重參數(shù)。進(jìn)一步，在大小為n的抗體種群中，第i條抗體的濃度公式定義如下所示：上式(12)中ε為一個(gè)較小的實(shí)數(shù)，pi為第i抗體的路徑，pj為第j抗體的路徑，函數(shù)iss(pi,pj)中g(shù)(pi,pj)的值為|similar(pi,pj)-1|。在使用改進(jìn)免疫遺傳算法進(jìn)行機(jī)器人路徑規(guī)劃的過(guò)程中，在算法中選擇、交叉以及變異算子的概率計(jì)算方法如下：(1)選擇操作：在抗體群大小為n的種群中，第i個(gè)抗體的選擇概率為psi，為滿足對(duì)濃度高的抗體進(jìn)行抑制，適應(yīng)度高的抗體進(jìn)行促進(jìn)，本發(fā)明選擇概率計(jì)算方式如下所示：上式中psimax是i號(hào)抗體初始最大選擇概率，psimin是i號(hào)抗體是初始最小選擇概率，fi為適應(yīng)度，ci為i號(hào)抗體的濃度，ss(i)為用于計(jì)算選擇概率的中間計(jì)算量。參數(shù)λ為濃度對(duì)選擇概率的影響決定因子，當(dāng)λ為0時(shí)其和基本遺傳算法相似。(2)交叉操作：抗體群中，為了使得免疫算法在解搜索范圍內(nèi)都具有同等的機(jī)會(huì)，所以抗體之間的交叉概率應(yīng)為相同的，但是為了保證算法的穩(wěn)定性交叉概率應(yīng)該逐步減小。本文兼顧這些因素，對(duì)交叉概率的定義如下所示：pci＝pcmin，pci＜pcmin上式中t為最大迭代代數(shù)，t為當(dāng)前代數(shù)，pcmax為抗體初始最大交叉概率，pcmin為抗體初始最小交叉概率；(3)變異操作：在免疫遺傳算法中，為了保持高適應(yīng)度的抗體不被破壞，因此在抗體適應(yīng)度越大時(shí)，其變異概率越?。豢贵w的濃度越大其變異概率越大。但為了最后群體的穩(wěn)定收斂，抗體變異概率應(yīng)逐漸減小。因此其變異概率如下所示：上式(18)與(19)中fi表示i號(hào)抗體的適應(yīng)度，fmax為抗體群中最大適應(yīng)度，pmmax為抗體初始最大變異概率，pmmin為抗體初始最小變異概率，t為最大迭代代數(shù)，t為當(dāng)前代數(shù)。步驟3之后顯示多機(jī)器人經(jīng)過(guò)路徑規(guī)劃后的結(jié)果：對(duì)于一條抗體路徑p(t1,t2,t3,...,tn)，步驟a中的目標(biāo)函數(shù)為路徑的距離最小，具體如公式(6)所示，其中d(p)為路徑p的距離，vi表示路徑中的第i個(gè)任務(wù)節(jié)點(diǎn)。對(duì)于步驟b中使用的最近阾算法產(chǎn)生初始抗體路徑，具體的設(shè)有初始子路徑son(i)，初始只包含一個(gè)任務(wù)點(diǎn)i，未插入的任務(wù)點(diǎn)包含在集合w中，最鄰近算法具體步驟為：(1)從w中取出距離son中距離最小的點(diǎn)r，將r插入子路徑son中，并從w中移除任務(wù)點(diǎn)r；(2)繼續(xù)從集合w中取出一任務(wù)點(diǎn)r到最新插入子路徑son中的任務(wù)點(diǎn)距離最小的任務(wù)點(diǎn)繼續(xù)插入son中；(3)重復(fù)進(jìn)行步驟(2)操作，直到w中無(wú)任務(wù)點(diǎn)；對(duì)于機(jī)器人路徑規(guī)劃步驟c中，親和度的計(jì)算公式如式(7)所示；式(7)中d(best)表示當(dāng)前抗體種群中最優(yōu)路徑的距離，其中d(p)為路徑p的距離，f(p)表示路徑p的親和度，取6次方是為了擴(kuò)大適應(yīng)度之間的間隙。優(yōu)點(diǎn)效果：該方法能將多個(gè)任務(wù)有效的分配至多個(gè)機(jī)器人，并且在機(jī)器人路徑規(guī)劃過(guò)程中，使用改進(jìn)的免疫遺傳算法能有效的減少算法的迭代次數(shù)，提高免疫遺傳算法的全局最優(yōu)解的搜索效率，求解到的最優(yōu)解更短。附圖說(shuō)明圖1為本發(fā)明多機(jī)器人任務(wù)分配流程圖圖2為本發(fā)明多機(jī)器人任務(wù)分配結(jié)果圖圖3為本發(fā)明使用最鄰近算法產(chǎn)生的一條初始解圖4為本發(fā)明多機(jī)器人路徑規(guī)劃結(jié)果圖具體實(shí)施方式下文將結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行詳細(xì)說(shuō)明。本發(fā)明是一種多機(jī)器人任務(wù)分配及路徑規(guī)劃方法，在多機(jī)器人系統(tǒng)中，先將任務(wù)按一定策略分配至每個(gè)機(jī)器人，然后每個(gè)機(jī)器人對(duì)所分得的任務(wù)進(jìn)行路徑規(guī)劃。具體包括以下步驟：步驟1：機(jī)器人數(shù)據(jù)信息的獲取，如機(jī)器人速度、電量、最大工作時(shí)間、最多可接受的任務(wù)數(shù)以及任務(wù)點(diǎn)的位置。如附圖2所示，圖中為隨機(jī)生成的六個(gè)機(jī)器人以及200個(gè)任務(wù)點(diǎn)的數(shù)據(jù)經(jīng)過(guò)任務(wù)分配后的結(jié)果圖。步驟2：多機(jī)器人任務(wù)分配：計(jì)算各機(jī)器人與任務(wù)之間的綜合代價(jià)數(shù)據(jù)，綜合考慮機(jī)器人電量、工作時(shí)間以及最大任務(wù)數(shù)等因素，按綜合代價(jià)最小的準(zhǔn)則將任務(wù)進(jìn)行分配至機(jī)器人；其分配流程如附圖1所示，其過(guò)程具體包括：(1)任務(wù)分配的數(shù)學(xué)模型制定，具體如下：t表示任務(wù)，r表示機(jī)器人；ri來(lái)表示多機(jī)器人系統(tǒng)中的第i個(gè)機(jī)器人，其中i∈[1,n]，n為機(jī)器人系統(tǒng)中的機(jī)器人數(shù)量；ti來(lái)表示多機(jī)器人系統(tǒng)中的第i個(gè)任務(wù)，其中i∈[1,m]，m為機(jī)器人系統(tǒng)中的任務(wù)數(shù)量；i號(hào)機(jī)器人最大工作時(shí)間ti0，i號(hào)機(jī)器人剩余工作時(shí)間ti1,i號(hào)機(jī)器人完成j號(hào)任務(wù)所需消耗時(shí)間記為ntij；dist(ti,rj)表示利用機(jī)器人rj來(lái)完成ti所需要行走的距離值，記為dij；bettery(ti,rj)表示利用機(jī)器人rj來(lái)完成ti任務(wù)時(shí)機(jī)器人rj所需要消耗的電量，記為nbij，由于每個(gè)機(jī)器的屬性不同，每個(gè)機(jī)器人完成同一個(gè)任務(wù)其所需要消耗的電量是不相同的，因此本文用常數(shù)λij表示第i個(gè)機(jī)器人完成第j個(gè)任務(wù)單位距離消耗的電量；(2)任務(wù)分配綜合代價(jià)值計(jì)算方法本發(fā)明綜合考慮機(jī)器人本身屬性的約束條件以及任務(wù)與機(jī)器人之間的不同距離等因素，主要根據(jù)機(jī)器人電量、任務(wù)點(diǎn)與機(jī)器人距離等形成一個(gè)評(píng)價(jià)機(jī)器人對(duì)該任務(wù)的綜合代價(jià)值，綜合代價(jià)值越低說(shuō)明該機(jī)器人完成任務(wù)所需消耗的電量或者需要克服的困難越少。因此本發(fā)明設(shè)計(jì)了一個(gè)計(jì)算該綜合代價(jià)值的函數(shù)，本發(fā)明的綜合代價(jià)函數(shù)定義如公式(1)所示，該公式表示機(jī)器人完成任務(wù)所需的代價(jià)。cost(ti,rj)表示利用機(jī)器人rj來(lái)完成ti所需要的代價(jià)值，記為cij。公式(1)至(3)中，dist(tj,ri)代表機(jī)器人ri與任務(wù)點(diǎn)tj之間的距離，代表機(jī)器人ri的速度，bettery(tj,ri)代表機(jī)器人ri完成任務(wù)tj過(guò)程中這段距離所需要消耗的電量，由于消耗電量不僅與距離有關(guān)，而且與其本身的屬性有關(guān)，所以使用一個(gè)常量因子λij代表第i個(gè)機(jī)器人完成第j個(gè)任務(wù)單位距離所消耗電量。公式(1)中的代價(jià)函數(shù)含義是在機(jī)器人完成任務(wù)所需時(shí)間最短、所需電量最小的時(shí)候?qū)⑦@個(gè)任務(wù)分配給這個(gè)機(jī)器人。(3)任務(wù)分配至機(jī)器人需滿足的條件由于每個(gè)機(jī)器人的能力不同，造成每個(gè)機(jī)器人能夠完成的任務(wù)數(shù)量也不盡相同，其他的約束條件如機(jī)器人的電量、機(jī)器人到任務(wù)之間的距離等都對(duì)機(jī)器人任務(wù)分配產(chǎn)生影響，首先設(shè)當(dāng)前機(jī)器人ri分配到的k個(gè)任務(wù)清單有(t1,t2,...,tk)；因此要使得下一個(gè)任務(wù)分配至該機(jī)器人必須滿足如下條件：1)機(jī)器人ri到此任務(wù)tj之間的代價(jià)最小，數(shù)學(xué)表示如公式(4)所示：min{cost(tj,ri),i∈[1,n]}(4)2)機(jī)器人剩余電量足夠滿足當(dāng)前任務(wù)的消耗，具體表現(xiàn)為公式(5)：其中b(ri)為機(jī)器人ri的初始電量，dist(tj,ri)代表機(jī)器人ri與任務(wù)點(diǎn)tj之間的距離，λij代表第i個(gè)機(jī)器人完成第j個(gè)任務(wù)單位距離所消耗電量。(4)多機(jī)器人任務(wù)分配步驟及流程，具體如下：a：隨機(jī)或讀取產(chǎn)生機(jī)器人及任務(wù)數(shù)據(jù)，機(jī)器人數(shù)據(jù)信息包括編號(hào)rn、初始位置rp0、初始電量b0、剩余電量b1、速度v、當(dāng)前分配到任務(wù)數(shù)n等；任務(wù)數(shù)據(jù)包括：任務(wù)編號(hào)tn、位置tp、分配否標(biāo)識(shí)isa、分配至機(jī)器人編號(hào)torn等。分別構(gòu)成機(jī)器人與任務(wù)隊(duì)列；b：根據(jù)上文敘述部分的公式(1)至(3)計(jì)算j號(hào)任務(wù)分配給i號(hào)機(jī)器人所需要的代價(jià)信息，并記錄一個(gè)包含rni、tnj、nbij、ntij、cij及dij的數(shù)據(jù)表table，并按代價(jià)的升序排列；c：從table中取代價(jià)最小的一條數(shù)據(jù)record判斷該記錄中tn對(duì)應(yīng)的任務(wù)isa是否為true。如果是則重復(fù)此步驟，否則執(zhí)行以下步驟；d：判斷record中rni對(duì)應(yīng)bi1是否大于nbij，且ti1是否大于ntij，以及機(jī)器人已分配到任務(wù)沒(méi)有數(shù)到達(dá)上限，如果條件全部滿足則繼續(xù)，否則跳轉(zhuǎn)步驟c中取代價(jià)次小的一條數(shù)據(jù)；e：更新record中rni對(duì)應(yīng)機(jī)器人的剩余時(shí)間ti1、剩余電量bi1、分配到任務(wù)數(shù)n等數(shù)據(jù)，tnj對(duì)應(yīng)任務(wù)的torn、isa等數(shù)據(jù)。跳轉(zhuǎn)步驟c中繼續(xù)取下一條數(shù)據(jù)。步驟3：為每個(gè)機(jī)器人所分配到的任務(wù)點(diǎn)使用本發(fā)明的改進(jìn)免疫遺傳算法進(jìn)行路徑規(guī)劃，其中單個(gè)機(jī)器人的路徑規(guī)劃的過(guò)程如下：a：算法初始化：將待求解的目標(biāo)函數(shù)和約束條件輸入，作為帶求解問(wèn)題的抗原，初始化算法中種群的大小popsize為100、選擇概率ps、最大交叉概率為0.9、最小交叉概率為0.5以及變異概率pm最大和最小分別為0.3與0.1。精英保留抗體數(shù)為5。b：生成初始抗體群：本發(fā)明的算法中初始抗體群的生成由兩部分組成，第一部分由最鄰近算法產(chǎn)生，為了保證初始解的多樣性，第二部分由隨機(jī)方法在解空間產(chǎn)生，由最鄰近算法產(chǎn)生的初始抗體解的數(shù)量為popsize*0.2。如圖3所示為初始抗體群中最優(yōu)抗體路徑結(jié)果。c：親和度及濃度計(jì)算：計(jì)算抗原與抗體之間的親和度抗體與抗體之間的濃度，對(duì)親和度大的抗體和濃度小的抗體予以保留。為保持抗體群規(guī)模不變，要除去抗體群中親和度低的抗體。d：記憶抗體群更新：將抗體群中，親和度最高的個(gè)體放入記憶抗體群中，同樣也為了保持記憶抗體群的規(guī)模不變，也要除去親和度低或者適應(yīng)度低的抗體。e：免疫自調(diào)節(jié)：根據(jù)兩個(gè)抗體的親和度計(jì)算抗體濃度，對(duì)高濃度的抗體進(jìn)行抑制，用以增加種群多樣性。f：生成新一代抗體群：對(duì)抗體群中的抗體進(jìn)行選擇、交叉和變異操作后，與更新后的記憶抗體群組成新一代抗體群。最優(yōu)個(gè)體對(duì)應(yīng)實(shí)際問(wèn)題的新解。當(dāng)新解滿足算法停止條件時(shí)，算法終止，否則轉(zhuǎn)向步驟c。步驟4：顯示多機(jī)器人經(jīng)過(guò)路徑規(guī)劃后的結(jié)果。如圖4所示為多機(jī)器人經(jīng)過(guò)路徑規(guī)劃后的運(yùn)行結(jié)果圖。進(jìn)一步，對(duì)于一條抗體路徑p(t1,t2,t3,...,tn)，步驟a中的目標(biāo)函數(shù)為路徑的距離最小，具體如公式(6)所示，其中d(p)為路徑p的距離，vi表示路徑中的第i個(gè)任務(wù)節(jié)點(diǎn)。進(jìn)一步，對(duì)于步驟b中使用的最近阾算法產(chǎn)生初始抗體路徑，具體的設(shè)有初始子路徑son(i)，初始只包含一個(gè)任務(wù)點(diǎn)i，未插入的任務(wù)點(diǎn)包含在集合w中，最鄰近算法具體步驟為：(1)從w中取出距離son中距離最小的點(diǎn)r，將r插入子路徑son中，并從w中移除任務(wù)點(diǎn)r；(2)繼續(xù)從集合w中取出一任務(wù)點(diǎn)r到最新插入子路徑son中的任務(wù)點(diǎn)距離最小的任務(wù)點(diǎn)繼續(xù)插入son中；(3)重復(fù)進(jìn)行步驟(2)操作，直到w中無(wú)任務(wù)點(diǎn)。進(jìn)一步，對(duì)于機(jī)器人路徑規(guī)劃步驟c中，親和度的計(jì)算公式如式(7)所示。式(7)中d(best)表示當(dāng)前抗體種群中最優(yōu)路徑的距離，其中d(p)為路徑p的距離，f(p)表示路徑p的親和度，取6次方是為了擴(kuò)大適應(yīng)度之間的間隙。本發(fā)明在計(jì)算抗體濃度時(shí)，對(duì)抗體相似度的計(jì)算做出改變。在傳統(tǒng)的計(jì)算抗體相似度部分，多數(shù)采用的是計(jì)算路徑距離，路徑距離短的視為最優(yōu)個(gè)體。但有很多路徑距離不相近且路徑連接順序幾乎相同的個(gè)體會(huì)因?yàn)橛H和度大被保留在抗體群中，從而使計(jì)算陷入局部最優(yōu)解。本發(fā)明綜合考慮路徑結(jié)構(gòu)和適應(yīng)度兩方面，相似度計(jì)算包括路徑結(jié)構(gòu)的相似性和路徑適應(yīng)度的品質(zhì)相似性。設(shè)有兩條路徑p1(t11,t12,t13,···,t1n)與p2(t21,t22,t23,···,t2n)，其適應(yīng)度分別為f1、f2。適應(yīng)度部分相似度定義的公式如(8)所示：式(8)中θ為一個(gè)較小的實(shí)數(shù)，若θ取0.05時(shí)兩路徑滿足上式中關(guān)系，則說(shuō)明此兩路徑品質(zhì)上相似度為95％。路徑結(jié)構(gòu)部分相似度定義對(duì)于兩條抗體路徑p1(t11,t12,t13,···,t1n)與p2(t21,t22,t23,···,t2n)，計(jì)算兩條路徑中的邊，路徑p1中包含的邊有e1i(t1i,t1i+1)，路徑p2中包含的邊有e2i(t2i,t2i+1)。則p1與p2路徑結(jié)構(gòu)部分相似度定義公式如(9)至(10)所示：公式9中n為抗體路徑的長(zhǎng)度，t1i與t2i分別表示為1、2號(hào)抗體路徑中第i個(gè)的任務(wù)編號(hào)。本文綜合相似度定義公式為(11)所示：similar(p1,p2)＝α*sp(p1,p2)+(1-α)*sf(p1,p2)(11)式(11)中α為兩部分的權(quán)重因子，當(dāng)α＝0時(shí)，路徑相似度只與路徑適應(yīng)度有關(guān)，當(dāng)α＝1時(shí)，路徑相似度只與路徑結(jié)構(gòu)有關(guān)，所以α是調(diào)節(jié)路徑結(jié)構(gòu)和適應(yīng)度的權(quán)重參數(shù)。在大小為n的抗體種群中，第i條抗體的濃度公式定義如(12)所示：上式(12)中ε為一個(gè)較小的實(shí)數(shù)，pi為第i抗體的路徑，pj為第j抗體的路徑，函數(shù)iss(pi,pj)中g(shù)(pi,pj)的值為|similar(pi,pj)-1|。進(jìn)一步，對(duì)于機(jī)器人路徑規(guī)劃步驟f中，選擇操作時(shí)的概率確定方法如下：在抗體群大小為n的種群中，第i個(gè)抗體的選擇概率為psi，為滿足對(duì)濃度高的抗體進(jìn)行抑制，適應(yīng)度高的抗體進(jìn)行促進(jìn)，本發(fā)明選擇概率計(jì)算方式如公式(14)所示：上式中psimax是i號(hào)抗體初始最大選擇概率，psimin是i號(hào)抗體是初始最小選擇概率，fi為適應(yīng)度，ci為i號(hào)抗體的濃度，ss(i)為用于計(jì)算選擇概率的中間計(jì)算量。參數(shù)λ為濃度對(duì)選擇概率的影響決定因子，當(dāng)λ為0時(shí)其和基本遺傳算法相似。進(jìn)一步，對(duì)于機(jī)器人路徑規(guī)劃步驟f中，交叉操作時(shí)的概率確定方法如下：抗體群中，為了使得免疫算法在解搜索范圍內(nèi)都具有同等的機(jī)會(huì)，所以抗體之間的交叉概率應(yīng)為相同的，但是為了保證算法的穩(wěn)定性交叉概率應(yīng)該逐步減小。本文兼顧這些因素，對(duì)交叉概率的定義公式如(16)與(17)所示：pci＝pcmin，pci＜pcmin(17)上式(16)與(17)中t為最大迭代代數(shù)，t為當(dāng)前代數(shù)，pcmax為抗體初始最大交叉概率，pcmin為抗體初始最小交叉概率。進(jìn)一步，對(duì)于機(jī)器人路徑規(guī)劃步驟f中，變異操作時(shí)的概率確定方法如下：在免疫遺傳算法中，為了保持高適應(yīng)度的抗體不被破壞，因此在抗體適應(yīng)度越大時(shí)，其變異概率越?。豢贵w的濃度越大其變異概率越大。但為了最后群體的穩(wěn)定收斂，抗體變異概率應(yīng)逐漸減小。因此其變異概率公式pmi如(18)、(19)所示：上式(18)與(19)中fi表示i號(hào)抗體的適應(yīng)度，fmax為抗體群中最大適應(yīng)度，pmmax為抗體初始最大變異概率，pmmin為抗體初始最小變異概率，t為最大迭代代數(shù)，t為當(dāng)前代數(shù)。當(dāng)前第1頁(yè)12當(dāng)前第1頁(yè)12