基于改进遗传算法的堆栈调度策略“水蜘蛛”路径规划

doi:10.16731/j.cnki.1671-3133.2019.01.007

现代制造工程 ›› 2019, Vol. 460 ›› Issue (1): 38-42.doi: 10.16731/j.cnki.1671-3133.2019.01.007

• 先进制造系统管理运作 • 上一篇下一篇

基于改进遗传算法的堆栈调度策略“水蜘蛛”路径规划

王贵用¹, 周尔民²

1 福建师范大学闽南科技学院,泉州 362332;
2 华东交通大学交通运输与物流学院,南昌 330013

收稿日期:2017-04-17 出版日期:2019-01-20 发布日期:2019-02-15
作者简介:王贵用,硕士,主要研究方向为虚拟制造、工业工程。周尔民,教授,主要研究方向为CAD/CAM、虚拟制造技术。 E-mail:wgy8908@163.com
基金资助:
福建省教育厅中青年教师教育科研项目(JAS180876);江西省科技计划项目(20151BBE50053)

The path planning based on improved genetic algorithm for “water spider” under stack scheduling strategy

Wang Guiyong¹, Zhou Ermin²

1 Minnan Science and Technology Institute,Fujian Normal University,Quanzhou 362332,Fujian,China;
2 School of Transportation and Logistics,East China Jiaotong University,Nanchang 330013,China

Received:2017-04-17 Online:2019-01-20 Published:2019-02-15

摘要/Abstract

摘要： 根据“水蜘蛛”作业的特点,处于堆栈策略下的“水蜘蛛”作业路径较长,因此选取堆栈调度策略下的“水蜘蛛”作为研究对象。将该策略下的“水蜘蛛”路径规划看作是旅行商问题(Travelling Salesman Problem,TSP),考虑到工厂中实际通道为横平竖直的路线,改变以欧式距离求解TSP的方式,即以最小化“水蜘蛛”经过各工位的曼哈顿距离之和L为目标求解TSP。基于改进遗传算法对其进行优化,引入进化逆转算子,提高了局部搜索能力,并利用Matlab编程对其进行仿真试验。结果表明该算法在进行“水蜘蛛”的路径规划时,可以得到近似最优的方案。

关键词: “水蜘蛛”作业, 曼哈顿距离, 堆栈调度策略, 改进遗传算法, 路径规划

Abstract: Because the operation path of “water spider” is longer under the stack strategy,choosing it as the research object,based on the characteristics of “water spider” work.Regard the path planning of “water spider” under this strategy as Traveling Salesman Problem(TSP).Because the actual channel is horizontal and vertical line in the factory,choosing the sum of the Manhattan distance after the “water spider” move to all stages and changing the way to solve the TSP in Euclidean distance.Based on the improved genetic algorithm to optimize for it,introduced the reverse evolution operator to improve the local search ability,then using the Matlab to do simulation experiments.The results show that the algorithm can get the approximate optimal solution in path planning of the “water spider”.

Key words: “water spider” work, Manhattan distance, stack scheduling policy, improved genetic algorithm, path planning

中图分类号:

F273
F406.2

王贵用, 周尔民. 基于改进遗传算法的堆栈调度策略“水蜘蛛”路径规划[J]. 现代制造工程, 2019, 460(1): 38-42.

Wang Guiyong, Zhou Ermin. The path planning based on improved genetic algorithm for “water spider” under stack scheduling strategy[J]. Modern Manufacturing Engineering, 2019, 460(1): 38-42.

参考文献 14

[1]	杨建宏,殷卫民,黄华.精益生产实战应用[M].北京: 经济管理出版社,2010.
[2]	刘世清,杨孔雨.求解TSP问题的遗传算法改进研究[J].北京信息科技大学学报(自然科学版),2014(2):46-50.
[3]	URSANI Z,ESSAM D,CORNFORTH D,et al.Localized genetic algorithm for vehicle routing problem with time windows[J].Applied Soft Computing,2011,11(8):5375-5390.
[4]	GROBA C,SARTAL A,VÁZQUEZ X H.Solving the dynamic traveling salesman problem using a genetic algorithm with trajectory prediction: An application to fish aggregating devices[J].Computers & Operations Research,2015(56):22-32.
[5]	YANIK S,BOZKAYA B,DEKERVENOAEL R.A new VRPPD model and a hybrid heuristic solution approach for e-tailing[J].European Journal of Operational Research,2014,236(3):879-890.
[6]	ALBAYRAK M,ALLAHVERDI N.Development a new mutation operator to solve the Traveling Salesman Problem by aid of Genetic Algorithms[J].Expert Systems with Applications,2011,38(3):1313-1320.
[7]	NAGATA Y,SOLER D.A new genetic algorithm for the asymmetric traveling salesman problem[J].Expert Systems with Applications,2012,39(10):8947-8953.
[8]	OSABA E,ONIEVA E,DIAZ F,et al.Comments on “ALBAYRAK M,ALLAHVERDY N.Development a new mutation operator to solve the traveling salesman problem by aid of genetic algorithms[J].Expert Systems with Applications,2011,38(3):1313-1320.”: A proposal of good practice[J].Expert Systems with Applications,2014,41(4):1530-1531.
[9]	单春艳,姚鹏修.遗传算法在旅行商问题的研究与应用[J].工业控制计算机,2013(11):107-109.
[10]	储理才.基于MATLAB的遗传算法程序设计及TSP问题求解[J].集美大学学报(自然科学版),2001(1):14-19.
[11]	刘青凤,李敏.基于遗传算法的TSP问题优化求解[J].计算机与现代化,2008(2):43-44.
[12]	于莹莹,陈燕,李桃迎.改进的遗传算法求解旅行商问题[J].控制与决策,2014,29(8):1483-1488.
[13]	高海昌,冯博琴,朱利.智能优化算法求解TSP问题[J].控制与决策,2006(3):241-247.
[14]	周尔民,王贵用,朱进,等.基于排队论的“水蜘蛛”作业系统调度与仿真[J].工业工程与管理,2016(1):79-88.

[1]	郑晓军，王琨，曹梦媛，宁诗铎. 仿真环境下的泊位指派与箱位分配协调优化[J]. 现代制造工程, 2022, 498(3): 13-18.
[2]	荆泽成，张秋菊，杨瑞. 基于改进RRT的核退役机器人避障方法[J]. 现代制造工程, 2022, 497(2): 46-51.
[3]	袁福龙，朱建平. 基于改进蚁群算法的移动机器人最优路径规划[J]. 现代制造工程, 2021, 490(7): 38-47.
[4]	王昀睿，赵旭雯，武争利，蒋子强. 基于混流生产模式的装配车间物料配送路径规划方法[J]. 现代制造工程, 2021, 490(7): 109-116.
[5]	张瑞杰，何舟，施威杰. 基于Petri网的车间物料配送及路径规划方法[J]. 现代制造工程, 2021, 489(6): 17-24.
[6]	何飞翔，朱小明，韩伟，李凤静. 模具零件数控加工在线检测宏程序编程及应用[J]. 现代制造工程, 2021, 488(5): 70-74.
[7]	袁鹏，周军，杨子兵，吴迪，皇攀凌. AGV路径规划与偏差校正研究[J]. 现代制造工程, 2021, 487(4): 26-32.
[8]	葛晓梅，李世豪. 基于改进遗传算法的多目标车间布局优化问题研究[J]. 现代制造工程, 2021, 486(3): 10-14.
[9]	王建,张弓,何文杰,徐征,侯至丞,杨文林,王坛,脱帅华. 基于V-REP的双机器人协同运动仿真与实验研究[J]. 现代制造工程, 2021, 495(12): 21-27.
[10]	雷斌，金彦彤，王致诚，赵蕊，胡方鑫. 仓储物流机器人技术现状与发展[J]. 现代制造工程, 2021, 495(12): 143-153.
[11]	田海波，李陆军，畅科剑，高超，. 用于无人车路径规划的改进A*算法[J]. 现代制造工程, 2021, 494(11): 63-68.
[12]	孔慧芳,盛阳. 基于改进A*算法的AGV路径规划研究[J]. 现代制造工程, 2021, 493(10): 60-64.
[13]	方喜峰, 罗晓梅, 徐精英, 程德俊, 张胜文, 汪通悦, 胡传林. 大型船用螺旋桨桨毂粗加工刀具路径规划研究[J]. 现代制造工程, 2021, 484(1): 69-74.
[14]	杜玉红，张岩，赵焕峰. 基于参数优化蚁群算法的机器人路径规划研究[J]. 现代制造工程, 2020, 480(9): 7-14.
[15]	章盼梅. 单模单冲数控冲床加工路径优化方法研究[J]. 现代制造工程, 2020, 476(5): 71-76.

基于改进遗传算法的堆栈调度策略“水蜘蛛”路径规划

The path planning based on improved genetic algorithm for “water spider” under stack scheduling strategy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 14

相关文章 15

编辑推荐

Metrics