CN113848904B - 一种基于惩罚能耗优化多移动机器人任务分配的方法 - Google Patents

一种基于惩罚能耗优化多移动机器人任务分配的方法 Download PDF

Info

Publication number
CN113848904B
CN113848904B CN202111119690.9A CN202111119690A CN113848904B CN 113848904 B CN113848904 B CN 113848904B CN 202111119690 A CN202111119690 A CN 202111119690A CN 113848904 B CN113848904 B CN 113848904B
Authority
CN
China
Prior art keywords
energy consumption
punishment
mobile robot
intelligent algorithm
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111119690.9A
Other languages
English (en)
Other versions
CN113848904A (zh
Inventor
贾文友
朱良恒
梁利东
贾昊瑞
刘莉
蔡诚
魏文涛
林小樱
武洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Polytechnic University
Original Assignee
Anhui Polytechnic University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Polytechnic University filed Critical Anhui Polytechnic University
Priority to CN202111119690.9A priority Critical patent/CN113848904B/zh
Publication of CN113848904A publication Critical patent/CN113848904A/zh
Application granted granted Critical
Publication of CN113848904B publication Critical patent/CN113848904B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Manipulator (AREA)

Abstract

本发明公开一种基于惩罚能耗优化多移动机器人任务分配的方法，包括移动机器人能耗模型，惩罚能耗，能耗惩罚模型，目标函数值，智能算法；在移动机器人能耗模型中引入惩罚能耗，令移动机器人能耗模型包括所有移动机器人消耗总能量和惩罚能量之和，目标函数值中包括惩罚能耗，基于能耗惩罚模型计算惩罚能耗，当能耗百分比大于或等于设定的一个经验常数值时，计算惩罚能耗，否则令惩罚能耗为0；通过智能算法计算目标函数值的最小值，在满足智能算法终止条件下，输出仿真后每个移动机器人的完成分配任务的作业路线，终止条件设置为智能算法迭代次数。它概念简单，实现方便，鲁棒性高，适应于能耗约束下多机器人均衡作业的现实需求，提高适用范围。

Description

一种基于惩罚能耗优化多移动机器人任务分配的方法
技术领域
本发明涉及一种机器人任务分配技术领域，具体是涉及一种基于惩罚能耗优化多移动机器人任务分配的方法。
背景技术
移动机器人已成为生产工厂、仓库、快递站、超市等工作场所的作业重要载体，研究多机器人任务分配所涉及数值计算方法和最优化理论具有一定的学术意义和使用价值，但多机器人作业过程进行任务分配时缺乏各机器人之间能耗均衡，存在部分机器人储能不够而需要中途补充机器人，影响作业任务完成效率。
发明内容
为了克服现有多机器人作业过程进行任务分配时缺乏各机器人之间能耗均衡，存在部分机器人储能不够而需要中途补充机器人，影响作业任务完成效率等缺陷，本发明提供一种基于惩罚能耗优化多移动机器人任务分配的方法，引入惩罚能耗，以相对平均能耗为参考，对超额的机器人在总能耗中惩罚能耗，在总能耗约束目标下，均衡各移动机器人的能耗，优化多机器人作业过程任务分配，确保作业任务高效完成。
本发明具体解决其技术问题所采用的技术解决方案是：一种基于惩罚能耗优化多移动机器人任务分配的方法，包括移动机器人能耗模型，惩罚能耗，能耗惩罚模型，目标函数值，智能算法，利用能耗惩罚模型，在目标函数值中增加惩罚能耗，通过智能算法计算目标函数值的最小值，在满足智能算法终止条件下，输出仿真后每个移动机器人的完成分配任务的作业路线，终止条件设置为智能算法迭代次数，具体流程如下：
步骤一：开始；
步骤二：移动机器人能耗模型中引入惩罚能耗，移动机器人能耗模型包括所有移动机器人消耗总能量和惩罚能量之和；
步骤三：基于能耗惩罚模型计算惩罚能耗；
能耗惩罚模型为：
Figure GDA0004170491940000021
式中，i表示机器人的序号；j表示移动机器人作业任务序号；(PE)ij表示移动机器人i完成所有分配给移动机器人i执行分配作业任务j的惩罚能耗；E(Rij)：表示移动机器人i完成所有分配给移动机器人i作业任务j所消耗的总能耗；
Figure GDA0004170491940000022
表示所有机器人消耗能耗平均值；P表示能耗百分比，有
Figure GDA0004170491940000023
α表示超出平均值百分比，是一个经验常数值；在能耗惩罚模型中，如果P≥α，则有
Figure GDA0004170491940000024
否则(PE)ij＝0；
步骤四：计算包括惩罚能耗在内的目标函数值；
惩罚能耗在内的目标函数值为：
Figure GDA0004170491940000025
式中n和m分别表示移动机器人总数量和作业任务总数量；要求包括惩罚能耗在内的目标函数值最小；
步骤五：运用智能算法计算目标函数值的最小值；
步骤六：智能算法终止条件判断，如果智能算法运行的迭代次数小于终止条件设置智能算法迭代次数，直接跳转至步骤三；否则智能算法停止，输出仿真后每个移动机器人的完成分配任务的作业路线，程序结束。
本发明的有益效果是，采用一种基于惩罚能耗优化多移动机器人任务分配的方法，解决了现有多机器人作业过程进行任务分配时缺乏各机器人之间能耗均衡，存在部分机器人储能不够而需要中途补充机器人，影响作业任务完成效率等问题。它概念简单，实现方便，鲁棒性高，适应于能耗约束下多机器人均衡作业的现实需求，大大提高了方法的适用范围。
附图说明
图1为本发明一种基于惩罚能耗优化多移动机器人任务分配的方法的流程图；
图2为本发明一种基于惩罚能耗优化多移动机器人任务分配的方法的仿真结果图。
图中虚线线路表示机器人1的仿真后作业路线，粗实线线路表示机器人2的仿真后作业路线，细实线线路表示机器人3的仿真后作业路线，标记○表示移动机器人作业路径起点，虚线线路、粗实线线路和细实线线路上的序号1、2、3一直到30表示移动机器人作业任务序号，位置横坐标和位置纵坐标大小都是从0到40之间，单位是m。
具体实施方式
下面结合附图和实施例对本发明专利作进一步地说明：
本发明所提供的一种基于惩罚能耗优化多移动机器人任务分配的方法，包括移动机器人能耗模型，惩罚能耗，能耗惩罚模型，目标函数值，智能算法，利用能耗惩罚模型，在目标函数值中增加惩罚能耗，通过智能算法计算目标函数值的最小值，在满足智能算法终止条件下，输出仿真后每个移动机器人的完成分配任务的作业路线，终止条件设置为智能算法迭代次数，具体流程如下：
步骤一：开始；
步骤二：移动机器人能耗模型中引入惩罚能耗，移动机器人能耗模型包括所有移动机器人消耗总能量和惩罚能量之和；
步骤三：基于能耗惩罚模型计算惩罚能耗；
能耗惩罚模型为：
Figure GDA0004170491940000031
式中，i表示机器人的序号；j表示移动机器人作业任务序号；(PE)ij表示移动机器人i完成所有分配给移动机器人i执行分配作业任务j的惩罚能耗；E(Rij)：表示移动机器人i完成所有分配给移动机器人i作业任务j所消耗的总能耗；
Figure GDA0004170491940000032
表示所有机器人消耗能耗平均值；P表示能耗百分比，有
Figure GDA0004170491940000033
α表示超出平均值百分比，是一个经验常数值；在能耗惩罚模型中，如果P≥α，则有
Figure GDA0004170491940000034
否则(PE)ij＝0；
步骤四：计算包括惩罚能耗在内的目标函数值；
惩罚能耗在内的目标函数值为：
Figure GDA0004170491940000035
式中n和m分别表示移动机器人总数量和作业任务总数量；要求包括惩罚能耗在内的目标函数值最小；
步骤五：运用智能算法计算目标函数值的最小值；
步骤六：智能算法终止条件判断，如果智能算法运行的迭代次数小于终止条件设置智能算法迭代次数，直接跳转至步骤三；否则智能算法停止，输出仿真后每个移动机器人的完成分配任务的作业路线，程序结束。
当需要仿真运行基于惩罚能耗优化多移动机器人任务分配的方法时，先设置移动机器人总数量n和作业任务总数量m，令n＝3，m＝30，设置超出平均值百分比，令α＝3％，然后基于惩罚能耗优化多移动机器人任务分配的方法，获得图示2的仿真结果图。

Claims (1)

1.一种基于惩罚能耗优化多移动机器人任务分配的方法，包括移动机器人能耗模型，惩罚能耗，能耗惩罚模型，目标函数值，智能算法；其特征在于：利用能耗惩罚模型，在目标函数值中增加惩罚能耗，通过智能算法计算目标函数值的最小值，在满足智能算法终止条件下，输出仿真后每个移动机器人的完成分配任务的作业路线，终止条件设置为智能算法迭代次数，具体流程如下：
步骤一：开始；
步骤二：移动机器人能耗模型中引入惩罚能耗，移动机器人能耗模型包括所有移动机器人消耗总能量和惩罚能量之和；
步骤三：基于能耗惩罚模型计算惩罚能耗；
能耗惩罚模型为：
Figure FDA0004170491930000011
式中，i表示机器人的序号；j表示移动机器人作业任务序号；(PE)ij表示移动机器人i完成所有分配给移动机器人i执行分配作业任务j的惩罚能耗；E(Rij)：表示移动机器人i完成所有分配给移动机器人i作业任务j所消耗的总能耗；
Figure FDA0004170491930000012
表示所有机器人消耗能耗平均值；P表示能耗百分比，有
Figure FDA0004170491930000013
α表示超出平均值百分比，是一个经验常数值；在能耗惩罚模型中，如果P≥α，则有
Figure FDA0004170491930000014
否则(PE)ij＝0；
步骤四：计算包括惩罚能耗在内的目标函数值；
惩罚能耗在内的目标函数值为：
Figure FDA0004170491930000015
式中n和m分别表示移动机器人总数量和作业任务总数量；要求包括惩罚能耗在内的目标函数值最小；
步骤五：运用智能算法计算目标函数值的最小值；
步骤六：智能算法终止条件判断，如果智能算法运行的迭代次数小于终止条件设置智能算法迭代次数，直接跳转至步骤三；否则智能算法停止，输出仿真后每个移动机器人的完成分配任务的作业路线，程序结束。
CN202111119690.9A 2021-09-24 2021-09-24 一种基于惩罚能耗优化多移动机器人任务分配的方法 Active CN113848904B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111119690.9A CN113848904B (zh) 2021-09-24 2021-09-24 一种基于惩罚能耗优化多移动机器人任务分配的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111119690.9A CN113848904B (zh) 2021-09-24 2021-09-24 一种基于惩罚能耗优化多移动机器人任务分配的方法

Publications (2)

Publication Number Publication Date
CN113848904A CN113848904A (zh) 2021-12-28
CN113848904B true CN113848904B (zh) 2023-05-16

Family

ID=78979576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111119690.9A Active CN113848904B (zh) 2021-09-24 2021-09-24 一种基于惩罚能耗优化多移动机器人任务分配的方法

Country Status (1)

Country Link
CN (1) CN113848904B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114764251B (zh) * 2022-05-13 2023-10-10 电子科技大学 一种基于能耗模型的多智能体协同搜索节能方法
CN116542400B (zh) * 2023-07-05 2023-09-19 北京航空航天大学 一种武器目标分配方法、系统、设备及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104065719A (zh) * 2014-06-19 2014-09-24 安徽工程大学 一种变采样周期调度器及其控制方法
CN107515618A (zh) * 2017-09-05 2017-12-26 北京理工大学 一种考虑时间窗口的异构无人机协同任务分配方法
CN109709970A (zh) * 2018-12-25 2019-05-03 哈尔滨工程大学 一种水下机器人六自由度推力分配优化方法
CN111459108A (zh) * 2020-04-08 2020-07-28 北京理工大学 拖挂式多agv系统的任务分配及无冲突路径规划方法
CN111552313A (zh) * 2020-04-29 2020-08-18 南京理工大学 基于边缘计算动态任务到达的多无人机路径规划方法
KR102190968B1 (ko) * 2020-06-16 2020-12-14 주식회사 아이온커뮤니케이션즈 Dmfc로 동작하는 이동 로봇들의 작업 수행 최적화를 위한 운용 관리 시스템 및 방법
EP3826368A1 (en) * 2019-11-19 2021-05-26 Commissariat à l'énergie atomique et aux énergies alternatives Energy efficient discontinuous mobile edge computing with quality of service guarantees
CN113344303A (zh) * 2021-07-19 2021-09-03 安徽工程大学 一种三维地形下多移动机器人能耗优化的时间窗动态避障方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005020112A1 (en) * 2003-08-25 2005-03-03 Ofir Yaffe System and method for optimizing transportations assignments and maintenance activities
US10871993B2 (en) * 2017-05-10 2020-12-22 King Abdulaziz University Time-aware method of scheduling application tasks in a green data center

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104065719A (zh) * 2014-06-19 2014-09-24 安徽工程大学 一种变采样周期调度器及其控制方法
CN107515618A (zh) * 2017-09-05 2017-12-26 北京理工大学 一种考虑时间窗口的异构无人机协同任务分配方法
CN109709970A (zh) * 2018-12-25 2019-05-03 哈尔滨工程大学 一种水下机器人六自由度推力分配优化方法
EP3826368A1 (en) * 2019-11-19 2021-05-26 Commissariat à l'énergie atomique et aux énergies alternatives Energy efficient discontinuous mobile edge computing with quality of service guarantees
CN111459108A (zh) * 2020-04-08 2020-07-28 北京理工大学 拖挂式多agv系统的任务分配及无冲突路径规划方法
CN111552313A (zh) * 2020-04-29 2020-08-18 南京理工大学 基于边缘计算动态任务到达的多无人机路径规划方法
KR102190968B1 (ko) * 2020-06-16 2020-12-14 주식회사 아이온커뮤니케이션즈 Dmfc로 동작하는 이동 로봇들의 작업 수행 최적화를 위한 운용 관리 시스템 및 방법
CN113344303A (zh) * 2021-07-19 2021-09-03 安徽工程大学 一种三维地形下多移动机器人能耗优化的时间窗动态避障方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Guangtong Xu 等.Target-bundled genetic algorithm for multi-unmanned aerial vehicle cooperat ive task assignment consi Bering precedence constraints.《Proceedings of the Institution of Mechanical Engineers, Part G. Journal of aerospace engineering》 .2019,1-14. *
Pengfei Xiao 等.Task Planning of Space-Robot Clusters Based on Modified Differential Evolution Algorithm.《applied sciences》.2020,1-24. *
吕骏.基于能量均衡的围捕任务分配方法研究.《中国优秀硕士学位论文全文数据库信息科技辑》.2019,(第6期),I140-176. *
周星.多机器人全覆盖问题的任务分配算法研究.《中国博士学位论文全文数据库信息科技辑》.2021,(第1期),I140-123. *
贾文友 等.能耗约束优化工业机器人作业轨迹.《计算机工程与应用》.2021,第57卷(第15期),245-250. *

Also Published As

Publication number Publication date
CN113848904A (zh) 2021-12-28

Similar Documents

Publication Publication Date Title
CN113848904B (zh) 一种基于惩罚能耗优化多移动机器人任务分配的方法
CN103390195B (zh) 一种基于强化学习的机械车间任务调度节能优化系统
CN101901425A (zh) 一种基于多种群协同进化的柔性作业车间调度方法
CN100576179C (zh) 一种基于能量优化的网格调度方法
CN105719091B (zh) 一种梯级水电站群并行多目标优化调度方法
CN110598941A (zh) 一种基于仿生策略的粒子群优化制造系统双目标排产方法
CN110956371B (zh) 面向复杂人机耦合的智能制造车间的绿色调度优化方法
CN101604409B (zh) 应用于多重入复杂制造系统的调度方法
CN105652791A (zh) 订单驱动的离散制造过程能耗优化方法
CN108171372B (zh) 一种存在准备时间的多品种生产分批调度方法
CN104009494A (zh) 一种环境经济发电调度方法
CN104376369A (zh) 一种基于混合遗传算法的轮胎硫化车间能耗优化调度方法
CN105654240A (zh) 机床产品制造系统能效分析方法
CN105550825B (zh) 云计算环境下的基于MapReduce并行化的柔性工厂作业调度方法
Sun et al. Multi-resource collaborative scheduling problem of automated terminal considering the AGV charging effect under COVID-19
CN103034215B (zh) 基于封闭环的可重入多机批处理调度装置及方法
CN116512250A (zh) 基于人机协作的拆卸线平衡方法
CN108769105A (zh) 一种云环境下的知识服务多任务调度优化方法及其构建的调度系统
CN112148446B (zh) 一种用于多技能资源受限项目调度的进化策略方法
Wang et al. Genetic algorithm in flexible work shop scheduling based on multi-objective optimization
CN112699544A (zh) 一种多目标柔性作业车间调度方法
CN108873850A (zh) 一种机械制造自动化生产过程的优化调度方法
CN103996080A (zh) 一种具有最大联通性的制造系统构型优化方法
CN115271153A (zh) 一种基于多目标规划的区域产业结构调整优化方法和系统
CN115496322A (zh) 分布式流水车间调度方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant