CN117371638B - 基于浣熊优化算法的多鱼雷罐多轨道行走路径优化方法 - Google Patents
基于浣熊优化算法的多鱼雷罐多轨道行走路径优化方法 Download PDFInfo
- Publication number
- CN117371638B CN117371638B CN202311657269.2A CN202311657269A CN117371638B CN 117371638 B CN117371638 B CN 117371638B CN 202311657269 A CN202311657269 A CN 202311657269A CN 117371638 B CN117371638 B CN 117371638B
- Authority
- CN
- China
- Prior art keywords
- torpedo
- track
- torpedo tank
- tank
- iteration
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 241000282330 Procyon lotor Species 0.000 title claims abstract description 18
- 238000005457 optimization Methods 0.000 title abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 230000033001 locomotion Effects 0.000 claims abstract description 11
- 239000000463 material Substances 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 3
- 241000695274 Processa Species 0.000 claims 1
- 230000004069 differentiation Effects 0.000 claims 1
- 238000005265 energy consumption Methods 0.000 abstract description 8
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 6
- 241000251729 Elasmobranchii Species 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及鱼雷罐移动轨迹预测技术领域，具体是基于浣熊优化算法的多鱼雷罐多轨道行走路径优化方法，包括以下优化步骤：首先建立用于运送鱼雷罐的轨道体系的空间位置，再基于轨道体系的空间位置，计算鱼雷罐在轨道上移动过程中的位置，以及对应的时间能量值，最后根据时间能量值的计算结果实时更新鱼雷罐的未来移动位置；本发明能够通过改进的浣熊算法完成鱼雷罐群行走路径动态优化，最终使鱼雷罐系统整体运行时间短、耗能少，以提升工厂生产效能。
Description
技术领域
本发明涉及鱼雷罐移动轨迹预测技术领域，具体是基于浣熊优化算法的多鱼雷罐多轨道行走路径优化方法。
背景技术
装配式建筑是指由预制部件在工地上装配而成的建筑。装配式建筑主要分为三种形式，分别为装配式木结构、装配式钢结构和装配式混凝土结构。
作为装配式混凝土建筑的配套环节，PC构件工厂的建设也受到各家企业的重点关注，PC构件工厂的建设管理运营成为一个重大课题摆在建筑人的面前。在PC构件工厂中有一个很重要的运输工具-鱼雷罐，它主要负责运输搅拌后的混凝土到相应浇筑工位上。目前鱼雷罐运输轨道系统性的设计研究较少，更多的工厂仅仅设计一条轨道，只能满足简单的单线运输需求。但是，随着工厂智能化的发展，以及浇筑工位的增加，导致轨道上鱼雷罐数量增多，使轨道的设计变得更加复杂。因此，需要对鱼雷罐的移动轨迹进行规划，从而设计适配的轨道。
现有的移动轨迹规划的算法有多种，广泛应用于各个生产加工领域。浣熊优化算法（CoatiOptimizationAlgorithm，COA）是一种模拟浣熊狩猎行为的优化算法，相较传统的优化算法，该算法进化能力更强，并同时具有收敛速度更快，收敛精度更高等特点。然而，浣熊算法开发阶段的位置更新公式中，会根据目前的个体最优值来更新自己的位置，所以又容易在更新过程总产生陷入局部最优的技术问题。同时目前针对鱼雷罐行走路径优化设计的寻优算法大部分只面向单个鱼雷罐，针对鱼雷罐群的路径规划研究还不成熟，难以在复杂环境下有效的规划出鱼雷罐群精准的移动路径，导致鱼雷罐群中的鱼雷在移动时容易出现彼此相撞或者绕路的情况，进而引发安全事故。
发明内容
为了避免和克服现有技术中存在的技术问题，本发明提供了基于浣熊优化算法的多鱼雷罐多轨道行走路径优化方法。本发明能够较为准确的预测鱼雷罐的移动轨迹。
为实现上述目的，本发明提供如下技术方案：
基于浣熊优化算法的多鱼雷罐多轨道行走路径优化方法，包括以下优化步骤：
S1、建立用于运送鱼雷罐的轨道体系的空间位置；
S2、基于轨道体系的空间位置，计算鱼雷罐在轨道上移动过程中的位置，以及对应的时间能量值；
S3、根据时间能量值的计算结果实时更新鱼雷罐的未来移动位置。
作为本发明再进一步的方案：步骤S1的具体步骤如下：
S11、根据工厂中用于运送鱼雷罐的轨道的布局方式，在工厂中建立三维空间直角坐标系；
S12、获取各个轨道在三维空间直角坐标系中的位置坐标，进而建立由各个轨道交织构成的轨道体系的空间位置；轨道体系包括鱼雷罐的上料口位置和鱼雷罐的下料口位置。
作为本发明再进一步的方案：鱼雷罐在轨道上的移动过程分为两个阶段，第一阶段是向轨道体系中的下料口位置移动的运料过程；第二阶段是鱼雷罐在轨道体系中移动时鱼雷罐彼此相互避让以避免发生碰撞的避让过程。
作为本发明再进一步的方案：所述运料过程具体步骤如下：
S2A1、设定轨道体系中在轨道上运行的所有鱼雷罐的数量n，并分别设定n只鱼雷罐在初始迭代时位于三维空间直角坐标系中的初始位置；
S2A2、获取鱼雷罐下料口在三维空间直角坐标系中的位置，具体表示如下：
其中，表示鱼雷罐下料口在三维空间直角坐标系中的位置的第j维变量值；表示轨道体系的空间位置的第j维变量值的上边界；/>表示轨道体系的空间位置的第j维变量值的下边界；r表示随机数；m表示轨道体系空间位置的维度数量；
S2A3、获取处于轨道上的鱼雷罐向鱼雷罐下料口位置移动时在三维空间直角坐标系中的位置，具体表示如下：
其中，表示第i个鱼雷罐在第t次迭代时的位置的第j维变量值；P1表示鱼雷罐处于运料过程；/>表示在运料过程中第i个鱼雷罐在第t+1次迭代时的位置的第j维变量值；/>表示飞行计算函数，n表示处于轨道上移动的鱼雷罐的总数；T表示最大迭代次数；I表示随机整数，取1或2。
作为本发明再进一步的方案：飞行计算函数具体表示如下：
其中，σ表示学习因子；r1和r2均表示随机数；β表示常数；Γ表示伽马函数。
作为本发明再进一步的方案：在避让过程中，鱼雷罐的位置更新具体表示如下：
其中，P2表示鱼雷罐处于避让过程；表示在避让过程中第i个鱼雷罐在第t+1次迭代时的位置的第j维变量值；/>表示在第t次迭代时/>的局部上限值；/>表示在第t次迭代时/>的局部下限值。
作为本发明再进一步的方案：时间能量值通过时间-能量计算公式计算得到，时间-能量计算公式具体如下：
其中，表示第i个鱼雷罐在第t次迭代时的时间能量值；tt表示从第1次迭代到第t次迭代所用的时间；η1表示时间权重因子，η2表示能量消耗权重因子，且η1+η2=1；τi表示第i个鱼雷罐驱动电机的扭矩；αi表示第i个鱼雷罐驱动电机的角加速度；dt表示时间微分。
作为本发明再进一步的方案：步骤S3的具体步骤如下：
S31、在第t次迭代计算的过程中，结合鱼雷罐的初始位置，计算第i个鱼雷罐的、/>和/>，并将计算结果输入到运料过程位置更新公式中计算第i个鱼雷罐的；/>表示第i个鱼雷罐在第t+1次迭代时的时间能量值；运料过程中鱼雷罐的位置更新公式具体如下：
S32、将运料过程位置更新公式的计算结果输入到第一全局位置更新公式中，以更新得到鱼雷罐在第t+1次迭代时的位置；第一全局位置更新公式具体如下：
S33、计算第i个鱼雷罐的，并将计算结果输入到第二全局位置更新公式中，以更新第一全局位置更新公式中计算得到的鱼雷罐在第t+1次迭代时的位置；第二全局位置更新公式具体如下：
S34、按照步骤S31到步骤S33的内容依次迭代更新鱼雷罐的位置，直到达到最大迭代次数。
与现有技术相比，本发明的有益效果是：
1、本发明能够在鱼雷罐群在复杂轨道体系的情况下，根据实时获取的位置、时间、速度、加速度等信息，通过实时控制鱼雷罐运动，提高鱼雷罐运动轨迹预测的准确性，以实现时间短、耗能低的效果，进而提高鱼雷罐工作效率，减少运输时间，节约成本。
2、本发明将Levy飞行应用于鱼雷罐的位置更新中，在算法进行更新后再进行一次Levy飞行更新鱼雷罐的位置，可跳出局部最优解，扩大搜索能力的效果。
3、本发明中的Levy飞行能够增强全局搜索能力：Levy飞行具有较大的步长，能够在搜索空间中跳出局部最优解，增强了浣熊算法的全局搜索能力。能够保持多样性：Levy飞行的随机性使得浣熊算法在搜索过程中能够保持一定的多样性，避免陷入局部最优解。能够加速收敛速度：Levy飞行具有较小的飞行方向改变，可以在搜索空间中快速探索，并且有助于找到更优的解决方案，加速了浣熊算法的收敛速度。能够增强搜索精度：Levy飞行的大步长和小飞行方向改变有助于浣熊算法在搜索空间中更精确地定位最优解，提高了搜索精度。
4、本发明使用时间能量函数在设计鱼雷罐行走路径时具有以下优点：
1）综合考虑能量消耗和时间成本：能量时间目标函数可以同时考虑能量消耗和时间成本，确保在鱼雷罐的行走路径设计中找到一个平衡点，可以避免只关注一方面而忽视另一方面的情况。
2）提高能源利用率：能量时间目标函数可以帮助优化路径，使得鱼雷罐在行走过程中尽量减少能量消耗，通过最优化路径规划，鱼雷罐可以更加有效地利用能源，延长使用时间或减少能源消耗。
3）降低行走时间：能量时间目标函数可以帮助找到一条最短路径，从而减少鱼雷罐行走的时间。这对于需要在有限时间内完成任务的情况非常重要，可以提高工作效率。
4）适应不同需求：能量时间目标函数可以根据实际需求进行调整和优化。在具体设计中，可以根据不同的约束条件和优化目标，调整能量和时间的权重，以满足特定的需求和限制。
5）考虑实际环境因素：能量时间目标函数可以根据实际环境因素进行调整和优化。
6）可扩展性：能量时间目标函数可以扩展到多个鱼雷罐之间的路径规划。通过考虑多个鱼雷罐的能量消耗和时间效率，可以设计出更加协调和高效的路径，提高整体的能量利用率和任务完成效率。
附图说明
图1为本发明的主要流程结构示意图。
图2为本发明中轨道体系结构示意图。
图3为本发明中详细处理过程流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1～图3，本发明实施例主要包括以下内容。
1、建立用于运送鱼雷罐的轨道体系。
本发明首先确定鱼雷罐的运动轨迹，如图2所示，鱼雷罐在上料口和下料口之间的各个轨道形成的轨道体系中自由移动。1号～5号鱼雷罐在轨道上移动，6号～10号鱼雷罐在上料口处等待。规定轨道上只能运行5只鱼雷罐，当有鱼雷罐到达下料口时，位于上料口的鱼雷罐就会补入进轨道中。到达下料口处的鱼雷罐会从轨道体系之外的环形轨道回到上料口，继续等待下一次装载填料。鱼雷罐是通过罐体底部驱动小车上的驱动电机驱动轮子转动而移动的。
由于鱼雷罐在移动的过程中会出现相遇并碰撞的可能，因此在鱼雷罐相遇时，通过及时改变鱼雷罐的移动轨迹以避免碰撞。鱼雷罐的移动过程分为两个阶段，第一阶段是向轨道体系中的下料口位置移动的运料过程，相当于浣熊算法中的追猎阶段，用P1表示；第二阶段是鱼雷罐在轨道体系中移动时鱼雷罐彼此相互避让以避免发生碰撞的避让过程，相当于浣熊算法中的逃避阶段，用P2表示。
根据工厂中用于运送鱼雷罐的轨道的布局方式，形成对应的轨道体系，并在轨道体系中建立三维空间直角坐标系。接着获取各个轨道在三维空间直角坐标系中的位置坐标，进而建立由各个轨道交织构成的轨道体系的空间位置，即获取每个轨道的三维坐标，同时获取轨道体系中鱼雷罐的上料口位置和鱼雷罐的下料口位置。
将整个轨道体系的三维空间位置导入到对应的三维空间模型中，即可建立整个轨道体系的三维数字化模型。采用位置传感器来获得鱼雷罐的实时位置信息，并根据位置信息的反馈来调整鱼雷罐的驱动电机的转速，以此来满足计算得到的鱼雷罐在轨道上运动的最优时间序列。
鱼雷罐下料口在三维空间直角坐标系中的位置坐标为G(Gx,Gy,Gz)，Gx,Gy,Gz分别表示鱼雷罐的下料口在X轴、Y轴和Z轴上的坐标，m取值为3。以工厂的某一位置作为三维直角空间坐标系的原点，设定下料口的位置坐标为G(15,15,1)，单位为米。
首先设定轨道体系中在轨道上运行的所有鱼雷罐的数量n=5，并分别设定5只鱼雷罐在初始迭代时位于三维空间直角坐标系中的初始位置。然后获取处于轨道上的鱼雷罐向鱼雷罐下料口位置移动时在三维空间直角坐标系中的位置。以1号鱼雷罐为例，计算1号鱼雷罐在运料过程中和避让过程中的位置。
2、基于轨道体系的空间位置，计算鱼雷罐在轨道上移动过程中的位置，以及对应的时间能量值。
以图2中的1号鱼雷罐为例，首先确认时间和能量之间的耗散关系，基于上述建立的轨道体系，1号鱼雷罐由上料口载满混凝土后，开始从上料口进入轨道，在轨道上运行至下料口。1号鱼雷罐在移动的过程中一共经历了N个轨迹点，分别为X1、X2、…、XN。每个轨迹点的对应的时间点分别为t1、t2、…、tN。由于在迭代的过程中鱼雷罐每迭代一次，轨迹点就会更新到下一个，因此在第t次迭代时，对应的时间点可以写成tt。
3、根据时间能量值的计算结果实时更新鱼雷罐的未来移动位置。
首先在第t次迭代计算的过程中，结合鱼雷罐的初始位置，计算第1个鱼雷罐的、/>和/>，并将计算结果输入到运料过程位置更新公式中计算第1个鱼雷罐的。
然后将运料过程位置更新公式的计算结果输入到第一全局位置更新公式中，以更新得到鱼雷罐在第t+1次迭代时的位置。
然后计算第1个鱼雷罐的，并将计算结果输入到第二全局位置更新公式中，以更新第一全局位置更新公式中计算得到的鱼雷罐在第t+1次迭代时的位置。
最后按照上述内容依次迭代更新鱼雷罐的位置，直到达到最大迭代次数。当迭代停止后，1号鱼雷罐的各个轨迹点组合形成鱼雷罐的最优移动路径，1号鱼雷罐按照这个最优移动路径能够节约时间，并且减少能量的消耗，促进节能减排。
设定β=1.5，r1=0.5，r2=0.7，I=1，r=0.3，将这些设定的参数带入上式进行计算，可得Γ(2.5)=1.3293，Γ(1.25)=0.9064，进而计算得到σ=0.7，。设定1号鱼雷罐在轨道上运行的初始位置坐标为/>，6号鱼雷罐在上料口处的位置为，经过上述计算，可得1号鱼雷罐在轨道中移动的部分轨迹坐标如表1所示。
表1 1号鱼雷罐部分轨迹坐标
由表1可以看出，1号鱼雷罐经过多次位置更新迭代后，最后会到达下料口处。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (1)
1.基于浣熊优化算法的多鱼雷罐多轨道行走路径优化方法，其特征在于，包括以下优化步骤：
S1、建立用于运送鱼雷罐的轨道体系的空间位置；
S2、基于轨道体系的空间位置，计算鱼雷罐在轨道上移动过程中的位置，以及对应的时间能量值；
S3、根据时间能量值的计算结果实时更新鱼雷罐的未来移动位置；
步骤S1的具体步骤如下：
S11、根据工厂中用于运送鱼雷罐的轨道的布局方式，在工厂中建立三维空间直角坐标系；
S12、获取各个轨道在三维空间直角坐标系中的位置坐标，进而建立由各个轨道交织构成的轨道体系的空间位置；轨道体系包括鱼雷罐的上料口位置和鱼雷罐的下料口位置；
鱼雷罐在轨道上的移动过程分为两个阶段，第一阶段是向轨道体系中的下料口位置移动的运料过程；第二阶段是鱼雷罐在轨道体系中移动时，鱼雷罐彼此相互避让以避免发生碰撞的避让过程；
所述运料过程具体步骤如下：
S2A1、设定轨道体系中，在轨道上运行的所有鱼雷罐的数量n，并分别设定n只鱼雷罐在初始迭代时位于三维空间直角坐标系中的初始位置；
S2A2、获取鱼雷罐下料口在三维空间直角坐标系中的位置，具体表示如下：
其中，/>表示鱼雷罐下料口在三维空间直角坐标系中的位置的第j维变量值；/>表示轨道体系的空间位置的第j维变量值的上边界；/>表示轨道体系的空间位置的第j维变量值的下边界；r表示随机数；m表示轨道体系空间位置的维度数量；
S2A3、获取处于轨道上的鱼雷罐向鱼雷罐下料口位置移动时，在三维空间直角坐标系中的位置，具体表示如下：
其中，/>表示第i个鱼雷罐在第t次迭代时的位置的第j维变量值；P1表示鱼雷罐处于运料过程；/>表示在运料过程中第i个鱼雷罐在第t+1次迭代时的位置的第j维变量值；Levy(d)表示飞行计算函数；n表示处于轨道上移动的鱼雷罐的总数；T表示最大迭代次数；I表示随机整数；
飞行计算函数Levy(d)具体表示如下：
其中，σ表示学习因子；r1和r2均表示随机数；β表示常数；Γ表示伽马函数；
在避让过程中，鱼雷罐的位置更新具体表示如下：
其中，P2表示鱼雷罐处于避让过程；/>表示在避让过程中第i个鱼雷罐在第t+1次迭代时的位置的第j维变量值；/>表示在第t次迭代时/>的局部上限值；/>表示在第t次迭代时/>的局部下限值；
时间能量值通过时间-能量计算公式计算得到，时间-能量计算公式具体如下：
其中，/>表示第i个鱼雷罐在第t次迭代时的时间能量值；tt表示从第1次迭代到第t次迭代所用的时间；η1表示时间权重因子，η2表示能量消耗权重因子，且η1+η2=1；τi表示第i个鱼雷罐驱动电机的扭矩；αi表示第i个鱼雷罐驱动电机的角加速度；dt表示时间微分；
步骤S3的具体步骤如下：
S31、在第t次迭代计算的过程中，结合鱼雷罐的初始位置，计算第i个鱼雷罐的、和/>，并将计算结果输入到运料过程位置更新公式中计算第i个鱼雷罐的表示第i个鱼雷罐在第t+1次迭代时的时间能量值；运料过程中鱼雷罐的位置更新公式具体如下：
S32、将运料过程位置更新公式的计算结果输入到第一全局位置更新公式中，以更新得到鱼雷罐在第t+1次迭代时的位置；第一全局位置更新公式具体如下：
S33、计算第i个鱼雷罐的/>，并将计算结果输入到第二全局位置更新公式中，以更新第一全局位置更新公式中计算得到的鱼雷罐在第t+1次迭代时的位置；第二全局位置更新公式具体如下：
S34、按照步骤S31到步骤S33的内容依次迭代更新鱼雷罐的位置，直到达到最大迭代次数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311657269.2A CN117371638B (zh) | 2023-12-06 | 2023-12-06 | 基于浣熊优化算法的多鱼雷罐多轨道行走路径优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311657269.2A CN117371638B (zh) | 2023-12-06 | 2023-12-06 | 基于浣熊优化算法的多鱼雷罐多轨道行走路径优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117371638A CN117371638A (zh) | 2024-01-09 |
| CN117371638B true CN117371638B (zh) | 2024-02-20 |
Family
ID=89396889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311657269.2A Active CN117371638B (zh) | 2023-12-06 | 2023-12-06 | 基于浣熊优化算法的多鱼雷罐多轨道行走路径优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117371638B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111681258A (zh) * | 2020-06-12 | 2020-09-18 | 上海应用技术大学 | 基于混合灰狼优化svm的混合增强智能轨迹预测方法和装置 |
| CN112783172A (zh) * | 2020-12-31 | 2021-05-11 | 重庆大学 | 基于离散鲸鱼优化算法的agv与机器集成调度方法 |
| US11262746B1 (en) * | 2018-06-20 | 2022-03-01 | sevama, LLC | Simultaneously cost-optimized and policy-compliant trajectory generation for unmanned aircraft |
| CN114489061A (zh) * | 2022-01-17 | 2022-05-13 | 湖北工业大学 | 一种基于鲸鱼优化算法的平滑路径规划方法 |
| CN114840020A (zh) * | 2022-04-21 | 2022-08-02 | 重庆邮电大学 | 一种基于改进鲸鱼算法的无人机飞行轨迹规划方法 |
| EP4094899A2 (en) * | 2021-05-28 | 2022-11-30 | Tata Consultancy Services Limited | Method and system for narrow passage path sampling based on levy flight |
| CN115686057A (zh) * | 2022-07-22 | 2023-02-03 | 广州大学 | 一种基于鲸鱼优化算法的多无人机路径规划方法 |
| CN115840369A (zh) * | 2023-02-20 | 2023-03-24 | 南昌大学 | 基于改进的鲸鱼优化算法的轨迹优化方法、装置及设备 |
| CN116225066A (zh) * | 2023-03-29 | 2023-06-06 | 淮阴工学院 | 一种基于混沌映射鹈鹕优化算法的无人机路径优化方法 |
| CN116879218A (zh) * | 2023-06-01 | 2023-10-13 | 桂林电子科技大学 | 一种新陈小米的太赫兹时域光谱定量检测方法 |
| CN116933939A (zh) * | 2023-07-27 | 2023-10-24 | 山东省计算中心（国家超级计算济南中心） | 基于改进浣熊优化算法的柔性车间协同生产方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109682380B (zh) * | 2019-01-16 | 2020-01-10 | 北京邮电大学 | 一种通信无人机路径优化方法及设备 |
| US20220163969A1 (en) * | 2020-11-20 | 2022-05-26 | Rapyuta Robotics Co., Ltd. | Systems and methods for optimizing route plans in an operating environment |
-
2023
- 2023-12-06 CN CN202311657269.2A patent/CN117371638B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11262746B1 (en) * | 2018-06-20 | 2022-03-01 | sevama, LLC | Simultaneously cost-optimized and policy-compliant trajectory generation for unmanned aircraft |
| CN111681258A (zh) * | 2020-06-12 | 2020-09-18 | 上海应用技术大学 | 基于混合灰狼优化svm的混合增强智能轨迹预测方法和装置 |
| CN112783172A (zh) * | 2020-12-31 | 2021-05-11 | 重庆大学 | 基于离散鲸鱼优化算法的agv与机器集成调度方法 |
| EP4094899A2 (en) * | 2021-05-28 | 2022-11-30 | Tata Consultancy Services Limited | Method and system for narrow passage path sampling based on levy flight |
| CN114489061A (zh) * | 2022-01-17 | 2022-05-13 | 湖北工业大学 | 一种基于鲸鱼优化算法的平滑路径规划方法 |
| CN114840020A (zh) * | 2022-04-21 | 2022-08-02 | 重庆邮电大学 | 一种基于改进鲸鱼算法的无人机飞行轨迹规划方法 |
| CN115686057A (zh) * | 2022-07-22 | 2023-02-03 | 广州大学 | 一种基于鲸鱼优化算法的多无人机路径规划方法 |
| CN115840369A (zh) * | 2023-02-20 | 2023-03-24 | 南昌大学 | 基于改进的鲸鱼优化算法的轨迹优化方法、装置及设备 |
| CN116225066A (zh) * | 2023-03-29 | 2023-06-06 | 淮阴工学院 | 一种基于混沌映射鹈鹕优化算法的无人机路径优化方法 |
| CN116879218A (zh) * | 2023-06-01 | 2023-10-13 | 桂林电子科技大学 | 一种新陈小米的太赫兹时域光谱定量检测方法 |
| CN116933939A (zh) * | 2023-07-27 | 2023-10-24 | 山东省计算中心（国家超级计算济南中心） | 基于改进浣熊优化算法的柔性车间协同生产方法及系统 |
Non-Patent Citations (5)
| Title |
|---|
| 基于事件的WSANs执行器调度多目标优化研究;栗志强;周晖;罗佳华;;仪表技术与传感器;20180215(02);全文 * |
| 基于改进人工鱼群算法的移动机器人路径规划;江岩;黄宜庆;;绥化学院学报(03);全文 * |
| 基于改进鲸鱼优化算法的WSN覆盖优化;宋婷婷;张达敏;王依柔;徐航;樊英;王栎桥;;传感技术学报(03);全文 * |
| 基于灰狼算法的机器人多关节综合运动轨迹优化;韩江桂;伍哲;孙云岭;张文群;;海军工程大学学报(03);全文 * |
| 钢铁企业铁水运输调度优化与仿真;杨小燕;崔炳谋;;计算机应用;20131001(10);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117371638A (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107883962A (zh) | 一种多旋翼无人机在三维环境下的动态航路规划方法 | |
| Deng et al. | Multi-obstacle path planning and optimization for mobile robot | |
| CN103941737A (zh) | 一种复杂环境下拖挂式移动机器人的运动规划与控制方法 | |
| CN109491389A (zh) | 一种具有速度约束的机器人轨迹跟踪方法 | |
| CN106295851A (zh) | 一种集卡信息服务与调度系统及其工作方法 | |
| CN114313878B (zh) | 一种面向物料传输平台的运动学建模与路径规划方法 | |
| CN105858043B (zh) | 一种升降机与穿梭车结合的仓储系统优化调度方法 | |
| CN114296440A (zh) | 一种融合在线学习的agv实时调度方法 | |
| CN113821045A (zh) | 一种腿足机器人强化学习动作生成系统 | |
| CN114595607A (zh) | 一种数字孪生纺织条桶输送方法及系统 | |
| Zhang et al. | Hybrid path planning model for multiple robots considering obstacle avoidance | |
| CN117371638B (zh) | 基于浣熊优化算法的多鱼雷罐多轨道行走路径优化方法 | |
| Zou et al. | An effective self-adaptive iterated greedy algorithm for a multi-AGVs scheduling problem with charging and maintenance | |
| CN114348678A (zh) | 物料转运自动驾驶行车的控制方法、装置及电子设备 | |
| Fu et al. | Collision-free and kinematically feasible path planning along a reference path for autonomous vehicle | |
| CN109870992A (zh) | 一种不考虑延时等待的csps系统控制方法 | |
| CN116187611B (zh) | 一种多智能体路径规划方法及终端 | |
| Liu et al. | Option-based multi-agent reinforcement learning for painting with multiple large-sized robots | |
| CN116822362B (zh) | 一种基于粒子群算法的无人机无冲突四维航迹规划方法 | |
| Tubaileh | Layout of flexible manufacturing systems based on kinematic constraints of the autonomous material handling system | |
| CN116069023A (zh) | 一种基于深度强化学习的多无人车编队控制方法和系统 | |
| Bo et al. | The research on E-commerce logistics picking AGV path optimization method based on the improved A* algorithm | |
| Yan et al. | A study of improved global path planning algorithm for parking robot based on ros | |
| CN114815834A (zh) | 一种舞台环境下的移动智能体动态路径规划方法 | |
| Tsymbal et al. | Genetic Algorithm Solution for Transfer Robot Operation |
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 |