KR102457297B1

KR102457297B1 - 개선된 개미 군집 알고리즘 기반의 주차 agv 경로 기획 방법

Info

Publication number: KR102457297B1
Application number: KR1020200084570A
Authority: KR
Inventors: 용 치; 이후이 니
Original assignee: 난징 유니버시티 오브 사이언스 앤드 테크놀로지
Priority date: 2020-03-23
Filing date: 2020-07-09
Publication date: 2022-10-20
Also published as: KR20210118721A; CN111289007A; WO2021189720A1

Abstract

본 발명은 개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법을 개시한다. 상기 방법은 1) 주차 환경 모델링, 2) 시스템 파라미터 초기화, 3) 페로몬 업데이트 전략 개선, 4) 휴리스틱 정보(heuristic information) 강도 개선, 5) 개선된 개미 군집 알고리즘을 응용하여 주차 AGV의 경로를 기획하는 단계를 포함한다. 본 발명의 방법은 주차 AGV 검색을 위해 출발 지점에서 목표 지점까지의 시간 최적 경로를 제공하여, AGV 시스템이 비교적 짧은 시간 내에 차량 보관, 픽업 및 주차 작업을 정확하고 신속하게 완료할 수 있도록 보장한다.

Description

개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법 {PARKING AGV ROUTE PLANNING METHOD BASED ON IMPROVED ANT COLONY ALGORITHM}

본 발명은 AGV 경로 기획 기술 분야에 관한 것으로, 더욱 상세하게는 개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법에 관한 것이다.

주차 AGV(Automated Guided Vehicle) 기반의 지능형 주차장은 로봇 자율 주차 기술을 채택하며, 주차가 필요한 경우 차주가 차고 입구에 차를 주차하기만 하면 주차 AGV가 차량을 주차 위치로 이동시킨다. 차량을 픽업해야하는 경우 차주가 고객 단말에서 차량 픽업 요청을 하면 주차 AGV가 차량을 차고에서 차고 출구까지 운반할 수 있다. 상기 전체 차량 보관 및 픽업 과정은 주차 인력의 시간을 크게 절약하는 동시에 정체된 교통 문제를 완화시킨다. AGV 경로 기획은 주차 AGV 시스템에서 상당히 중요한 문제이며, 시스템은 각종 센서 장치를 통해 주차장 내 주차 공간과 차도의 사용 상황을 실시간으로 획득하여, 출발점에서 목표 지점까지 AGV를 위한 최적의 경로를 신속하게 찾아 지능형 주차를 구현한다.

다중 AGV 경로 기획의 경우, 국내외 학자들은 Dijkstra 알고리즘, A* 알고리즘, 개미 군집 알고리즘 등을 포함한 다양한 효과적인 방법을 제안하였으며, 이러한 알고리즘은 각종 분야의 경로 기획 문제를 해결하는 데 광범위하게 사용된다. 예를 들어, Deng Yong 등은 퍼지 Dijkstra 알고리즘을 사용해 불확실한 환경에서 최단 경로 문제를 해결하였고, 차이민(蔡旻) 등은 개미 군집 알고리즘과 A* 알고리즘을 결합한 개선된 A* 알고리즘을 제안하였다. 개미 군집 알고리즘은 신규한 바이오닉 알고리즘(bionic algorithm)으로 병행성, 강인성 및 전역 최적화 등의 장점으로 인해 경로 기획 문제를 해결하는 데에 광범위하게 사용된다. 많은 학자들은 기본 개미 군집 알고리즘을 최적화하였으며, 대부분이 페로몬 조절을 통해 최적화를 수행하였다. 후칭펑(

) 등은 정규 분포를 통해 개미 군집 알고리즘 중의 전이 확률을 최적화하여 수렴 속도를 개선하였다. 문헌에서는 인공 포텐셜 장(artificial potential field) 방법을 사용하여 휴리스틱 함수(heuristic function)를 재구성하여 수렴 속도가 더욱 빠른 개선된 포텐셜 장 개미 군집 알고리즘을 제안하였고, LIU J, YANG 등은 페로몬 조절을 통하여 개미 군집 알고리즘과 유전 알고리즘의 융합을 최적화하고 개미 군집 알고리즘에서 개선된 교차 연산자를 도입함으로써 국부적 최적화에 빠지는 것을 방지하였다.

상기 개선된 알고리즘은 주차 AGV의 실제 응용 시나리오를 고려하지 않았고, 주차 및 차량 픽업의 수요가 시간에 따라 달라져 주차장 내 차도 교통 강도도 달라지며, 차량 보관 및 픽업 업무의 하달, 상이한 시간 구간에 도로망을 주행하는 주차 AGV 수의 가변성에 따라 두 지점 사이의 최단 거리가 최단 주행 시간을 의미하지는 않는다. 경로 상에 차량이 많은 경우, 우선순위가 낮은 주차 AGV는 우선순위가 상대적으로 더 높은 주차 AGV를 기다려 장애물을 회피해야 하므로, 대기열이 길면 장애물 회피 시간이 비교적 길고, 이때 상대적으로 경로가 비교적 긴 경로에 소모되는 시간이 비교적 짧아질 수 있다. 따라서 최적의 경로 선택은 반드시 실시간 주차장 내 교통 정보를 고려해야 한다. 다른 측면에 있어서, 동일한 거리의 여러 경로 중 일부는 회전 횟수가 비교적 많아 작업 완료 시간을 증가시킨다.

본 발명의 목적은 개선된 개미 군집 기반의 주차 AGV 경로 기획 방법을 제공하며, AGV를 위해 출발 지점에서 목표 지점까지의 최적 경로를 검색하여, AGV가 최단 시간 내에 신속하고 정확하게 차량 보관 및 픽업 작업을 완료하도록 보장하는 데에 있다.

본 발명은 개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법을 제공하며, 이는 주로 주차 AGV 환경 모델링; 페로몬 업데이트 전략 개선; 휴리스틱 정보 강도 개선; 주차 AGV 운행 시간 노드 계산; 및: 개선된 개미 군집 알고리즘을 응용하여 주차 AGV의 경로를 기획하여 시간 최적 경로를 획득하는 단계로 구성된다.

상기 목적을 구현하기 위하여, 본 발명에서 채택하는 기술적 해결책은 개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법이며, 구체적으로 하기 단계를 포함한다.

단계 1: 주차 AGV의 실제 운행 환경에 대하여 위상적 방법을 채택하여 환경 모델링을 구축한다.

단계 2: 개미 군집 알고리즘의 국부적 최적화 문제를 해결하기 위하여, 두 가지 페로몬 업데이트 방법을 통합하고 상벌 메커니즘을 추가하여, 페로몬 업데이트 전략을 개선한다.

단계 3: 지능형 주차장의 실제 응용 수요에 따라, AGV가 위치한 노드에서 종말점까지의 운행 시간의 역수를 휴리스틱 정보 강도로 사용하고, 운행 시간에 AGV 장애물 회피 시간과 회전 소모 시간을 추가하여, 운행 시간 최단 경로를 획득한다.

단계 4: 주차 AGV 운행 시간의 계산을 위하여, 직선과 회전의 두 가지 방식을 기반으로 AGV 운행 시간을 계산한다.

단계 5: 개선된 개미 군집 알고리즘을 응용하여 주차 AGV에 대하여 경로 기획을 수행하여, 시간 최적 경로를 획득한다.

더 나아가, 상기 단계 1은 하기 서브 단계를 포함한다.

단계 1.1: 주차 AGV가 운행하는 주차장 환경을 위상적 방법에 따라 하나의 가중치가 있는 연결 네트워크 G(V, E, W_ij)로 추상화하며, 여기에서 V는 두 개의 연통 가능한 노드로 구성된 에지 집합을 나타내고 E는 노드 집합을 나타내고, W_ij는 노드 i와 j로 구성된 에지 V_ij의 가중치를 나타낸다. 주차 AGV에 하나의 작업이 주어지며, 작업은 주차 AGV 운행의 개시점과 종말점을 지정한 다음, 작업 개시점에서 종말점까지 연통할 수 있는 하나의 최단 경로를 기획하고, 주차 AGV의 운행 경로는 바로 위상 그래프 중 노드의 정렬된 어레이이다.

단계 1.2: 응용 환경에 따라 하기와 같이 규정한다.

① 주차 AGV는 동일 시간 구간 내에 하나의 작업만 수용하며, 작업 실행 중에 시스템이 할당하는 다른 작업은 수용하지 않는다.

② 모든 주차 AGV가 동일한 속도로 주행하고, AGV는 차량 적재 및 무적재 시 동일한 속도로 운행하도록 설정한다.

③ 주차 AGV가 노드를 거쳐 회전하는 시간은 상수이다.

④ 주차 AGV 운행 차도는 단일 차도 양방향 모드이며, 하나의 차도 구간은 너비 상에서 1대의 주차 AGV만 통과하도록 수용할 수 있다.

⑤ 특정 시각 또는 특정 시간 구간 내에, 주차장 도로 네트워크 중 어느 하나의 노드와 어느 하나의 주행 도로 구간은 모두 1대의 AGV만 사용할 수 있다.

⑥ 주차 AGV의 우선순위는 작업을 수령하는 시점에 따라 결정되며, 작업 수령 시간이 빠른 AGV의 우선순위가 높고, 우선순위가 높은 AGV가 먼저 노드 또는 차도 구간을 통과한다.

더 나아가, 상기 단계 2는 하기 서브 단계를 포함한다.

단계 2.1: 개미 군집 알고리즘의 국부적 최적화 문제를 해결하기 위하여, 실시간 페로몬 업데이트와 경로 페로몬 업데이트의 두 가지 방법을 통합하고, 경로 페로몬 업데이트에 상벌 메커니즘을 추가하여, 개미 군집 알고리즘 수렴 속도를 향상시킨다.

단계 2.2: 실시간 페로몬 업데이트

개미 m이 1회 검색을 완료하면 그 경로를 지나는 페로몬을 실시간으로 업데이트한다.

(1)

(2)

ρ는 페로몬 휘발 정도를 나타내고, ρ∈(0.1)이고, Q는 상수이고, 개미 1회 순환 시 방출되는 페로몬 총량을 나타내고,

는 i에서 j의 거리를 나타내고,

는 개미 m이 이번 회차 반복에서 경로(i, j)를 지날 때 방출하는 페로몬 농도를 나타낸다.

단계 2.3: 경로 페로몬 업데이트

1회 순환 완료 후 전역 최적 경로와 최악 경로를 선택하고, 상벌 메커니즘을 기반으로 최적 경로와 최악 경로에 대하여 페로몬 상벌을 수행한다.

더 나아가, 상기 단계 2.3은 하기 서브 단계를 포함한다.

단계 2.3.1: 페로몬 장려

이번 회차 반복 중 최적 경로, 즉 개미가 작업을 완료할 때 소모 시간이 가장 짧은 경로의 경우, 페로몬 장려를 통해 최적 경로 상의 페로몬을 업데이트한다.

(3)

(4)

는 페로몬 장려값을 나타내고,

은 이번 회차 반복 중 최적 경로의 소모 시간을 나타낸다.

단계 2.3.2: 페로몬 징벌

이번 회차 반복 중 최악 경로, 즉 개미가 작업을 완료할 때 소모 시간이 가장 긴 경로의 경우, 페로몬 징벌을 통해 최악 경로 상의 페로몬을 업데이트한다.

(5)

(6)

는 페로몬 징벌값을 나타내고,

은 이번 회차 반복 중 최악 경로의 소모 시간을 나타낸다.

더 나아가, 상기 단계 3은 하기 서브 단계를 포함한다.

단계 3.1: 지능형 주차장의 실제 응용 수요에 따라, 휴리스틱 정보 강도를 개선하며, AGV가 위치한 노드에서 종말점까지의 운행 시간의 역수를 휴리스틱 정보 강도로 사용하고, 운행 시간에 AGV 장애물 회피 시간과 회전 소모 시간을 추가한 후, 주행 시간 최단을 목표로 주차 AGV 시스템의 운행 경로를 최적화한다.

단계 3.2: 휴리스틱 정보 강도 개선

(7)

(8)

E는 운행 종말점을 나타내고, η^E(i)는 노드 i에서 종말점 E까지의 휴리스틱 정보 강도이고, T_i는 개미가 노드 i에서 종말점까지 검색하는 시간이고, L_i는 노드 i에서 종말점까지의 거리이고, v는 AGV의 운행 속도이고, n은 경로 (i, E) 상에서 개미의 최소 회전 횟수를 나타내고, t₀은 상수이며 AGV 회전 시간 소모를 나타낸다.

더 나아가, 상기 단계 4는 하기 서브 단계를 포함한다.

단계 4.1: AGV가 노드 i를 통과하는 시간을 계산하며, AGV가 노드 i를 통과하는 경우는 두 가지가 있다. 즉, (a) AGV가 노드 i를 직선으로 통과하는 경우, (b) AGV가 노드 i를 회전하여 통과하는 경우이다.

단계 4.1.1: AGV의 주행 경로가 i₀ → i → j라고 가정하면, AGV가 노드 i를 직선으로 통과하는지 회전하여 통과하는지 판단하고, i의 이전 노드 i₀과 다음 노드 j가 동일한 직선에 있는지로 확정하며, 회전 소모 시간은 t₀이다.

i의 이전 노드 i₀과 다음 노드 j의 가로 좌표가 동일하거나 세로 좌표가 동일하면, 두 점이 같은 직선 상에 있고 AGV는 노드 i를 직선으로 통과하며, i의 이전 노드 i₀과 다음 노드 j의 가로 좌표가 다르고 세로 좌표도 다르면, 두 점은 같은 직선 상에 있지 않고 AGV는 노드 i를 회전하여 통과한다.

단계 4.1.2: AGV 도달점 i의 시각을

으로, AGV 모든 이탈점 i의 시각은

으로 설정하면, AGV가 노드 i를 직선으로 통과할 때 하기 식을 얻을 수 있다.

(9)

AGV가 노드 i를 회전하여 통과할 때 하기 식을 억을 수 있다.

(10)

여기에서 L은 AGV 차체 길이를 나타내고, t₀은 회전 소모 시간, 즉 AGV가 해당 노드에서의 회전이 직선 통과보다 많은 시간을 나타내고,

이고, v는 AGV의 주행 속도이고, 즉 AGV가 노드 i를 통과하는 시간 구간은

이다.

단계 4.2: AGV가 노드 j에 도달하는 시각을 계산하며, AGV는 노드 i에서 다음 도달하려는 노드 j까지를 검색하며, 여기에는 두 가지 경우가 포함된다. 즉, (a) AGV가 i 노드를 직선으로 통과해 j에 도달하는 경우, (b) AGV가 노드 i를 회전하여 통과해 j에 도달하는 경우이다.

단계 4.2.1: i의 이전 노드 i₀과 다음 노드 j의 가로 좌표가 동일하거나 세로 좌표가 동일하면, 두 점이 같은 직선 상에 있고 AGV는 노드 i를 직선으로 통과하여 j에 도달하고, i의 이전 노드 i₀과 다음 노드 j의 가로 좌표가 다르고 세로 좌표도 다르면, 두 점은 같은 직선 상에 있지 않고 AGV는 노드 i를 회전하여 통과해 노드 j에 도달한다.

단계 4.2.2: AGV가 i 노드를 직선으로 통과하여 j에 도달할 때 주행 시간은 하기와 같이 계산한다.

(11)

AGV가 노드 i를 회전하면서 통과하여 j에 도달할 때 주행 시간은 하기와 같이 계산한다.

(12)

여기에서 d는 노드 i와 노드 j 사이의 경로 거리이다.

단계 4.3: 경로 기획이 노드 j까지 검색하고, 노드 j는 k개의 이미 점용된 시간 구간을 가지며,

이라고 가정할 경우, 노드 j에 도달하는 시각은 하기와 같다.

일 때

(13)

일 때, 이 때 AGV는 노드 j가 타임 윈도우를 방출할 때까지 노드 i에서 정차하여 장애물을 피해야 하고,

(14)

노드 i에서 노드 j까지의 시간을 하기와 같이 획득할 수 있다.

(15)

더 나아가, 단계 5는 하기 단계를 포함한다.

단계 5.1: 개미 수량 M, 경로 검색의 최대 반복 횟수 k, 정보 휴리스틱 인자 α, 예상 휴리스틱 인자 β 등을 포함한 알고리즘 파라미터를 초기화한다.

단계 5.2: 개미 군집 알고리즘을 통해 기획된 경로에 대해, 개미의 경로 검색 작업을 반복한다.

단계 5.3: AGV는 작업 종말점을 찾을 때까지 전이 확률을 기반으로 다음 가야할 경로를 결정하고, 노드 i에 위치한 개미 m의 t 시각에서 다음 노드 j의 전이 확률은 하기와 같다.

(16)

는 t 시각 경로 (i, j) 상의 페로몬 농도이고, η^E(j)는 t 시각 j 노드의 휴리스틱 정보 강도이며, allowed는 선택 가능한 노드 집합이다.

단계 5.4: 각 AGV가 지나간 경로 시간을 계산하고, 경로 검색의 현재 회차 최적해를 기록한다.

단계 5.5: 경로 상의 페로몬 농도를 업데이트한다.

단계 5.6: 경로 검색의 반복 횟수가 최대 반복 횟수에 도달했는지 여부를 판단하며, 그렇지 않은 경우 단계 5.2로 돌아가고, 그러한 경우 절차를 종료한다.

단계 5.7: 시간 최단 경로를 출력하며, 필요에 따라 AGV 운행 시간, AGV 운행 경로, 경로 검색의 수렴 횟수 및 알고리즘 실행 시간을 포함하여 알고리즘 중의 관련 지표를 출력한다.

종래 기술과 비교하여, 본 발명은 다음과 같은 장점이 있다.

(1) 개선된 알고리즘은 주차 AGV 운행 시간 최단 경로를 획득하고, 주차장의 운영 효율을 개선하며, 정체된 교통 상황에서 주차의 어려움을 완화시킬 수 있으므로, 실제 활용 가치가 높다.

(2) 페로몬 업데이트 전략을 개선하여 개미 군집 알고리즘이 국부적 최적화 문제에 빠지는 것을 피하는 동시에 알고리즘의 수렴 속도를 향상시킨다.

(3) 휴리스틱 정보 강도를 향상시켜 개미의 종말점에 대한 가시성을 향상시키고 전역 검색 속도를 높인다.

도 1은 노드 i를 통과하는 AGV의 모식도이며, 여기에서 (a)는 노드 i를 직선으로 통과하는 AGV이고, (b)는 노드 i를 회전하여 통과하는 AGV이다.
도 2는 노드 i를 통과하여 노드 j에 도달하는 AGV의 모식도이며, 여기에서 (a)는 i 노드를 직선으로 통과하여 j에 도달하는 AGV이고, (b) 노드 i를 회전하며 통과하여 j에 도달하는 AGV이다.
도 3은 본 발명의 전체 흐름도이다.

이하에서는 명세서의 첨부 도면과 함께 본 발명을 보다 자세하게 설명한다.

본 발명은 개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법이다. 도 1은 노드 i를 통과하는 AGV의 모식도이며, 여기에서 (a)는 노드 i를 직선으로 통과하는 AGV이고, (b)는 노드 i를 회전하여 통과하는 AGV이다. 도 2는 노드 i를 통과하여 노드 j에 도달하는 AGV의 모식도이며, 여기에서 (a)는 i 노드를 직선으로 통과하여 j에 도달하는 AGV이고, (b)는 AGV가 노드 i를 회전하며 통과하여 j에 도달하는 AGV이다. 도 3은 본 발명을 구현하는 전체 흐름도이며, 구체적인 내용은 하기 단계를 포함한다.

1. 환경 모델링 단계는 하기와 같다.

⑴ 주차 AGV가 운행하는 주차장 환경을 위상적 방법에 따라 하나의 가중치가 있는 연결 네트워크 G(V, E, W_ij)로 추상화하며, 여기에서 V는 두 개의 연통 가능한 노드로 구성된 에지 집합을 나타내고 E는 노드 집합을 나타내고, W_ij는 노드 i와 j로 구성된 에지 V_ij의 가중치를 나타낸다. 주차 AGV에 하나의 작업이 주어지며, 작업은 주차 AGV 운행의 개시점과 종말점을 지정한 다음, 작업 개시점에서 종말점까지 연통할 수 있는 하나의 최단 경로를 기획하고, 주차 AGV의 운행 경로는 바로 위상 그래프 중 노드의 정렬된 어레이이다.

⑵ 응용 환경에 따라 하기와 같이 규정한다.

③ 주차 AGV가 노드를 거쳐 회전하는 시간은 상수이다.

2. 시스템의 파라미터를 초기화하고, 주차 AGV의 집합 A, 차량 보관 및 픽업 작업 요청 명령의 집합 B를 구축하고, B_ab는 특정 작업을 나타내고, a는 작업 시작점 번호를, b는 작업 종료점 번호를 나타낸다. 주차 AGV의 우선순위는 수령한 작업 시간에 따라 결정되며, 시간이 빠를수록 우선순위가 높다.

3. 개미가 경로를 검색할 때 최적이 아닌 경로 페로몬의 간섭을 받아 국부적 최적화에 빠지기 쉬운 문제를 방지하기 위하여, 실시간 페로몬 업데이트와 경로 페로몬 업데이트의 두 가지 방법을 통합하고, 경로 페로몬 업데이트에 상벌 메커니즘을 추가하며, 이러한 전략은 개미 군집 알고리즘의 수렴 속도를 향상시킬 수 있다. 먼저, 개미 m이 1회 검색을 완료하면 그 경로를 지나는 페로몬을 실시간으로 업데이트한 후, 1회 순환 완료 후 전역 최적 경로와 최악 경로를 선택하고, 상벌 메커니즘을 기반으로 최적 경로와 최악 경로에 대하여 페로몬 상벌을 수행한다. 이번 회차 반복 중 최적 경로, 즉 개미가 작업을 완료할 때 소모 시간이 가장 짧은 경로의 경우, 페로몬 장려를 통해 최적 경로 상의 페로몬을 업데이트한다. 이번 회차 반복 중 최악 경로, 즉 개미가 작업을 완료할 때 소모 시간이 가장 긴 경로의 경우, 페로몬 징벌을 통해 최악 경로 상의 페로몬을 업데이트한다.

4. 지능형 주차장의 실제 응용 수요에 따라 휴리스틱 정보의 강도를 개선하여, 사용자가 차량을 보관 및 픽업하는 데 소요되는 대기 시간을 절약하고, 휴리스틱 정보의 강도를 개선하여 AGV가 위치한 노드에서 종말점까지의 운행 시간의 역수를 휴리스틱 정보 강도로 사용하고, 운행 시간에 AGV 장애물 회피 시간과 회전 소모 시간을 추가한 후 운행 시간 최단 경로를 목표로 삼아 주차 AGV 시스템의 운행 경로를 최적화시킨다.

5. 개선된 개미 군집 알고리즘을 기반으로 경로 기획을 수행하여, 작업을 수령한 후 개시점 및 종말점을 획득한 다음 개선된 개미 군집 알고리즘을 수행하며, 그 단계는 하기와 같다.

① 개미 수량 M, 반복 경로 검색의 최대 반복 횟수 k, 정보 휴리스틱 인자 α, 예상 휴리스틱 인자 β 등을 포함한 알고리즘 파라미터를 초기화한다.

② 개미 군집 알고리즘을 통해 기획된 경로에 대해, 개미의 경로 검색 작업을 반복한다.

③ AGV는 작업 종말점을 찾을 때까지 전이 확률을 기반으로 다음 가야할 경로를 결정하고, 노드 i에 위치한 개미 m의 t 시각에서 다음 노드 j의 전이 확률은 하기와 같다.

(17)

④ 각 AGV가 지나간 경로 시간을 계산하고, 경로 검색의 현재 회차 최적해를 기록한다.

⑤ 경로 상의 페로몬 농도를 업데이트한다.

⑥ 경로 검색의 반복 횟수가 최대 반복 횟수에 도달했는지 여부를 판단하며, 그렇지 않은 경우 단계 5.2로 돌아가고, 그러한 경우 절차를 종료한다.

⑦ 시간 최단 경로를 출력하며, 필요에 따라 운행 시간, 경로 검색의 수렴 횟수 등과 같은 알고리즘 중의 관련 지표를 출력한다.

요약하면, 본 발명은 지능형 주차장의 주차 AGV의 동적 경로 기획 방법에 활용하며, 개선된 개미 군집 주차 AGV 경로 기획 방법을 기반으로, 주차 AGV 주행 시간 최단을 목표로 페로몬 업데이트 전략 및 휴리스틱 정보 강도를 개선하여, 개미 군집 알고리즘이 국부적 최적화에 빠지는 것을 방지하는 동시에 알고리즘의 수렴 속도 향상시킴으로써, AGV 시스템의 운행 경로를 최적화한다.

Claims

개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법에 있어서,
단계 1: 주차 AGV의 실제 운행 환경에 대하여 위상적 방법을 채택하여 환경 모델링을 구축하는 단계;
단계 2: 개미 군집 알고리즘의 국부적 최적화 문제를 해결하기 위하여, 두 가지 페로몬 업데이트 방법을 통합하고 상벌 메커니즘을 추가하여, 페로몬 업데이트 전략을 개선하는 단계;
단계 3: 지능형 주차장의 실제 응용 수요에 따라, AGV가 위치한 노드에서 종말점까지의 운행 시간의 역수를 휴리스틱 정보 강도로 사용하고, 운행 시간에 AGV 장애물 회피 시간과 회전 소모 시간을 추가하고, 그런 다음 주행 시간 최단을 목표로 주차 AGV 시스템의 운행 경로를 최적화하고, 운행 시간 최단 경로를 획득하는 단계;
단계 4: 직선과 회전의 두 가지 방식을 기반으로 AGV 운행 시간을 계산하는 단계;
단계 5: 개선된 개미 군집 알고리즘을 응용하여 주차 AGV에 대하여 경로 기획을 수행하여, 시간 최적 경로를 획득하는 단계;를 포함하되,
상기 단계 1은 주차 AGV가 운행하는 주차장 환경을 위상적 방법에 따라 하나의 가중치가 있는 연결 네트워크 G(V, E, W_ij)로 추상화하는 서브 단계 1.1을 포함하고, 여기에서, V는 두 개의 연통 가능한 노드로 구성된 에지 집합을 나타내고, E는 노드 집합을 나타내고, W_ij는 노드 i와 j로 구성된 에지 V_ij의 가중치를 나타내며; 주차 AGV에 하나의 작업이 주어지며, 작업은 주차 AGV 운행의 개시점과 종말점을 지정한 다음, 작업 개시점에서 종말점까지 연통할 수 있는 하나의 최단 경로를 기획하고, 주차 AGV의 운행 경로는 바로 위상 그래프 중 노드의 정렬된 어레이인 것을 특징으로 하는 개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법.
제1항에 있어서, 상기 단계 1은
하기 서브 단계 1.2를 포함하고, 하기 서브 단계 1.2는 응용 환경에 따라 하기와 같이 규정하는데,
① 주차 AGV는 동일 시간 구간 내에 하나의 작업만 수용하며, 작업 실행 중에 시스템이 할당하는 다른 작업은 수용하지 않고;
② 모든 주차 AGV가 동일한 속도로 주행하고, AGV는 차량 적재 및 무적재 시 동일한 속도로 운행하도록 설정하고;
③ 주차 AGV가 노드를 거쳐 회전하는 시간은 상수이고;
④ 주차 AGV 운행 차도는 단일 차도 양방향 모드이며, 하나의 차도 구간은 너비 상에서 1대의 주차 AGV만 통과하도록 수용할 수 있고;
⑤ 특정 시각 또는 특정 시간 구간 내에, 주차장 도로 네트워크 중 어느 하나의 노드와 어느 하나의 주행 도로 구간은 모두 1대의 AGV만 사용할 수 있고;
⑥ 주차 AGV의 우선순위는 작업을 수령하는 시점에 따라 결정되며, 작업 수령 시간이 빠른 AGV의 우선순위가 높고, 우선순위가 높은 AGV가 먼저 노드 또는 차도 구간을 통과하는 것을 특징으로 하는 개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법.
제1항에 있어서,
상기 단계 2는 하기 서브 단계를 포함하는데,
단계 2.1: 개미 군집 알고리즘의 국부적 최적화 문제를 해결하기 위하여, 실시간 페로몬 업데이트와 경로 페로몬 업데이트의 두 가지 방법을 통합하고, 경로 페로몬 업데이트에 상벌 메커니즘을 추가하여, 개미 군집 알고리즘 수렴 속도를 향상시키고;
단계 2.2: 실시간 페로몬 업데이트 단계로서,
개미 m이 1회 검색을 완료하면, 그 경로를 지나는 페로몬을 실시간으로 업데이트하고,

(1)

(2)
ρ는 페로몬 휘발 정도를 나타내고, ρ∈(0.1)이고, Q는 상수이고, 개미 1회 순환 시 방출되는 페로몬 총량을 나타내고, d_ij는 i에서 j의 거리를 나타내고,
는 개미 m이 이번 회차 반복에서 경로(i, j)를 지날 때 방출하는 페로몬 농도를 나타내고;
단계 2.3: 경로 페로몬 업데이트 단계로서,
1회 순환 완료 후 전역 최적 경로와 최악 경로를 선택하고, 상벌 메커니즘을 기반으로, 최적 경로와 최악 경로에 대하여 페로몬 상벌을 수행하는 것을 특징으로 하는 개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법.
제3항에 있어서,
상기 단계 2.3은 하기 서브 단계를 포함하는데,
단계 2.3.1: 페로몬 장려 단계로서,
이번 회차 반복 중 최적 경로, 즉 개미가 작업을 완료할 때 소모 시간이 가장 짧은 경로의 경우, 페로몬 장려를 통해 최적 경로 상의 페로몬을 업데이트하고,

(3)

(4)

는 페로몬 장려값을 나타내고,
은 이번 회차 반복 중 최적 경로의 소모 시간을 나타내며;
단계 2.3.2: 페로몬 징벌 단계로서,
이번 회차 반복 중 최악 경로, 즉 개미가 작업을 완료할 때 소모 시간이 가장 긴 경로의 경우, 페로몬 징벌을 통해 최악 경로 상의 페로몬을 업데이트하고,

(5)

(6)

는 페로몬 징벌값을 나타내고,
은 이번 회차 반복 중 최악 경로의 소모 시간을 나타내는 것을 특징으로 하는 개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법.
제1항에 있어서,
상기 단계 3은 휴리스틱 정보 강도 개선 단계로서,

(7)

(8)
E는 운행 종말점을 나타내고, η^E(i)는 노드 i에서 종말점 E까지의 휴리스틱 정보 강도이고, T_i는 개미가 노드 i에서 종말점까지 검색하는 시간이고, L_i는 노드 i에서 종말점까지의 거리이고, v는 AGV의 운행 속도이고, n은 경로 (i, E) 상에서 개미의 최소 회전 횟수를 나타내고, t₀은 상수이며, AGV 회전 시간 소모를 나타내는 것을 특징으로 하는 개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법.
제1항에 있어서,
상기 단계 4는 하기 서브 단계를 포함하는데,
단계 4.1: AGV가 노드 i를 통과하는 시간을 계산하며, AGV가 노드 i를 통과하는 경우는 두 가지가 있는데, 즉, (a) AGV가 노드 i를 직선으로 통과하는 경우, (b) AGV가 노드 i를 회전하여 통과하는 경우이고;
단계 4.1.1: AGV의 주행 경로가 i₀ → i → j라고 가정하면, AGV가 노드 i를 직선으로 통과하는지 회전하여 통과하는지 판단하고, i의 이전 노드 i₀과 다음 노드 j가 동일한 직선에 있는지로 확정하며, 회전 소모 시간은 t₀이고;
i의 이전 노드 i₀과 다음 노드 j의 가로 좌표가 동일하거나 세로 좌표가 동일하면, 두 점이 같은 직선 상에 있고, AGV는 노드 i를 직선으로 통과하며, i의 이전 노드 i₀과 다음 노드 j의 가로 좌표가 다르고 세로 좌표도 다르면, 두 점은 같은 직선 상에 있지 않고, AGV는 노드 i를 회전하여 통과하고;
단계 4.1.2: AGV 도달점 i의 시각을
으로, AGV 모든 이탈점 i의 시각은
으로 설정하면, AGV가 노드 i를 직선으로 통과할 때 하기 식을 얻을 수 있고,

(9)
AGV가 노드 i를 회전하여 통과할 때 하기 식을 얻을 수 있고,

(10)
여기에서 L은 AGV 차체 길이를 나타내고, t₀은 회전 소모 시간, 즉 AGV가 해당 노드에서의 회전이 직선 통과보다 많은 시간을 나타내고,
이고, v는 AGV의 주행 속도이고, 즉 AGV가 노드 i를 통과하는 시간 구간은
이고;
단계 4.2: AGV가 노드 j에 도달하는 시각을 계산하며, AGV는 노드 i에서 다음 도달하려는 노드 j까지를 검색하며, 여기에는 두 가지 경우가 포함되는데, 즉, (a) AGV가 i 노드를 직선으로 통과해 j에 도달하는 경우, (b) AGV가 노드 i를 회전하여 통과해 j에 도달하는 경우이고;
단계 4.2.1: i의 이전 노드 i₀과 다음 노드 j의 가로 좌표가 동일하거나 세로 좌표가 동일하면, 두 점이 같은 직선 상에 있고, AGV는 노드 i를 직선으로 통과하여 j에 도달하고, i의 이전 노드 i₀과 다음 노드 j의 가로 좌표가 다르고 세로 좌표도 다르면, 두 점은 같은 직선 상에 있지 않고, AGV는 노드 i를 회전하여 통과해 노드 j에 도달하고;
단계 4.2.2: AGV가 i 노드를 직선으로 통과하여 j에 도달할 때 주행 시간은 하기와 같이 계산하고,

(11)
AGV가 노드 i를 회전하면서 통과하여 j에 도달할 때 주행 시간은 하기와 같이 계산하고,

(12)
여기에서 d는 노드 i와 노드 j 사이의 경로 거리이고;
단계 4.3: 경로 기획이 노드 j까지 검색하고, 노드 j는 k개의 이미 점용된 시간 구간을 가지며,
이라고 가정할 경우, 노드 j에 도달하는 시각은 하기와 같고,

일 때,

(13)

일 때, 이 때 AGV는 노드 j가 타임 윈도우를 방출할 때까지 노드 i에서 정차하여 장애물을 피해야 하고,

(14)
노드 i에서 노드 j까지의 시간을 하기와 같이 획득할 수 있는 것을 특징으로 하는 개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법.

(15)
제1항에 있어서,
상기 단계 5는 하기 서브 단계를 포함하는데,
단계 5.1: 개미 수량 M, 경로 검색의 최대 반복 횟수 k, 정보 휴리스틱 인자 α, 예상 휴리스틱 인자 β를 포함한 알고리즘 파라미터를 초기화하고;
단계 5.2: 개미 군집 알고리즘을 통해 기획된 경로에 대해, 개미의 경로 검색 작업을 반복하고,
단계 5.3: AGV는 작업 종말점을 찾을 때까지 전이 확률을 기반으로 다음 가야할 경로를 결정하고, 노드 i에 위치한 개미 m의 t 시각에서 다음 노드 j의 전이 확률은 하기와 같으며,

(16)

는 t 시각 경로 (i, j) 상의 페로몬 농도이고, η^E(j)는 t 시각 j 노드의 휴리스틱 정보 강도이며, allowed는 선택 가능한 노드 집합이고;
단계 5.4: 각 AGV가 지나간 경로 시간을 계산하고, 경로 검색의 현재 회차 최적해를 기록하고;
단계 5.5: 경로 상의 페로몬 농도를 업데이트하고;
단계 5.6: 경로 검색의 반복 횟수가 최대 반복 횟수에 도달했는지 여부를 판단하며, 그렇지 않은 경우 단계 5.2로 돌아가고; 그러한 경우 절차를 종료하고;
단계 5.7: 시간 최단 경로를 출력하며, 필요에 따라 AGV 운행 시간, AGV 운행 경로, 경로 검색의 수렴 횟수 및 알고리즘 실행 시간을 포함하여 알고리즘 중의 관련 지표를 출력하는 것을 특징으로 하는 개선된 개미 군집 알고리즘 기반의 주차 AGV 경로 기획 방법.