python 遗传算法 agv_遗传算法在AGV的路径规划中的应用

遗传算法在

AGV

的路径规划中的应用①

扈先勤

李巍巍

【摘

要】

使用有向图对

AGV

路径进行建模，在求解最优路径问题上采用了遗

传算法和相关的遗传算子及终止条件。根据遗传算法的进行过程，首先对

AGV

路径进行建模、编码和确定适应度函数，其次设计选择、交叉及变异算子和遗

传算法的终止条件。其中对不同的长度染色体采用禁止交叉策略，以便更好地

适应

AGV

复杂的工作路径。

【期刊名称】

科技创新导报

【年

(

卷

),

期】

2016(000)018

【总页数】

2

【关键词】

AGV

有向图

路径规划

遗传算法

AGV

(自动导引小车)是现代物流系统中的关键设备之一。

AGV

路径优化问题，

就是寻找一条从起点到终点能够防止

AGV

之间无碰撞的最短路径。传统方法是

将路径考虑成一系列的路径点，进行规划并行实现，这种方法虽然在实时性方

面有很大的优势，但对于全局最优解的寻找却无能为力。因此，可引入遗传算

法来帮助寻找全局最优解。

1

遗传算法的介绍

进化计算是计算机里模拟进化，它包括遗传算法、进化策略和遗传编程，其中

遗传算法是使用比较普遍的一种方法。

遗传算法(

GA

)是一类基于生物进化的随机搜索算法，实现主要步骤：进化代

数计数器初始化：t→0；随机产生初始群体

P

(

t

)

；评价群体

P

(

t

)的适应度；

个体交叉运算；个体变异运算；评价群体

P”(

t

)的适应度；对群体

P’(

t

)