南江萍

（西安交通工程學院，陜西 西安 710300）

隨著現代信息技術的發(fā)展，物流機器人開始頻繁地出現在人們日常生活中，成為提高人們生活質量的新設備。但是根據物流機器人的應用現狀來看，路徑規(guī)劃是影響物流機器人服務能力的重要組成部分，科學的路徑規(guī)劃不僅能夠降低成本，也能節(jié)省時間，具有深遠影響[1]。而根據當前相關技術的發(fā)展情況，改進蟻群算法在物流機器人路徑規(guī)劃中的作用越來越明顯，值得關注。

1.改進蟻群算法分析

蟻群算法實際上是模仿自然界中螞蟻覓食過程而發(fā)展來的一種計算方法，具有全局性、目標點吸引機制等優(yōu)點[2]。本次研究中的改進蟻群算法，則是在傳統(tǒng)蟻群算法基礎上發(fā)展來的一種新型算法，能夠不斷改善路徑質量。

1.1 改進轉移概率

在物流機器人運行過程中，在不同路徑下機器人的轉彎行為可能會浪費時間并損耗資源，若在路徑規(guī)劃中出現多個彎曲，則會進一步影響機器人的運行效果，因此對算法做改進成為其中的重點內容，要求能夠盡量減少機器人路徑規(guī)劃中的不必要轉折，保證路徑平滑度，保障機器人運動代價[3-4]。所以在本次研究中，通過引入轉角啟發(fā)信息，其間轉角越小，則物流機器人選擇該路徑的概率越大，此時節(jié)點轉移概率如公式（1）表示。

在公式（1）中，P(t)為轉移概率；t為時間系數；τn表示第n各節(jié)點的轉角路徑；ωij(t)為第t時刻從i點到j點的轉角啟發(fā)函數。

T為轉彎代價；ω1為可調節(jié)參數。

同時在常規(guī)蟻群算法中，由于啟發(fā)因子受到該點i到下一節(jié)點j距離的倒數，這種情況會直接影響蟻群算法的處理效果，啟發(fā)性不理想，這種情況會加劇資源浪費問題，而考慮到物流機器人對時間的要求較高，所以本文在啟發(fā)因子分析中進行了改進，其中的重點內容就是引入節(jié)點j到目標點z之間的距離[5]。

1.2 路徑節(jié)點自適應參數選擇

常規(guī)蟻群算法主要通過輪盤賭法來抉擇路徑，這種方法存在一個十分明顯的弊端，這是因為在早期數據處理中可能出現很多差異不顯著的信息素，造成蟻群算法的早期收斂速度較慢，尤其是在環(huán)境規(guī)模較大的情況下，這種情況將會進一步影響物流機器人的運行效果，不利于實現最優(yōu)化計算[6-7]。所以在本文的改進蟻群算法中，對蟻群的節(jié)點選擇策略進行改進，將隨機性選擇以及定性選擇方法應用于其中，并在運算期間添加狀態(tài)轉移規(guī)則可控參數，則有計算公式：

在公式（3）中，q0為確定性選擇閾值；Nmax為最大迭代次數；Nc為螞蟻當前迭代次數；ε為調整系數。

在運算過程中，考慮到蟻群迭代期間對環(huán)境搜索的要求，所以在算法初期0q較大，此時算法在前期的路徑以偽隨機概率選擇方式為主，確保其中的信息素能夠均勻分布在有利路徑中，保證了算法前期收斂[8]；而隨著運算過程的深入，q0所選值逐漸下降，滿足螞蟻隨機搜索的要求。所以與常規(guī)技術相比，本文所介紹的方法能夠顯著提升收斂速度，避免物流機器人在運行過程中出現停滯情況，有助于實現最優(yōu)解。

1.3 全局信息素更新機制

在傳統(tǒng)蟻群算法中，在解決信息素更新問題時需要將全部路徑更新一次，這樣所更新的路徑才能符合物流倉庫的實際情況，但是這種算法會增加路徑信息素的處理難度，不僅難以轉變?yōu)闈M意探索過的路徑信息素，即使在路徑最優(yōu)化的情況下也難以凸顯優(yōu)勢，對后續(xù)螞蟻的吸引力明顯不足[9]。針對該問題，在改進蟻群算法中應考慮到路徑吸引力情況，因此本文通過對信息素更新方式進行改進，在每次迭代結束后可以按照公式（4）的內容做處理。

在公式（4）中，τij(L)代表從i點到j點的信息迭代更新結果；為歷史迭代最優(yōu)值；Ln為本次迭代最優(yōu)值；h為可調節(jié)系數。

按照公式（4）的相關內容，在每次螞蟻迭代完成后，假設αL＞Ln，則證明本次迭代的路徑更短，所以需要強化本次迭代信息素強度，并在物流機器人中保留本次路徑；若αL＜Ln，證明本次迭代所發(fā)現的路徑并不是最優(yōu)值，需要減少路徑信息素強度[10]。

2.應用實例分析

本文以某倉庫為研究對象，使用柵格法建模后，物流機器人需要從左上角的“訂單區(qū)”出發(fā)，達到右下方的“接貨區(qū)”。本次改進螞蟻算法的主要目的，是使物流機器人在運輸期間尋找到一條最優(yōu)化的路徑。

2.1 仿真實驗

為了更好地了解改進蟻群算法在優(yōu)化物流機器人工作路徑中的價值，本文選擇Matlab 2016仿真平臺開展實驗，設置最大循環(huán)次數為50，螞蟻數量50，通過仿真的方法比較常規(guī)蟻群技術與改進蟻群技術的應用效果，本次研究中將在相同環(huán)境下，分別設置20×20、30×30兩種柵格環(huán)境，以黑色來模擬物流倉庫內的障礙物，比較兩種技術的實施效果。

2.2 在20×20柵格下的仿真結果

在本次仿真實驗中，在20×20環(huán)境模型下，分別模擬物流機器人在不同算法下的路徑變化情況，則仿真結果如圖1所示。

圖1 在20×20柵格環(huán)境下的仿真結果

從圖1的仿真結果可以發(fā)現，常規(guī)蟻群算法下物流機器人的運動路徑并不是最優(yōu)的，雖然最終機器人也抵達目的地，但是很明顯不如改進蟻群算法機器人的運動路徑。在詳細對比地圖仿真結果后，發(fā)現改進算法下的物流機器人的運行情況更滿意。

2.3 在30×30柵格地圖下的仿真結果

為進一步分析改進蟻群算法與常規(guī)算法在全局條件下的檢索能力，本文在30×30條件下對蟻群算法進行了比較，從本文的比較結果來看，常規(guī)算法與改進算法下機器人的運行路徑存在差異，相關資料如圖2所示。

圖2 在30×30柵格條件下物流機器人的運動軌跡

在比較圖2相關資料后可以發(fā)現，兩種算法都在復雜的物流運輸環(huán)境下尋找到一種路徑，但是與改進算法相比，常規(guī)算法下的路徑過于曲折，存在較多彎路，而改進算法下物流機器人的運動路徑較更加滿意。

3.結語

蟻群算法在物流機器人運動路徑規(guī)劃中發(fā)揮著重要作用，而針對常規(guī)技術的缺陷，本文提出了改進蟻群算法，根據案例的仿真結果可知，本文所提出的改進算法具有技術可行性，能夠保障物流機器人在正確的路徑下運行，提高了工作效率，與常規(guī)蟻群算法相比具有明顯優(yōu)勢，值得推廣。