南江萍
(西安交通工程學(xué)院,陜西 西安 710300)
隨著現(xiàn)代信息技術(shù)的發(fā)展,物流機(jī)器人開(kāi)始頻繁地出現(xiàn)在人們?nèi)粘I钪?,成為提高人們生活質(zhì)量的新設(shè)備。但是根據(jù)物流機(jī)器人的應(yīng)用現(xiàn)狀來(lái)看,路徑規(guī)劃是影響物流機(jī)器人服務(wù)能力的重要組成部分,科學(xué)的路徑規(guī)劃不僅能夠降低成本,也能節(jié)省時(shí)間,具有深遠(yuǎn)影響[1]。而根據(jù)當(dāng)前相關(guān)技術(shù)的發(fā)展情況,改進(jìn)蟻群算法在物流機(jī)器人路徑規(guī)劃中的作用越來(lái)越明顯,值得關(guān)注。
蟻群算法實(shí)際上是模仿自然界中螞蟻覓食過(guò)程而發(fā)展來(lái)的一種計(jì)算方法,具有全局性、目標(biāo)點(diǎn)吸引機(jī)制等優(yōu)點(diǎn)[2]。本次研究中的改進(jìn)蟻群算法,則是在傳統(tǒng)蟻群算法基礎(chǔ)上發(fā)展來(lái)的一種新型算法,能夠不斷改善路徑質(zhì)量。
在物流機(jī)器人運(yùn)行過(guò)程中,在不同路徑下機(jī)器人的轉(zhuǎn)彎行為可能會(huì)浪費(fèi)時(shí)間并損耗資源,若在路徑規(guī)劃中出現(xiàn)多個(gè)彎曲,則會(huì)進(jìn)一步影響機(jī)器人的運(yùn)行效果,因此對(duì)算法做改進(jìn)成為其中的重點(diǎn)內(nèi)容,要求能夠盡量減少機(jī)器人路徑規(guī)劃中的不必要轉(zhuǎn)折,保證路徑平滑度,保障機(jī)器人運(yùn)動(dòng)代價(jià)[3-4]。所以在本次研究中,通過(guò)引入轉(zhuǎn)角啟發(fā)信息,其間轉(zhuǎn)角越小,則物流機(jī)器人選擇該路徑的概率越大,此時(shí)節(jié)點(diǎn)轉(zhuǎn)移概率如公式(1)表示。
在公式(1)中,P(t)為轉(zhuǎn)移概率;t為時(shí)間系數(shù);τn表示第n各節(jié)點(diǎn)的轉(zhuǎn)角路徑;ωij(t)為第t時(shí)刻從i點(diǎn)到j(luò)點(diǎn)的轉(zhuǎn)角啟發(fā)函數(shù)。
T為轉(zhuǎn)彎代價(jià);ω1為可調(diào)節(jié)參數(shù)。
同時(shí)在常規(guī)蟻群算法中,由于啟發(fā)因子受到該點(diǎn)i到下一節(jié)點(diǎn)j距離的倒數(shù),這種情況會(huì)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(huì)加劇資源浪費(fèi)問(wèn)題,而考慮到物流機(jī)器人對(duì)時(shí)間的要求較高,所以本文在啟發(fā)因子分析中進(jìn)行了改進(jìn),其中的重點(diǎn)內(nèi)容就是引入節(jié)點(diǎn)j到目標(biāo)點(diǎn)z之間的距離[5]。
常規(guī)蟻群算法主要通過(guò)輪盤(pán)賭法來(lái)抉擇路徑,這種方法存在一個(gè)十分明顯的弊端,這是因?yàn)樵谠缙跀?shù)據(jù)處理中可能出現(xiàn)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(huì)進(jìn)一步影響物流機(jī)器人的運(yùn)行效果,不利于實(shí)現(xiàn)最優(yōu)化計(jì)算[6-7]。所以在本文的改進(jìn)蟻群算法中,對(duì)蟻群的節(jié)點(diǎn)選擇策略進(jìn)行改進(jìn),將隨機(jī)性選擇以及定性選擇方法應(yīng)用于其中,并在運(yùn)算期間添加狀態(tài)轉(zhuǎn)移規(guī)則可控參數(shù),則有計(jì)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(shù);Nc為螞蟻當(dāng)前迭代次數(shù);ε為調(diào)整系數(shù)。
在運(yùn)算過(guò)程中,考慮到蟻群迭代期間對(duì)環(huán)境搜索的要求,所以在算法初期0q較大,此時(shí)算法在前期的路徑以偽隨機(jī)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(yùn)算過(guò)程的深入,q0所選值逐漸下降,滿足螞蟻隨機(jī)搜索的要求。所以與常規(guī)技術(shù)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(jī)器人在運(yùn)行過(guò)程中出現(xiàn)停滯情況,有助于實(shí)現(xiàn)最優(yōu)解。
在傳統(tǒng)蟻群算法中,在解決信息素更新問(wèn)題時(shí)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(cāng)庫(kù)的實(shí)際情況,但是這種算法會(huì)增加路徑信息素的處理難度,不僅難以轉(zhuǎn)變?yōu)闈M意探索過(guò)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(shì),對(duì)后續(xù)螞蟻的吸引力明顯不足[9]。針對(duì)該問(wèn)題,在改進(jìn)蟻群算法中應(yīng)考慮到路徑吸引力情況,因此本文通過(guò)對(duì)信息素更新方式進(jìn)行改進(jìn),在每次迭代結(jié)束后可以按照公式(4)的內(nèi)容做處理。
在公式(4)中,τij(L)代表從i點(diǎn)到j(luò)點(diǎn)的信息迭代更新結(jié)果;為歷史迭代最優(yōu)值;Ln為本次迭代最優(yōu)值;h為可調(diào)節(jié)系數(shù)。
按照公式(4)的相關(guān)內(nèi)容,在每次螞蟻迭代完成后,假設(shè)αL>Ln,則證明本次迭代的路徑更短,所以需要強(qiáng)化本次迭代信息素強(qiáng)度,并在物流機(jī)器人中保留本次路徑;若αL<Ln,證明本次迭代所發(fā)現(xiàn)的路徑并不是最優(yōu)值,需要減少路徑信息素強(qiáng)度[10]。
本文以某倉(cāng)庫(kù)為研究對(duì)象,使用柵格法建模后,物流機(jī)器人需要從左上角的“訂單區(qū)”出發(fā),達(dá)到右下方的“接貨區(qū)”。本次改進(jìn)螞蟻算法的主要目的,是使物流機(jī)器人在運(yùn)輸期間尋找到一條最優(yōu)化的路徑。
為了更好地了解改進(jìn)蟻群算法在優(yōu)化物流機(jī)器人工作路徑中的價(jià)值,本文選擇Matlab 2016仿真平臺(tái)開(kāi)展實(shí)驗(yàn),設(shè)置最大循環(huán)次數(shù)為50,螞蟻數(shù)量50,通過(guò)仿真的方法比較常規(guī)蟻群技術(shù)與改進(jìn)蟻群技術(shù)的應(yīng)用效果,本次研究中將在相同環(huán)境下,分別設(shè)置20×20、30×30兩種柵格環(huán)境,以黑色來(lái)模擬物流倉(cāng)庫(kù)內(nèi)的障礙物,比較兩種技術(shù)的實(shí)施效果。
在本次仿真實(shí)驗(yàn)中,在20×20環(huán)境模型下,分別模擬物流機(jī)器人在不同算法下的路徑變化情況,則仿真結(jié)果如圖1所示。
圖1 在20×20柵格環(huán)境下的仿真結(jié)果
從圖1的仿真結(jié)果可以發(fā)現(xiàn),常規(guī)蟻群算法下物流機(jī)器人的運(yùn)動(dòng)路徑并不是最優(yōu)的,雖然最終機(jī)器人也抵達(dá)目的地,但是很明顯不如改進(jìn)蟻群算法機(jī)器人的運(yùn)動(dòng)路徑。在詳細(xì)對(duì)比地圖仿真結(jié)果后,發(fā)現(xiàn)改進(jìn)算法下的物流機(jī)器人的運(yùn)行情況更滿意。
為進(jìn)一步分析改進(jìn)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(duì)蟻群算法進(jìn)行了比較,從本文的比較結(jié)果來(lái)看,常規(guī)算法與改進(jìn)算法下機(jī)器人的運(yùn)行路徑存在差異,相關(guān)資料如圖2所示。
圖2 在30×30柵格條件下物流機(jī)器人的運(yùn)動(dòng)軌跡
在比較圖2相關(guān)資料后可以發(fā)現(xiàn),兩種算法都在復(fù)雜的物流運(yùn)輸環(huán)境下尋找到一種路徑,但是與改進(jìn)算法相比,常規(guī)算法下的路徑過(guò)于曲折,存在較多彎路,而改進(jìn)算法下物流機(jī)器人的運(yùn)動(dòng)路徑較更加滿意。
蟻群算法在物流機(jī)器人運(yùn)動(dòng)路徑規(guī)劃中發(fā)揮著重要作用,而針對(duì)常規(guī)技術(shù)的缺陷,本文提出了改進(jìn)蟻群算法,根據(jù)案例的仿真結(jié)果可知,本文所提出的改進(jìn)算法具有技術(shù)可行性,能夠保障物流機(jī)器人在正確的路徑下運(yùn)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(shì),值得推廣。