首 页    学报简介    作者投稿    专家审稿    编辑办公    读者须知    联系我们
引用本文格式: 周润,龙伟,李炎炎,石小秋,魏永来. 面向绿色再制造系统的AGV路径规划研究 [J]. 四川大学学报: 自然科学版, 2019, 56: 883~889.
 
面向绿色再制造系统的AGV路径规划研究
Study on AGV path planning for Green Remanufacturing System
摘要点击 45  全文点击 17  投稿时间:2019-04-08  修订日期:2019-05-27
查看全文  查看/发表评论  下载PDF阅读器
DOI编号   
中文关键词   绿色再制造  AGV路径规划  粒子群算法  遗传算法  双重交叉变异策略  自适应惯性权重
英文关键词   Green Remanufacturing  AGV Path Planning  Particle Swarm Optimization  Genetic Algorithms  Double Cross-mutation Strategy  Adaptive Inertial Weight
基金项目   国家绿色制造系统项目计划
作者单位E-mail
周润 四川大学机械工程学院 1107618335@qq.com 
龙伟 四川大学机械工程学院 scdxlongwei@yeah.net 
李炎炎 四川大学机械工程学院  
石小秋 四川大学机械工程学院  
魏永来 四川大学机械工程学院  
中文摘要
    为了解决绿色再制造系统中的自动导引运输车(AGV)路径规划问题的问题,提出一种粒子群遗传融合的AGV全局路径优化的自适应算法,该方法不仅集成了遗传算法(GA)和粒子群算法(PSO)二者的优点,而且为了改善传统PSO-GA融合算法迭代前期寻优速度慢的问题,引入自适应惯性权重;为了提高算法进入迭代后期的收敛精度,提出了一种双重交叉变异策略,使得改进的PSO-GA融合算法比传统的PSO-GA融合算法搜索能力更强,进化速度更快,收敛精度更高,为了验证改进后算法的优越性,采用栅格法模拟自动导引运输车运行环境并通过MATLAB对标准粒子群、遗传、传统的PSO-GA融合、改进PSO-GA融合四种算法解决路径优化问题进行试验对比,结果证明了改进后的PSO-GA算法的可行性和有效性。
英文摘要
    In order to solve the problem of automatic guided vehicle (AGV) path planning in green remanufacturing system, an adaptive algorithm for global path optimization of AGV based on particle swarm optimization (PSO) is proposed. This method not only integrates the advantages of genetic algorithm (GA) and particle swarm optimization (PSO), but also improves the slow search speed of traditional fusion algorithm in the early iteration stage. In order to improve the convergence accuracy of the algorithm in the later iteration stage, a dual crossover mutation strategy is proposed. The improved PSO-GA fusion algorithm has stronger search ability, faster evolution speed and higher convergence precision than the traditional PSO-GA fusion algorithm. In order to verify the superiority of the improved algorithm, the grid method is used to simulate the running environment of the auto-guided transport vehicle, and the four algorithms of standard particle swarm optimization, genetic algorithm, traditional PSO-GA fusion and improved PSO-GA fusion are solved by MATLAB. The experimental results show that the improved PSO-GA algorithm is feasible and effective.

您是第 3401303 位访问者

版权所有 @ 2007《四川大学学报 (自然科学版)》编辑部
地址: 四川省成都市武侯区四川大学望江校区文科楼330至342室  邮编: 610064
电话: (028)85410393  传真: (028)85410393  E-mail: scdx@scu.edu.cn
本系统由北京勤云科技发展有限公司设计