买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜重庆大学申请的专利一种基于改进遗传算法的多AGV多目标路径规划方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114911205B 。

龙图腾网通过国家知识产权局官网在2025-04-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210501172.1，技术领域涉及：G05B19/418；该发明授权一种基于改进遗传算法的多AGV多目标路径规划方法是由林景栋;李鸿威;黎杨;章家伟;贺启程;邓坤霖设计研发完成，并于2022-05-09向国家知识产权局提交的专利申请。

本一种基于改进遗传算法的多AGV多目标路径规划方法在说明书摘要公布了：本发明涉及一种基于改进遗传算法的多AGV多目标路径规划方法，属于智能技术领域。该方法具体包括：1根据仓储环境选用栅格法构建地图模型；2建立基于交通规则法及占用表的优先级策略；3采用A*算法计算出两目标之间的最短行走距离，构建一个所有目标点间的距离矩阵；4根据改进的遗传算法完成AGV路径规划。本发明能够将AGV多目标问题类比为TSP问题，使用改进的遗传算法求解多目标路径规划问题，使得整个系统的效率有了大幅的提升。

本发明授权一种基于改进遗传算法的多AGV多目标路径规划方法在权利要求书中公布了：1.一种基于改进遗传算法的多AGV多目标路径规划方法，其特征在于：该方法包括以下步骤：S1：根据仓储环境选用栅格法构建地图模型：包括四个部分：拣选台T＝{T_1,T_2,T_3,……,T_n}，其中n表示拣选台的数量；AGV小车R＝{R_1,R_2,R_3,……,R_m}，m表示AGV的数量；货架区S＝{S_1,S_2,S_3,……,S_k}，k表示货仓区的数量；AGV的可行走道路及AGV将要去往的货架点；S2：建立基于交通规则法及占用表的优先级策略；S3：为每一个目标点都建立在栅格图中的编号，假设任意两目标点x和y的路径距离为dxy，然后利用改进的A*算法计算出两目标之间的最短行走距离，假设AGV要经过n个目标点，那么AGV就有n！种方式完成所有任务，得到距离矩阵Dxy，其中，x，y∈1，n，x≠y；S4：根据改进的遗传算法求解AGV路径；所述S2具体包括以下步骤：S21：规定所有的道路都是单行通道，且横向道路是左右交替变换的单行道，纵向道路是上下交替变换的单行道；并且规定当AGV在节点处遇到冲突时，采用等待决策来解决节点冲突，优先级高的AGV先行；S22：建立占用表；占用表使用数据结构来表示，用来保存每个栅格占用的机器人的信息，当AGV想要进入下一个节点前，都会向占用表查询即将进入的节点有没有被占用，然后标识下一个节点即将被自己占用，在离开节点并且大于安全距离以后才会取消标识；其他AGV也想要进入到这个节点需要等到标识被取消才能进入，否则原地等待；每辆AGV都有唯一的id号；占用表会记录下每个AGV的id号，记录哪个节点是被哪辆AGV占用；S23：基于冲突数目来决定优先级大小；将某辆AGV在初始全局路径规划当中与其他AGV产生的冲突定义为该AGV的初始冲突数primary；然后，其他AGV的路径不改变，将该AGV设为较低优先级，把该AGV与其他AGV之间新增的冲突数目定义为新增或减少的冲突数new；该AGV产生的总冲突数定义为all；all＝primary+new新增冲突数new也可以为负值，表示冲突数的减少；在路径冲突发生时，两辆AGV都需要计算各自的总冲突数目，冲突数少的优先级高；如果冲突数相同，则随机设定一辆AGV的优先级高；在所述S3中，根据改进的A*算法计算出两目标之间的最短行走距离，具体步骤包括：S31：初始条件：起点设为S，目标终点设为U；S32：首先初始化两个空的辅助列表Open表和Close表；开始时先将起点S放至Open表中；Open表中存放将要被估算的备选节点集，Close表中存放已经被搜索的节点集，列表当中没有重复节点；S33：把起点S从Open表中移除至Close表中，然后搜索与起点S周围的所有节点，设置起点S为当前父节点，并判断这些是否节点都在Open表中，如果不在，加入到Open表中，如果是障碍点，则忽略；S34：计算Open表中所有节点的fn值，并找到它们当中fn值最小的节点放入到Close表中，还要从Open表里删除；S35：搜索找到的最小fn的节点相邻的所有节点，并检查是否在Open表中，如果不在，将其放入，并设fn值最小的点为父节点；如果节点在Open表中，那么就要重新计算这些节点的fn值，如果新的值小于之前的话，则对原先的fn的值进行更新并设此节点为父节点；S36：通过对Open表当中fn值最小的节点作为下一个搜索节点的父节点来完成路径的搜索；S37：对每一次搜索的节点判断一次，如果是目标节点，则停止搜索，算法结束，如果不是，则重复上述步骤继续搜索；在所述S34中，计算Open表中所有节点的fn值，具体步骤包括：S341：fn＝g′n+h′n；S342：g′n＝αgn；其中，g′n表示起点到当前栅格的实际代价，gn表示起点到当前栅格的初始代价，α为转弯权值，为一个不小于1的数，转弯时取具体值，不转弯时取1；S343：h′n＝εhn；hn＝|x1-x2|+|y1-y2|，表示两点间横向距离和纵向距离的绝对值之和；ε为启发函数的权值；在所述S4中，利用改进的遗传算法求解AGV路径，具体步骤包括：S41：初始化环境地图、货架信息、AGV信息，将拥堵系数置零；S42：计算目标节点之间的A*路径信息矩阵；S43：产生随机种群；S44：根据A*路径信息矩阵，计算初始路径长度，并更新拥堵系数；S45：判断冲突数目，确定优先级并化解冲突；S46：得到种群中个体的路径长度以及行驶时间；S47：计算种群中个体的适应度函数；S48：选择、交叉、变异；S49：输出最优个体；在所述S47中，计算种群中个体的适应度函数，具体步骤包括：S471：n表示遍历的总节点个数，di,i+1表示AGV遍历的第i个节点和第i+1个节点间的最佳路径，v表示AGV匀速行驶速度，tw表示AGV在行驶过程中因为等待而花费的时间；S472：路口节点的编号使用占用表中的节点编号；其中，n表示路口节点号，m表示已使用的路口节点号，C为所有路口节点的集合，pm表示路段m的拥堵系数；在所述S47后，采用轮盘赌选择策略对个体进行选择，具体步骤包括：若某个体适应度为fi，种群大小为N，则被选择的概率为： 在所述S48中，采用匹配式交叉算子完成算法交叉步骤，具体步骤包括：首先在其中一个染色体上随机选取一段基因，然后再找到另一个与之配对的染色体上找到相同位置的基因进行交换，生成两个子代基因序列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。