《智能机器人创新设计》 课件 实践：多机器人协同调度-粒子群算法.pptx

智慧物流系统：从设计到实现多机器人协同调度——粒子群算法实践

教学内容CONTENTS4实践准备3任务要求1项目目标5程序框图6操作步骤7实操效果2项目原理8修改参数-唯一变量9拓展思考

31项目目标了解粒子群算法对多段路径规划的设计思路，通过分析算法逻辑，学习使用Python编程语言进行函数模块设计。函数模块设计与算法原理相结合，将有助于同学们理解粒子群算法本身。学习掌握算法调试，最终在应用软件Flex-PF实现基于粒子群算法为多个物流机器人规划路径，使物流机器人根据最优的路径完成从起点位置移动到货架位置，再从货架位置移动到取货区，最终把货架运送回货架区的任务。

42项目原理粒子群算法是通过群体中粒子间的合作与竞争而产生的群体智能进行指导优化搜索。算法采用简单的速度位移模型，避免了复杂的遗传，同时它特有的记忆功能使其可以动态地跟踪当前的搜索情况并调整搜索策略，具有较强的全局搜索能力和鲁棒性，且不需要借助问题的特征信息。

5(1)粒子群算法主要步骤：①设定粒子的长度（即“位置”属性的维数）、粒子群的粒子数，初始化粒子群中粒子的位置和速度属性；②确定适应度/评价函数表达式，计算粒子群中每个粒子的适应度，更新每个粒子与整个粒子群的最优位置及适应度。2项目原理

6(1)粒子群算法主要步骤：③根据个体最优和群体最优的位置依据下式更新个体速度和位置：?更新粒子速度：惯性因子当前粒子速度粒子加速因子粒子群加速因子[0,1]之间的随机数粒子历史最优位置粒子当前位置粒子群历史最优位置2项目原理

7(1)粒子群算法主要步骤：③根据个体最优和群体最优的位置依据下式更新个体速度和位置：??更新粒子速度：更新粒子位置：④设定迭代停止条件，不断重复②③步直至达到迭代停止条件，迭代结束时的粒子群最优位置即为所求的最优解；2项目原理

8(2)粒子群算法的随机性分析:粒子群初始化时，每个粒子的初始位置和初始速度是随机的。粒子初始位置的随机性使得粒子群可以从各个方向靠近最优解，一定程度上保证了粒子群算法的搜索范围；粒子初始速度的差异使得其向群体最优解靠近的同时自身仍保留一定的寻优能力，不至于使得群体迅速收敛至局部最优解，造成自锁。2项目原理

9(3)对协同调度问题的分析:针对多机器人物流系统协同调度这个实际问题，需要对粒子群算法中的一些抽象概念赋予实际的含义和相关规定。假设物流系统中有3个物流机器人、4个待搬运货架、2个可复用取货点，分别对物流机器人、待搬运货架、取货点进行编号：物流机器人编号：0、1、2货架编号：0、1、2、3取货点编号：0、12项目原理

10在多机器人物流系统协同调度问题中，将“一个物流机器人搬运一个货架到一个取货点”视为1个任务。因此，则在物流机器人的搬运能力内，只需考虑3个任务分配问题，每个物流机器人将分到1个任务。注意：当机器人数量大于货架数量时，多余的机器人不需要被分配任务；当货架数量大于机器人数量时，多余的货架不需要被考虑。①协同调度问题中对“粒子位置”的定义：粒子群算法中，迭代结束后得到的“最优粒子位置”即为我们想要的最优解，它是一个定义在高维空间中的“位置”，通常用一串实数表示。2项目原理

11①实际问题中，将解（即“粒子位置”）的结构形式定义成二维数组的形式：机器人的数量小于货架的数量，每个机器人都会被分配货架：1）将机器人的编号作为数组的下标；2）将货架的编号作为数组的第0行，本次任务只有3个机器人，只能同时搬运3个货架，因此货架的编号4选3，不可重复；3）将取货点的编号作为数组的第1行，2个取货点的编号2选1，可重复使用；数组下标(物流机器人)012第0行(货架)XXX第1行(取货点)XXX2项目原理

12①实际问题中，将解（即“粒子位置”）的结构形式定义成二维数组的形式机器人的数量小于货架的数量，每个机器人都会被分配货架：数组下标(物流机器人)012第0行(货架)201第1行(取货点)110二维数组结构定义粒子位置：数组下标(物流机器人)012第0行(货架)XXX第1行(取货点)XXX2项目原理

13①实际问题中，将解（即“粒子位置”）的结构形式定义成二维数组的形式数组下标(物流机器人)012第0行(货架)201第1行(取货点)110二维数组结构定义粒子位置：二维数组结构表示的含义：编号为0的机器人搬运编号为2的货架到编号为1的取货点编号为1的机器人搬运编号为0的货架到编号为1的取货点编号为2的机器人搬运编号为1的货架到编号为0的取货点2项目原理

14②“粒子位置”的数据类型与取值范围：数组下标(物流机器人)012第0行(货架)201第1行(取货点)110二维数组结构定义粒子位置：由左图可知，表示“粒子位置”的二维数组中每位的取值含义为机器人、货架、取货