一种配送机器人路径规划系统的制作方法

1.本发明涉及路径规划领域，特别是涉及一种配送机器人路径规划系统。


背景技术：

2.对于较大型机构，如大型的医院中，其内部需要配送的物品(药品、医疗材料、生活用品、生活垃圾等)很多，再比如餐厅中的食物配送，原材料、调料及制作好的食物等需要配送的也是很多。现有技术的配送方式基本依靠人力完成，人工服务会受环境、时间和场地的影响，还会受工资和自身情绪的影响，存在费时费力、错误率高的问题，并且，人工不能24小时不停的工作，所以，其存在服务质量低、时间短的缺陷。如小区中的快递物流配送，很多业主下班很晚，等下班回到小区后快递的配送站已经下班了，给业主带来了拿快递不方便的困扰，体现了人工工作时间短，无法24小时不停工作的缺陷。
3.目前配送机器人越来越多的被应用在各场所中替代人工，服务于各领域，随着科技的不断进步，配送机器人的工作能力和服务的质量都在逐渐的提升和完善。虽然配送机器人解决了大量人工无法克服的缺陷，但仍存在很多问题，其中最大的问题既是路径规划，现有技术中的路径规划方法，存在配送路段规划不准确、规划的过程用时长等问题，故社会亟需一种足已解决现有技术中存在的问题的方法。


技术实现要素：

4.本发明的目的是提供一种配送机器人路径规划系统，以解决上述现有技术存在的问题。
5.为实现上述目的，本发明提供了如下方案：
6.本发明提供一种配送机器人路径规划系统包括：
7.目标地点获取模块，用于获取若干个目标地点；
8.规划模块，基于获取的若干个所述目标地点进行路径规划，获得若干个路径规划结果；
9.优选及删除模块：用于挑选出所述路径规划结果中的优选结果和部分优选路径，并删除部分所述路径规划结果；
10.交叉重组模块：用于对删除的所述路径规划结果中的路径进行交叉，将部分所述路径规划结果中的两所述目标地点进行随机变换，获得重组结果；
11.评估模块，用于对所述路径规划结果进行评估，达到终止条件后结束规划，获得最优路径；
12.所述目标地点获取模块、所述规划模块、所述优选及删除模块、所述交叉重组模块、所述评估模块依次连接，其中所述评估模块还与所述目标地点获取模块连接。
13.进一步地，所述规划模块包括路径规划模块和交叉路径剔除模块；
14.其中所述路径规划模块用于对若干个所述目标地点规划路径，获得若干个第一路径规划结果，其中所述第一路径规划结果为一次走完，不重复经过所述目标地点的路径；
15.所述交叉路径剔除模块用于对所述第一路径规划结果中的交叉路径进行剔除，获得若干个没有交叉路径的第二路径规划结果，作为路径规划结果。
16.进一步地，所述路径规划模块对若干个所述目标地点规划路径的过程中，采用了最小四边形算法对路径进行规划。
17.进一步地，所述交叉路径剔除模块对所述第一路径规划结果中的交叉路径进行剔除的过程中，采用了complete 2
‑
opt算法对交叉路径进行剔除。
18.进一步地，所述优选及删除模块删除部分所述路径规划结果的过程中，采用了删除算子进行删除，且做出删除决定的评判依据为：路径长度和途径次数，评判的具体方法为：判断路径规划结果的路径总长度和途径次数是否超出预设值，若超出则删除所述路径规划结果，否则保留。
19.进一步地，所述优选及删除模块挑选所述部分优选路径的过程中，基于最佳部分收集器bpc算法进行收集，所述最佳部分收集器bpc算法还用于判断并收集所述优选结果。
20.进一步地，所述优选及删除模块基于上述最佳部分收集器bpc算法将所述部分优选路径替代所述优选结果中的部分路径进行重组，获得全新且较优的所述路径规划结果。
21.进一步地，所述交叉重组模块对删除的所述路径规划结果中的路径进行交叉的具体方法为：将每两个被删除的所述路径规划结果中的部分路径进行交叉，形成新的所述路径规划结果，交叉过程中采用了边交换交叉算子exx，通过所述边交换交叉算子exx对原路径进行交叉，再通过所述交叉路径剔除模块对交叉的边进行剔除，获得更优的所述路径规划结果。
22.进一步地，所述重组结果需要输入所述规划模块进行路径的重新规划。
23.进一步地，所述评估模块的终止条件为：所述评估模块达到预设的迭代次数。
24.本发明公开了以下技术效果：
25.本发明采用了complete 2
‑
opt算法和最小四边形算法结合的方式求解配送机器人路径规划的方法，其中最小四边形算法可选择短的路径规划方式，complete 2
‑
opt算法是基于2
‑
opt启发式搜索的，如果重复性足够大，它可以剔除遍历中的所有交叉边。还加入了遗传算子进行优化，包括交叉算子和变异算子，交叉算子改变两个目标地点顺序，降低了局部最优解出现的概率，通过变异算子提高了局部的随机搜索能力，提高了得到最优解的效率，通过删除算子和最佳部分收集器删除效果较差的结果并挑选效果较好的结果，将局部的优选路径加入效果较好的结果，提高了获得最优解的效率。本技术通过以上算法的结合，提高了配送机器人配送路段规划的准确率、降低了规划过程的时长，节省了成本，提高了配送体验。
附图说明
26.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
27.图1为本发明实施例中的系统结构示意图。
具体实施方式
28.现详细说明本发明的多种示例性实施方式，该详细说明不应认为是对本发明的限制，而应理解为是对本发明的某些方面、特性和实施方案的更详细的描述。
29.应理解本发明中所述的术语仅仅是为描述特别的实施方式，并非用于限制本发明。另外，对于本发明中的数值范围，应理解为还具体公开了该范围的上限和下限之间的每个中间值。在任何陈述值或陈述范围内的中间值以及任何其他陈述值或在所述范围内的中间值之间的每个较小的范围也包括在本发明内。这些较小范围的上限和下限可独立地包括或排除在范围内。
30.在不背离本发明的范围或精神的情况下，可对本发明说明书的具体实施方式做多种改进和变化，这对本领域技术人员而言是显而易见的。由本发明的说明书得到的其他实施方式对技术人员而言是显而易见的。本技术说明书和实施例仅是示例性的。
31.关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，即意指包含但不限于。
32.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
33.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
34.本发明提出了一种基于结合遗传局部搜索(gls)的进化多启发式算法来求解配送机器人路径规划优化系统。该系统结合了完全2
‑
opt(c2opt)和最小四边形(ss)两种主要运算，并应用于配送机器人路径规划优化系统。c2opt是基于2
‑
opt启发式搜索的，如果重复性足够大，它可以去除遍历中的所有交叉边。ss选择比c2opt短的边。ss的问题是，在应用时，原始的城市顺序发生了变化。因此，交叉边不能完全去除。然而将c2opt和ss与遗传算子相结合，对配送机器人路径规划优化算法给出了一个很好的结果。该系统还采用了删除和最佳部分收集器两种操作。删除是从群体中去除重复的有效方法，bpc是从路径中收集最佳部分培养优选路径的有效方法。
35.本发明公开了一种配送机器人路径规划系统，包括：
36.目标地点获取模块，用于获取若干个目标地点；
37.规划模块，基于获取的若干个所述目标地点进行路径规划，获得若干个路径规划结果；
38.优选及删除模块：用于挑选出所述路径规划结果中的优选结果和部分优选路径，并删除部分所述路径规划结果，其中优选结果为路径规划结果中：路径方向与最短路径方向一致且路径总长度小于优选结果预设值的路径规划结果，作为优选结果；部分优选路径为每个路径规划结果中，部分路径的方向与最短路径方向一致且这部分路径长度小于部分优选路径长度预设值的部分路径，作为部分优选路径；删除的部分路径规划结果，为路径方向与最短路径方向不一致的，路径总长度超过删除阈值的；其中优选结果预设值具体为预设的一个用于评判是否为优选结果的值，此值为路径总长度的值；部分优选路径长度预设值具体为预设的一个用于评判是否为部分优选路径的值，此值为路径长度的值；删除阈值
具体为预设的一个用于评判是否删除路径规划结果的值，此值为路径总长度的值。
39.交叉重组模块：用于对删除的所述路径规划结果中的路径进行交叉，将部分所述路径规划结果中的两所述目标地点进行随机变换，获得重组结果；
40.评估模块，用于对所述路径规划结果进行评估，达到终止条件后结束规划，获得最优路径；
41.所述目标地点获取模块、所述规划模块、所述优选及删除模块、所述交叉重组模块、所述评估模块依次连接，其中所述评估模块还与所述目标地点获取模块连接。
42.进一步地，所述规划模块包括路径规划模块和交叉路径剔除模块；
43.其中所述路径规划模块用于对若干个所述目标地点规划路径，获得若干个第一路径规划结果，其中所述第一路径规划结果为一次走完，不重复经过所述目标地点的路径；
44.所述交叉路径剔除模块用于对所述第一路径规划结果中的交叉路径进行剔除，获得若干个没有交叉路径的第二路径规划结果，作为路径规划结果。
45.进一步地，所述路径规划模块对若干个所述目标地点规划路径的过程中，采用了最小四边形算法对路径进行规划。
46.进一步地，所述交叉路径剔除模块对所述第一路径规划结果中的交叉路径进行剔除的过程中，采用了complete 2
‑
opt算法对交叉路径进行剔除。
47.进一步地，所述优选及删除模块删除部分所述路径规划结果的过程中，采用了删除算子进行删除，且做出删除决定的评判依据为：路径长度和途径次数，评判的具体方法为：判断路径规划结果的路径总长度和途径次数是否超出预设值，若超出则删除所述路径规划结果，否则保留。
48.进一步地，所述优选及删除模块挑选所述部分优选路径的过程中，基于最佳部分收集器bpc算法进行收集，所述最佳部分收集器bpc算法还用于判断并收集所述优选结果。
49.进一步地，所述优选及删除模块基于上述最佳部分收集器bpc算法将所述部分优选路径替代所述优选结果中的部分路径进行重组，获得全新且较优的所述路径规划结果。
50.进一步地，所述交叉重组模块对删除的所述路径规划结果中的路径进行交叉的具体方法为：将每两个被删除的所述路径规划结果中的部分路径进行交叉，形成新的所述路径规划结果，交叉过程中采用了边交换交叉算子exx，通过所述边交换交叉算子exx对原路径进行交叉，再通过所述交叉路径剔除模块对交叉的边进行剔除，获得更优的所述路径规划结果。
51.进一步地，所述重组结果需要输入所述规划模块进行路径的重新规划。
52.进一步地，所述评估模块的终止条件为：所述评估模块达到预设的迭代次数。
53.遗传算法是一种模拟自然进化过程的优化算法。传统的遗传算法通常由交叉、选择和变异等算子组成，这些算子是从生物和遗传过程中模拟出来的。然而，传统的遗传算法在求解大型优化问题时效率低下。
54.将遗传算法应用到配送机器人路径规划优化算法中，配送机器人路径规划优化算法是一个著名而重要的组合优化问题，即旅行商tsp问题。在配送机器人路径规划中，两个城市之间的每一个距离都是针对一组n个城市给出的。我们的目标是找到一个最短的旅行，每个城市只访问一次，然后返回出发城市。
55.本技术中的遗传算子包括：交叉算子和变异算子，探索了搜索空间的多样性，并提
高了收敛速度，避免过早收敛到某些次优解。还结合了c2opt和ss的运算，提高了搜索空间的遍历性，c2opt基于2
‑
opt启发式搜索方法。c2opt创建的路径通常是一个局部最优的，在这个局部最优的路径中，一些城市的秩序可能与最优路径中的秩序相同。这是本地搜索操作的理想属性。交叉算子是一种边交换交叉算子(exx)。变异算子是一种随机改变两个城市顺序的两点变换方法。exx和突变在种群中插入了新的多样性。通过交叉和变异重组的路径可以包含新的交叉边，从而成为c2opt和ss操作的新候选。
56.系统中使用的另外两个算子是删除算子和最佳部分收集器(bpc)。删除保留了一个有效的空间，为当地的搜索方法，通过删除路径规划结果有相同的路径顺序作为其他路径规划结果的替换位置。然后通过预设的变异算子重新生成被移除的路径。bpc用来从不同的路径规划结果上收集最好的部分，并用来培养优选路径。收集的所有部分都包含相同的城市，具有相同的起点和终点城市。如果发现一个路径比优选路径中的路径短，则优选路径中选择的路径将与较短的路径重新组合。通过这一过程，bpc可以显著提高路径质量。
57.在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
58.以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。