基于混沌模糊粒子群算法的多AGV多任务分配研究
吴亮1
杨盛毅2
杨雯1
尚建华1
1.贵州民族大学数据科学与信息工程学院 贵州贵阳 5500002.贵州民族大学物理与机电工程学院 贵州贵阳 550000
摘要：针对智能工厂中多AGV(automated guided vehicle)的批量任务分配问题,文章以AGV总行程、负载均衡指数、总能耗为目标,以AGV和任务的匹配关系为决策变量构建线性优化数学模型.为克服传统粒子群算法存在的易陷入局部最优、参数敏感与调参困难等不足,提出了一种混沌模糊粒子群算法.首先,设计区间二型模糊推理器,根据算法迭代进度、全局最优变化率及算法种群多样性,实时调整算法参数惯性权重、个体学习因子和群体学习因子,提高算法的自适应能力;再通过指数离散忆阻器(EDM)混沌映射生成随机序列为粒子提供变异方向,对更新后的粒子以概率因子选择当前个体或全局历史最优个体进行变异,再交叉、选择提升算法全局搜索效率;最后,设计优化算法比较实验和多AGV多任务分配问题的仿真实验.实验结果表明:混沌模糊粒子群算法有效解决了多AGV多任务的分配问题,同时所提出的改进策略有效提高了算法的全局搜索能力与自适应能力.
关键词：智能工厂任务分配粒子群算法混沌映射模糊推理器
资助基金：贵州省数据科学与计算智能科技创新人才团队项目(CXTD(2025)038)
论文发表日期：2026-01-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 12-15 )