一种基于量子退火算法的多AGV路径规划方法和装置

本发明属于无人驾驶，尤其涉及一种基于量子退火算法的多agv路径规划方法和装置。

背景技术：

1、无人驾驶是近年来智能交通领域的研究热点之一，自动导引车(automatedguided vehicle,agv)作为一种高度自动化和智能化的载运工具，其本质是无人驾驶技术的一种应用形式。随着智能系统与智能控制研究的深入发展，agv的应用场景也一直在被拓展。现代物流系统是智慧交通的重要组成部分，而其各细分场景，如自动化码头、智能仓储和快递分拣等的车辆调度与控制，则可以作为微观交通和无人驾驶研究的切入点。与复杂多变的道路交通环境比较，相对低速、封闭的agv应用场景，也更为适合作为无人驾驶技术的先行落点。

2、在agv小车作业的场景中，同时处于行驶状态的agv小车通常不唯一，则有可能会出现部分agv小车的原始路径存在冲突的情况，此时，调度系统会随机地对冲突的agv小车重新规划新路径以避免堵车及碰撞。但是，这种调度方法并未考虑到agv小车的状况，则有可能由重新规划新路径引起agv小车作业效率受到影响的问题。

3、专利[1](专利号：cn113848929a，一种agv载具调度方法及装置)公开并授权了一种agv载具调度方法，包括在为两个agv载具规划的原始路径发生冲突的情况下，若所述两个agv载具中存在空载的agv载具，则将所述空载的agv载具确定为目标载具；为所述目标载具规划第一新路径，其中，所述第一新路径是在将所述两个agv载具中除；所述目标载具以外的另一个作为障碍物的情况下，规划得到的；将所述第一新路径发送至所述目标载具；在为两个agv载具规划的原始路径发生冲突的情况下，所述方法还包括：若所述两个agv载具均载有货物，则将优先级较低的agv载具确定为指定载具，其中，所述优先级是根据所述agv载具的属性和/或所述agv载具载有的货物的属性得到的，agv载具的属性包括以下至少一种：agv载具的连续运行时长、agv载具当前的电量，货物的属性包括以下至少一种：货物在指定时间段内的运输频率、货物的sku信息、货物的重量、货物的体积、货物的本次运输至当前时刻的运输时长；为所述指定载具规划第二新路径，其中，为所述指定载具规划的第二新路径是在将优先级较高的agv载具作为障碍物的情况下，规划得到的；将所述第二新路径发送至所述指定载具；在为两个agv载具规划的原始路径发生冲突的情况下，若所述两个agv载具中存在空载的agv载具，则将所述空载的agv载具确定为目标载具之前，所述方法还包括：根据环境中的各位置点确定出不可更改的路径作为基准路径；若存在agv载具位于所述基准路径中，则将所述基准路径标记为占用；若接收到其他agv载具发送的针对所述基准路径中位置点的行驶请求，则将等待指令发送至发送所述行驶请求对应的agv载具；若检测到所述基准路径中的agv载具驶完所述基准路径，则将行驶指令发送至处于等待状态的agv载具。

4、专利[2](专利号：cn116224923a，一种考虑冲突规避的多agv路径规划方法)，本发明公开了一种考虑冲突规避的多agv路径规划方法，包括：基于柔性工厂布局以及工件加工过程的多agv任务分配、工序与机床分配问题，构建以最短完工时间为目标的调度模型；采用a*算法分别对各agv单独的路径进行规划，寻找各agv规划方案的冲突并进行逐个规避，得到初始路径种群；采用遗传算法并引入增强精英策略，对初始路径种群进行运算，得到最短完工时间下的最优路径方案。本发明添加了对agv之间占位冲突、边线冲突的判断和规避，机器占用与agv等待过程的处理以及对算法死锁的预防等过程，可实现对多agv的路径规划和冲突规避。

5、文献[1](孙军艳,吴焕钦,王子豪.基于改进a*算法的多agv路径规划及避障研究[j/ol].西安理工大学学报,1-12)针对目前大规模应用场景下多agv运行路网的局部拥塞防止和负载均衡问题，提出了使用负载均衡改进的a*算法进行路径规划的方法。在计算agv运行代价时，摒弃了传统a*算法只考虑单一运行路程的评价函数，引入了运行路程结合区域负载作为新评价函数的方式。在几乎不增大运行路程的前提下，实现agv运行路网的区域负载均衡。

6、文献[2]付博言,and张一帆.基于工厂物流中遗传算法的多agv路径规划研究.中国商论.02(2023):110-113.doi:10.19699/j.cnki.issn2096-0298.2023.02.110.针对工厂物流系统中零件配送时间短、需求量大、单个零件配送效率低等问题,本文设计了基于遗传算法的agv车辆路径规划。该规划以工厂中零件需求时间窗为约束条件,最短时间为规划目标,采用遗传算法规划agv运输路线。通过遗传算法规划提高了工厂agv运输效率,缩短了运输距离,降低了运输时间,提高了企业效益。

7、专利[1](文献号：cn113848929a，一种agv载具调度方法及装置)只建立在两个agv小车的基础上，即该方法只适用于两个agv小车的系统，实际的应用性不强，无法满足更多的需求。而只采用两个agv小车的系统仓储的效率也很低。

8、专利[2](文献号cn116224923a，一种考虑冲突规避的多agv路径规划方法)以及文献[1][2]中所采用的算法，若是agv数量增多，需要耗费大量的计算时间。

9、现代的仓储系统往往需要多个agv的协同运行，agv小车一般有装货、卸货、充电三种动作，因此需要对多个agv小车的调度进行规划。目前的agv系统多采用集中式系统，与所有agv相关的信息，例如它们的交付位置和当前位置，可用于优化路径。尽管这种集中式优化是一种强大的方法，但根据agv的数量，它需要大量的计算时间。遗传算法、a*算法效率低，而且容易陷入局部最优解导致agv反复来回移动缺乏效率。

技术实现思路

1、本发明要解决的技术问题是，提供一种基于量子退火算法的多agv路径规划方法和装置，旨在提高agv集群的路径规划效率，同时减少算法的计算时间，提高agv的工作效率。

2、为实现上述目的，本发明采用如下的技术方案：

3、一种基于量子退火算法的多agv路径规划方法，包括以下步骤：

4、步骤s1、获取agv调度任务；

5、步骤s2、根据agv调度任务，通过量子动态qubo优化算法进行agv路径规划。

6、作为优选，所述量子动态qubo优化算法为采用反向量子退火机对qubo算法进行动态优化。

7、作为优选，步骤s2包括：

8、根据agv调度任务，通过贪心算法获得初始解；

9、将初始解作为反向退火的初始状态，通过qubo优化算法进行agv路径规划。

10、作为优选，通过贪心算法获得初始解包括：

11、为每辆agv分配最短的路线；

12、检查碰撞agv，计算碰撞agv的冲突值；

13、根据冲突值为冲突的agv中的任意一辆，分配下一条路线；

14、如果没有冲突路径，输出初始解。

15、本发明还提供一种基于量子退火算法的多agv路径规划装置，包括：

16、获取模块，用于获取agv调度任务；

17、路径规划模块，用于根据agv调度任务，通过量子动态qubo优化算法进行agv路径规划。

18、作为优选，所述量子动态qubo优化算法为采用反向量子退火机对qubo算法进行动态优化。

19、作为优选，路径规划模块包括：

20、处理单元，用于根据agv调度任务，通过贪心算法获得初始解；

21、规划单元，用于将初始解作为反向退火的初始状态，通过qubo优化算法进行agv路径规划。

22、作为优选，处理单元包括：

23、第一分配组件，用于为每辆agv分配最短的路线；

24、计算组件，用于检查碰撞agv，计算碰撞agv的冲突值；

25、第二分配组件，用于根据冲突值为冲突的agv中的任意一辆，分配下一条路线；

26、输出组件，用于如果没有冲突路径，输出初始解。

27、本发明具有以下技术效果：

28、1、量子退火方式比传统模拟退火方式更适合多agv的场景，计算效率更高，最短路径解更优；

29、2、采用量子反向退火而不是正向退火。一是可以结合快速的经典启发式算法来提高优化的性能。二是保证能通过一些经典算法得到的最初解；

30、3、获取初始解不是采用随机方式，而是采用贪心算法，并定义了冲突值，不考虑绕行距离，以快速找到无冲突的路线为目标，从而提高了算法的工作效率。