《表1 不同布局的行驶距离分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《多移动机器人分层优化调度算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于0-1规划模型和CVRP模型都是NP难题，遗传算法的每次求解不一定能获得最优解．最优解即为保证每台移动机器人不超载的情况下，保证全体移动机器人的走过总路径最短．在遗传算法参数是本算法中，设置最大迭代次数为Max=1 000，种群大小pop=40，交叉概率p=0.4，变异概率q=0.8，S0=100，Si在（10，20）上均匀分布，即Si～U（10，20）．在每种布局的条件完成1 000次随机的工作任务，获得结果如图4所示．实验结果可见，GA-M-CVRP算法比文[3]提出的GA-CVRP算法效果要好得多．随着布局规模的增加，两种算法的非最优率有所提高，但是GA-M-CVRP在7×7提取点布局以内的非最优率接近为0%，到了10×10布局非最优率超过10%，而GA-CVRP所得的非最优率几乎与布局规模的增大成正比．采用GA-M-CVRP算法后的平均减少行驶距离如表1所示，在不同的布局下，本算法比GA-CVRP获得的平均行驶距离有不同程度的减少，特别是随着提货点数量的增大，算法平均减少行驶距离越多，可见本算法是有效的．