全燕鸣 何一明

(华南理工大学 机械与汽车工程学院，广东 广州 510640)

近年来,随着“中国制造2025”的不断深入开展,智能制造行业和机器人行业获得了快速发展,有关机器人的企业如雨后春笋般涌现。机器人由于可以代替人做一些重复而繁琐的任务,具有工作效率高及工作成本小的优点,正广泛用于各行各业,且需求量不断增大[1]。多机器人任务分配调度方法是多机器人稳定运行的关键技术,通过改进多机器人任务分配调度方法有利于节省机器人的工作成本,延长机器人的工作寿命,提高机器人的工作效率,且易于多机器人的进一步推广应用[2]。

多机器人任务分配调度研究是大势所趋,国内外学者已经对此展开了较多研究,但很多研究都偏向某个方面,难以做到全局统筹。Trigui等[3]提出了分布式市场化算法来解决多机器人任务分配问题,通过交换任务的方法进行分配优化,但其为局部调度,缺少考虑全局规划的最优性;David等[4]提出一种基于贝叶斯学习的多机器人协同方法,增强了多机器人局部的自适应能力,但其偏向局部条件的应对,欠缺全局优化效果;夏田等[5]建立了路径调节的模型,并用蚁群算法去解决多AGV(一种移动机器人)调度作业全局优化问题,但蚁群算法相对其它算法来说计算速度慢、效率偏低且搜索过程容易出现“早熟”,欠缺稳定性;徐海军等[6]提出了一种改进的A*算法来解决多AGV的冲突及调度问题,但A*算法计算量大,且局……