一种基于改进的差分进化算法的多载量AGV任务分配方法

本发明公开了一种基于改进差分进化算法的多载量AGV任务分配方法，首先，构建以最小化总运输时间和负载均衡度为双目标的数学模型，量化AGV行驶路径、载重约束及能耗关系；其次，采用Tent混沌映射生成高多样性初始种群，结合三体差分变异策略、混合交叉操作包括顺序交叉与两点交叉及非法解修正机制优化任务分配序列；进一步设计动态局部搜索策略，通过任务组内基因交换与跨AGV负载均衡调整提升解集质量；最后通过非支配排序与精英保留策略筛选Pareto最优解集。实验表明，相较于传统DE与NSGA‑II算法，本发明在汽车焊接车间应用中总运输时间缩短负载均衡度提升，显著降低了AGV空载率与冲突频次，为复杂工业场景下的多AGV高效协同调度提供了可靠解决方案。