近日，郑州大学计算智能实验室在国际权威期刊《 IEEE Transactions On Intelligent Transportation Systems》上发表学术论文《A Reinforced Neighborhood Search Method Combined with Genetic Algorithm for Multi-Objective Multi-Robot Transportation System》，用于优化多机器人交通系统中的多目标调度问题。
随着人工智能的飞速发展，自主多机器人系统已成功应用于多个领域。因此，如何开发智能路径规划与调度系统以高效协调交通网络中的多机器人运输，成为亟需解决的问题。为应对这一问题，本研究构建了协作机器人操作的优化模型，旨在最小化总能耗以及最大完工时间（即耗时最长机器人的完成时间）。此外，本文提出了一种结合遗传算法的增强邻域搜索方法（RNSGA）。该方法融合了单解搜索思想与群体智能技术，包含两个关键步骤：路径构建，用以确定每条路径内任务点的组成和访问顺序；以及路径分配，将构建好的路径分配给各个机器人。本文的主要贡献包括：
1.提出了一个包含实际操作约束的数学模型，以解决多机器人路径规划与调度问题；
2.提出了一种结合遗传算法的增强邻域搜索方法（RNSGA），用于优化多机器人的路径构建与调度。
《IEEE Transactions On Intelligent Transportation Systems》是智能交通领域中重要学术期刊，最新影响因子为7.9。
题目：A Reinforced Neighborhood Search Method Combined With Genetic Algorithm for Multi-Objective Multi-Robot Transportation System
作者：Peng Chen, Jing Liang*, Kang-Jia Qiao, Hui Song, Ponnuthurai Nagaratnam Suganthan, Lou-Lei Dai, Xuan-Xuan Ban
DOI：10.1109/TITS.2025.3557442
链接：https://ieeexplore.ieee.org/document/10964773