1.一种基于改进粒子群算法的箱式仓储机器人路径规划方法，其特征在于：包括以下步骤：S1、对箱式仓储机器人运动模式进行数学建模，包括水平移动、货叉升降移动、货叉存取货作业以及转弯；

S2、通过步骤1对箱式仓储机器人的运动分析，构建以最小拣货时间为目标的优化函数；

S3、配置仿真实验环境，包括仓库环境参数、箱式仓储机器人参数、拣货作业任务货箱位置；

S4、运用改进粒子群算法针对步骤3中配置的仿真实验环境，对箱式仓储机器人进行拣选作业路径优化。

2.根据权利要求1所述的一种基于改进粒子群算法的箱式仓储机器人路径规划方法，其特征在于所述步骤S4中，改进粒子群算法的具体过程如下：

1)初始化粒子种群的位置以及速度；

2)计算各粒子的适应度值；

3)将个体粒子存入Ppb；比较各粒子适应度值，将全局最优粒子存入Pgb；

4)根据迭代时间更新个体交换子学习概率r1以及全局交换子学习概率r2；

5)计算交换序列ss，更新粒子位置以及粒子速度；

6)更新粒子适应度值；

7)比较粒子在迭代过程中的最佳适应度值，如果更优，更新个体最佳粒子Ppb；

8)比较当前所有粒子Ppb以及Pgb，更新全局最优粒子Pgb；

9)如果达到终止条件，则结束迭代搜索过程，并输出最优粒子作为最终寻优结果，否则返回4)继续迭代搜索。

3.根据权利要求2所述的一种基于改进粒子群算法的箱式仓储机器人路径规划方法，其特征在于所述步骤S1中，水平移动距离计算公式为：

其中Dij_x为i货箱位置移动至j货箱位置的x轴方向移动距离，Dij_y为i货箱位置移动至j货箱位置的y轴方向移动距离，sij为ACR在水平移动中需要跨越的运输通道数目，sij＝|ceil(yj,g)‑ceil(yi,g)|，w为货格宽度，d为货格深度，g为每排每列货架含有的货位数量，l为拣货通道宽度，L为运输通道宽度；

货叉升降移动距离计算公式为：

Di_z＝(zi+|ki‑zi|+ki)×h其中Di_z为从i货箱位置移动至j货箱位置的z轴方向移动距离，ki为背篓坐标，h为货格高度；

货叉存取货作业时间为：

Tλ＝num

Tλ为货叉单次存取货作业时间，num为自设固定值；

转弯次数计算公式为：

其中，μij为转弯次数。

4.根据权利要求2所述的一种基于改进粒子群算法的箱式仓储机器人路径规划方法，其特征在于所述步骤S1中，水平移动时间计算公式为：

其中T1为总水平移动时间，Tij为从i货箱位置移动至j货箱位置水平移动时间，Aij为拣选作业约束，n为单车次作业任务序列个数；

货叉升降移动时间计算公式为：

其中T2为货叉总升降移动时间，Vz为货叉升降移动速度；

存取货作业时间计算公式为：

其中T3为总存取货作业时间；

转弯时间计算公式为：

其中，T4为总转弯时间，Tμ为单次转弯时间。

5.根据权利要求4所述的一种基于改进粒子群算法的箱式仓储机器人路径规划方法，其特征在于所述步骤S2中以最小拣货时间为目标的优化函数与步骤S4中初始化粒子种群适应度的计算公式相同，均为：

6.根据权利要求5所述的一种基于改进粒子群算法的箱式仓储机器人路径规划方法，其特征在于所述步骤S4中，改进粒子群粒子速度更新公式为：其中，Vi(t+1)代表t+1时刻粒子速度，Vi(t)代表t时刻粒子速度，r1代表个体交换子学习概率，r2代表全局交换子学习概率，Ppb代表个体最优粒子，Pgb代表全局最优粒子，Xi(t)代表t时刻粒子位置，(Ppb‑Xi(t))代表个体交换子序列，(Pgb‑Xi(t))代表全局交换子序列；

改进粒子群粒子位置更新公式为：

其中Xi(t+1)代表t+1时刻粒子位置；

个体交换子序列计算公式为：

SSpb＝Ppb‑Xi(t)

其中SSpb代表个体交换子序列；

全局交换子序列计算公式为：

SSgb＝Pgb‑Xi(t)

其中SSgb代表全局交换子序列；

非线性异步交换子学习概率计算公式为：其中r1max为最大个体交换子学习概率，r1min为最小个体交换子学习概率，r2max为最大全局交换子学习概率，r2max为最小全换交换子学习概率，t为迭代次数，tmax为最大迭代次数。