基于离散时空网络的多自动引导车路径规划问题

针对多AGV（automatic guided vehicle）在仓储物流搬运系统中的巷道拥堵问题,提出一种规避拥堵的系统优化策略,将产生的AGV拣货路径作为约束生成后续AGV运行轨迹。对仓库相邻节点赋予时间链接,构建时空网络地图,在此环境建立基于离散时空网络的考虑拥堵的路径优化模型,并设计了时空网络与SA(simulated annealing)相结合的全局优化算法ST-SA(space time simulated annealing) 以求解该模型,通过仿真实验对模型及算法的有效性进行验证。实验结果表明：系统优化策略可以对AGV路径规划过程进行控制与优化,ST-SA能够很快搜索到合理、高效的AGV拣货路径方案,缩短AGV在巷道的作业时间,避免了多AGV在智能仓储系统中的碰撞及拥堵。     

一种基于滚动窗口的AGV动态路径规划算法

AGV是一种无人驾驶搬运车,是智能型移动机器人的一种。路径规划技术是AGV技术研究中的一个重要领域。在多AGV协调作业时,需要研究AGV动态路径规划问题。由于AGV运行时需要很高的实时性和安全性,本文采用了基于滚动优化窗口的路径规划方法。在当前滚动窗口中,提出了一种针对AGV特点的动态路径优化算法。最后,通过仿真证明了该方法的有效性。     

有限状态机的多AGV路径优化策略

为解决多自动运输引导车(AGV)在实际物流中易发生冲突、堵塞的问题,提出一种基于有限状态机模型的实时路径规划方法.通过A*算法对自动导引运输车系统(AGVS)进行预路径规划,以工作路径长度作为适应度函数,对不同任务的AGV进行优先级分配;然后,引入有限状态机的模型,动态地对不同任务的AGV进行协同控制.若AGV之间存在路径冲突点,通过去交叉法,在优先级低的AGV中暂设冲突节点为障碍物状态.对优先级低的AGV重新进行路径规划,优先级高的AGV继续运行,实现AGVS的无冲突发生.仿真结果表明:该方法在保证工作路径是最优的同时,能有效地避免AGV在物流运输中的碰撞,实现系统调度过程中无冲突的发生,提高系统的效率.     

AGV系统路径规划时间窗模型及算法

针对双向单车道的AGV(automated guided vehicle)系统作业场景,考虑到AGV车辆行驶过程中直线和弯道的速度差异,以最小运行代价和优先级相结合为任务生成策略,构建了避免冲突的AGV系统动态路径规划的时间窗模型及其算法流程,为运行总成本最小约束下智能物流和自动化仓储系统中多台AGV协同作业的动态路径规划问题提供了有效方法。经过案例验证,该算法能够有效规划系统中多台AGV协同作业的路径,使系统运行的成本最低,降低仓储系统运行的总成本。     

基于差分进化算法的自动化集装箱码头AGV调度问题

[目的]自动化集装箱码头的水平运输作业是影响港口物流效率的关键环节,通过优化自动导引车(Automated guided vehicle,AGV)的任务分配,减少装卸作业的时间,提高港口生产效率.[方法]在同时考虑集装箱装卸作业的基础上,就AGV调度问题建立混合整数规划(MIP)模型,优化目标为极小化岸桥完工时间.考虑到该问题具有NP困难性,设计了离散差分进化(DDE)算法进行近似求解.[结果]通过数值仿真验证了MIP模型和DDE算法的有效性.[结论]结果表明上述模型和算法可以为自动化集装箱码头的装卸作业提供帮助.     

考虑任务偏序关系的AGV路径优化

考虑岸桥卸船作业环节中任务集装箱之间的偏序关系,针对AGV运输环节建立混合整数规划模型,并设计考虑偏序关系的遗传算法和禁忌搜索算法求解模型.实验部分包括遗传算法参数设置实验和两种启发式算法的性能对比实验.结果表明,考虑任务偏序关系的AGV运输调度占用更多的计算资源,但是经济成本上的增加并不明显;本文建立的模型在合理刻画问题的同时,可在较短时间内找到可行解,为码头路径优化问题建模提供了参考.     

自动化集装箱码头多载AGV调度问题研究

多载AGV是一种自动化集装箱码头水平作业设备,它可以同时搬运多个集装箱,可缩小AGV流的规模,增大AGV的利用率.为了提高自动化集装箱码头的作业效率,考虑了垂岸式集装箱堆场布局,以最小化作业总费用为规划目标,以作业限制、时间窗长度、负载平衡等为约束条件,以事件驱动的调度策略为研究方法,建立了多载AGV调度问题的混合整数规划模型.同时利用GUROBI和遗传算法求解多载AGV的作业总费用和空载率,并与相同条件下单载AGV的作业总费用和空载率对比,验证了多载AGV的优越性.     

多目标优化-改进遗传算法路径规划模型

优化智能算法进行路径规划可以有效缓解用户出行拥堵问题，为此，设计了多目标优化-改进遗传算法(multi-objective-improved genetic algorithm, M-IGA)组合模型。采用Dijkstra算法改进种群初始化策略，完全规避了断路和环路，提高了初始种群质量；设计基于邻接矩阵的深度优先遍历交叉策略、邻接限制半随机变异策略，兼顾算法全局搜索和局部寻优能力，解决了种群多样性降低、过早收敛的问题。同时，在设计适应度函数时，引入个体用户偏好权重系数，综合考虑了平均行驶时间、交叉口延误、道路拥挤状况、道路等级4种因素来进行多目标优化，为用户寻找符合个体期望的最优路径。研究结果表明，所提出模型相比于蚁群算法路径寻优效率提高了54.322 0%;相比于单目标路径寻优，最优路径综合代价降低了23.609 1%,有效避开了拥堵及交叉口多的路段。     

智能RGV的动态调度策略

针对2018年全国大学生数学建模竞赛B题,本文通过建立三种不同情况下的RGV动态调度模型,编写相应的求解算法,给出了RGV的调度策略和系统的作业效率,并对模型的实用性和算法的有效性进行了检验.任务1中,针对一道工序的情况,引入固定起点的最短路径问题和动态规划等数学思想,建立基于动态路径的调度模型和编写RGV实时路径仿真算法.针对两道工序的情况,在动态规划中增加相应约束条件的同时,通过增加RGV状态变量,优化了模型和算法.针对出现故障的情况,建立基于空闲时间插入法的故障扰动模型,缩小了RGV决策集,从而实现了相关算法.任务2中,通过算法程序,得到了RGV的旅行轨迹和一定时间内加工的工件数,从而得出了RGV调度策略和系统作业效率.     

交通拥堵情况下的多温共配车辆路径优化

针对实际配送过程中,经常会出现由于交通事故、上下班高峰期以及交通限流等因素导致的交通拥堵情况,为保证多温共配路径优化结果能更符合实际情况,提出了一种基于交通拥堵的多温共配优化模型,相较于传统的多温共配的路径优化模型,该模型更符合实际的运输情况.由于路径优化问题属于NP难问题,故采用随机自适应遗传算法进行求解,求出在总成本最优的情况下使路径最短、总成本最少的最佳配送路径.通过对比遗传算法和用Cplex求解,发现两者结果接近,且算法更为快速,更加适合大规模求解.算例分析结果表明:考虑了拥堵情况的路径优化,相较于没有考虑拥堵情况的路径优化,运输成本下降了16.74%.     

基于自动导引车辆的物流分拣系统交通控制策略

在离散网格环境下设计基于自动导引车辆(automatic guided vehicle,AGV)的物流分拣系统,基于中央控制器的集中控制策略,采用Label Correcting算法对AGV进行动态路径规划,基于交叉口不停留策略对系统内AGV进行交通控制.仿真实验结果表明:所提出的分拣系统能够适用于大规模的物流包裹分拣...     

一种基于时间窗的自动导引车动态路径规划方法 

针对多自动引导车（Automatic Guided Vehicle,AGV）在柔性制造系统中的路径规划问题,提出一种基于时间窗的动态路径规划算法,能有效地避免车-车冲突、碰撞等问题,并且得到的路径是时间最优的.在备选路径上,通过时间窗的初始化、时间窗的更新、以及时间窗的排布,可以实现多辆车同时运行,相互之间不产生冲突碰撞.仿真实验和真车实验表明,该算法用在AGV路径规划上,能实现多车之间的无冲突、时间最优的路径规划功能.     

基于能力约束的多车种空车动态调整方法

引入空车时空服务网络来描述铁路运输动态变化特性,同时考虑到实际运输生产中的能力约束,并据此建立了基于能力约束的动态规划模型.模型的目标函数考虑了与时间因素相关的空车滞留费用和需求未满足时的惩罚费用等相关费用,同时考虑了多个车种之间的替代费用.模型的能力约束条件考虑了网络弧段的通过能力、空车提供站的发送空车能力和空车需求站的接收空车能力.考虑网络径路绕行的情况,设计了融合K短路算法的模拟退火算法,并采用了两步法的优化策略进行求解.最后对一个简单的路网进行了验证,结果表明融合K短路算法可以在能力约束条件下得到较好的收益.     

基于软时间窗的自动化集装箱码头AGV路径规划

为研究只卸不装作业模式下的自动化集装箱码头AGV路径规划问题,建立了作业等待时间和AGV行驶时间最小的多目标混合整数规划模型。根据已分配的进口箱任务,考虑带有软时间窗和惩罚因子的约束,求解得到岸桥与箱区之间所有的可行路径、每台AGV完成任务的顺序以及AGV实际完成任务的行驶路径。为检验AGV作业路径的有效性,模拟每辆AGV通过路径节点的时刻,结果显示:系统中没有出现大量AGV排队和岸桥闲置的情况,表明AGV行驶路径的合理性、系统运量平衡和岸桥作业的连续性,提高了码头的作业效率。     

考虑翻箱作业时出口箱堆场作业调度优化

基于出口箱的堆场操作实务,考虑堆场起重机取箱作业的现实约束,以作业过程中翻箱次数最少为目标,对堆场作业调度问题进行建模,提出了两阶段混合动态规划算法,将启发式规则嵌入动态规划算法中,以避免出现状态数"组合爆炸"增长的情况.通过仿真算例,并与实际调度规则及现有研究方法所得调度方案进行对比,验证了模型以及优化算法的有效性与实用性.结果表明,所提出的模型和算法可以在较短的求解时间内获得多组装船方案,且其翻箱次数显著降低.     

基于改进遗传算法的AGV路径规划

针对AGV在自动化生产线中原有路径规划算法存在路径拐弯次数多,不利于AGV自动控制的问题,提出了一种改进遗传算法。为提高AGV运行的效率,该算法引入了拐弯因素。针对在路径规划中传统遗传算法收敛速度慢的问题,结合分层方法,改进传统的精英保留策略。在算法进化过程中,根据个体适应度的变化动态调整交叉概率和变异概率,加快算法的收敛速度。Matlab仿真实验结果显示:改进遗传算法能够规划出一条更合理的路径,相比较传统方法减少了转弯次数,改善了搜索路径质量,表明该算法可以满足自动化生产线AGV路径规划的要求。     

可重组制造系统中物流运输路径规划

在分析可重组制造系统物流布局的基础上,根据物流运输网络的空间分布特征,提出了一种动态的AGV(自动导引小车)路径规划方法.利用图论,构建了AGV路径规划的有向图网络模型,采用机床相对位置矩阵、距离矩阵以及阻塞系数来描述车间环境信息,通过系统的重组,有效缩短运输距离.针对物流运输动态路网的变化,把整个运输网络划分成不同的子路网,动态地优化变化附近运输节点所在的子路网,从而较迅速地得到最佳运输路径.仿真结果表明了该方法的有效性和快速性.     

基于通用变邻域搜索的多AGV分拣调度优化

为了解决物流仓储分拣中心多台AGV处理大量包裹调度优化困难的问题,在考虑分拣作业时间窗和充电需求的基础上,研究了大规模AGV调度问题。以最小化分拣作业周期为目标,提出了一种通用变邻域搜索(general variable neighborhood search, GVNS)算法,为各台AGV指定转运任务和作业排序,采用遍历插入启发式策略生成满足时间窗约束的初始解,设计了10种邻域算子对初始解迭代寻优,并对比不同规模算例的算法性能,分析AGV充电速率和数量配置对分拣效率的影响。结果表明,GVNS算法具有计算时间和求解性能方面的优势,能在较短时间内求得近似最优解,平均计算时间仅为532.78 s,明显优于混合整数规划模型和约束规划模型;当包裹数为100时,最合适的AGV配置为14辆。因此,GVNS可以有效解决分拣中心考虑充电需求和硬时间窗的大规模多AGV调度问题,提高物流分拣效率,帮助企业找到科学、合理的AGV配置方案。     

不确定需求下考虑混合时间窗的多式联运路径优化

针对多式联运运输网络复杂等问题,提出一种基于不确定的客户需求,引入混合时间窗约束,以总成本、碳排放量最小为优化目标的多式联运优化模型,运用三角模糊数以及机会约束规划理论对模型进行清晰化.考虑粒子群算法的局限性,将模拟退火算法的思想与其结合,对基本粒子群算法进行改进.通过实例分析以及运用灵敏度分析法,分析了运量的不确定性以及节点运输能力与中转能力对路径优化产生的影响.结果表明,基于模拟退火的粒子群算法的寻优能力优于粒子群算法.随着客户对需求量的满意度增加,总运输成本和碳排放量也会增加,增强各种运输方式的运输能力和节点中转能力可以有效降低运输成本,优化运输路径,为决策者选择运输方案提供依据.     

基于混合遗传算法的柔性作业车间机器和AGV规划

为解决柔性作业车间多自动导引小车(AGV)配送的调度问题,以加工过程中AGV运送工件从毛坯库到成品库总时间最短为目标,提出基于时间表和A~*算法的混合遗传算法.提出两种方案分别解决AGV路径规划中的冲突碰撞问题和AGV在机器位置等待时的占用问题.将机器和AGV调度集成在划分好的任务单元中,设计了基于任务单元的染色体编码方式,改进了种群初始化方案,交叉变异算子和精英保留策略,在解码操作中根据时间表信息,使用A~*算法和冲突解决方案规划出每个任务单元中小车无碰撞和占用冲突的最佳路径.最后,算例对比验证了该算法的可行性和有效性.