AGV调度优化的应用场景、关键因素和研究方法综述

针对自动引导小车(automated guided vehicle,AGV)调度问题,梳理了制造、仓储、港口以及快递分拨中心中的AGV使用和调度研究现状,发现以快递分拨中心为代表的服务业是新兴且研究较为薄弱的领域;分析了AGV调度优化需考虑的因素,发现数量配置与充电管理两个关键因素联合考虑的不足,建议未来在大规模动态调度研究中将二者统筹考虑;从精确方法、近似方法和基于人工智能的新方法3个方面总结AGV调度研究方法,建议未来可在启发式算法的基础上融入基于人工智能的新技术和新方法以获得创新。     

考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型

针对自动化集装箱码头水平运输系统的调度优化,提出一种自动引导车(AGV)动态路径规划策略,即在多AGV系统路径生成的同时进行动态路径优化.从AGV运输作业时间角度,建立考虑拥堵的多AGV路径优化模型,优化AGV路径方案.为求解模型,设计了基于动态路径规划策略的多种群蚁群算法,并对模型与算法的有效性进行验证.结果表明:基于动态路径规划策略可以对路径规划过程进行动态控制与优化;同时,考虑拥堵因素可以有效地解决水平运输路网中的拥堵问题,提高运输作业效率.     

基于改进狼群算法的AGV路径规划

针对自动引导小车(automated guided vehicle, AGV)全局最优路径的求解问题,文章利用栅格法对环境进行建模,提出一种基于改进狼群算法(improved wolf pack algorithm, IWPA)的AGV路径规划方法。该算法采用混沌映射形成初始种群,增加种群多样性;对探狼游走行为引入随机策略,扩大搜索范围;对头狼的选择引入Metropolis准则,增强算法跳出局部最优能力;改进猛狼奔袭策略,提高算法后期寻优效率。通过8个典型测试函数的仿真实验结果表明,改进的算法在寻优速度和精度上均有较大的提高。将改进的算法应用于路径规划仿真实验,结果表明,相比于传统狼群算法,改进的狼群算法在解决AGV路径规划问题上更有效。     

基于优化蚁群算法的AGV路径规划研究

针对基本蚁群算法在规划自动导引车(automated guided vehicle, AGV)路径时易出现的耗时长、搜索效率低、收敛速度慢以及易陷入局部最优等不足,文章提出一种优化蚁群算法。首先利用辅助蚁群的方向优势,帮助主蚁群初始化信息素,使路径搜索更具有针对性,提高路径搜索效率;其次加入伪随机状态转移策略,增加路径选择的多样性,防止算法过早收敛;接着使用蚁群的当前最优解、主蚁群一代蚁群中的最优解、最差解进行全局信息素更新,并引入最大最小蚂蚁系统对路径上的信息素进行限制;最后对栅格环境中的凹形障碍物进行处理,提高搜索质量。仿真实验表明,优化蚁群算法相较于其他蚁群算法,收敛速度更快、搜索能力更优。     

多AGV群控调度的蚁群算法研究

本文对多AGV群控调度中的单车导航定位及其行走路径进行了研究,并分析了蚁群算法在调度中的可行性。为缩短自动导引车调度系统的研发周期、降低研发成本,寻求能适应不同环境的通用调度策略以及增强对实际调度任务和故障的鲁棒性。在多自动导引车群控调度中使用蚁群算法,建立了调度系统的数学模型,并通过MATLAB仿真验证了此方法的可行性,得到了最优的导航路径及调度方案。     

考虑充电需求和时间窗的多AGV调度优化建模

为了提高自动引导小车(automatic guided vehicle,AGV)在物流分拣中心的分拣效率,考虑采用纯电力驱动的AGV分拣过程存在电量消耗和充电需求的特性,提出了一种优化模型.在考虑AGV剩余电量和包裹时间窗等约束条件的基础上,建立了以最小化分拣作业周期为目标的混合整数规划(MIP)模型并提出了相应的约束...     

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.     

基于并行搜索遗传算法的AGV自适应集群调度

针对现行自动导引车(AGV)系统研究中过分依赖匀速运动和忽略通信时长等模型理想化假设条件及转弯惩罚和拥堵惩罚因子等仿真修正参数的缺点,提出一种面向真实场景的自适应集群调度策略．首先分析了AGV集群系统的地理特征并得到运动约束,然后对于现行的A~*算法进行改进,实现加速计算．针对遗传算法适应性有待改善的问题,在融合A~*算法的基础上提出了基于动态适应度函数的改进遗传算法,所提出的方法不再须要针对新的环境修改遗传算法结构,只须将约束添加至A~*算法工作的地图中．给出了双向A~*算法下的多AGV调度的实验结果,分析表明：本研究的双向A~*算法在路径求解速度上有明显的优势,且能够适应不同数量的障碍,为AGV集群调度方法在真实作业场景中的开发应用提供了参考．     

基于离散型鲸鱼优化算法的AGV与机器集成调度方法

针对制造系统中考虑路径冲突的AGV(automated guided vehicles)与机器集成调度问题,提出一种基于时间窗和Dijkstra算法的离散型鲸鱼优化算法。首先,以最小化最大完工时间为目标,建立AGV与机器集成调度的数学模型,并采用一种三段式编码实现AGV和机器的集成编码,建立连续空间与离散空间之间的映射关系;然后,为了保证初始种群的质量和多样性,设计一种结合混沌映射和对立学习的扩展型GLR(global, local, random)种群初始化方法;运用Levy飞行算子和阈值重启操作进一步提高算法的全局搜索能力;最后,为了提高算法的局部搜索能力,引入结合问题特点的变邻域搜索算法。标准算例仿真实验和柔性仿真实验证明了该算法解决AGV和机器集成调度问题的可行性和优越性。     

对角式舵轮分布的AGV路径纠偏控制研究

针对对角式舵轮分布的自动导航车(automated guided vehicle, AGV)的路径纠偏,提出了一种模糊控制+滑模控制的控制方法。首先,对角式舵轮分布的AGV进行数学描述,对其运动学、动力学分析建模;其次根据运动学模型,以车体位置、角度偏差为输入量,车体转向角度为输出量,设计模糊运动控制器作为外环控制器,然后根据其非线性动力学模型设计滑模控制器作为内环控制器;最后通过MATLAB环境下的Simulink仿真研究,表明所制定的控制策略有效,保证了对角式舵轮分布的AGV的快速且稳定的路径纠偏。     

基于靠近目标粒子群算法的AGV路径规划

进行移动机器人(automated guided vehicle,AGV)路径规划时,针对传统粒子群算法易陷入局部最优解、搜索效率低等问题,文章提出靠近目标的粒子群算法,更好地解决AGV路径规划问题.在AGV运行环境建模时,将障碍物转化为多边形并进行膨胀处理,利用障碍物顶点划分坐标系;引入Metropolis准则,使算...     

基于多属性决策的多车自主泊车路径全局规划方法

虽然自主代客泊车技术已经可以代替驾驶员完成泊车操作,但在多车辆且缺乏调度的情况下,容易造成交通混乱。为此,提出了一种基于多属性决策的多车自主泊车路径全局规划方法,旨在解决泊位分配不合理问题并降低泊车整体成本。首先,建立停车场泊位拓扑地图,基于直线和回旋线构建引导路径;然后,设计引导路径择优的准则和子准则,构建层次分析（AHP）择优体系,确定最优泊位及其引导路径;最后,确定泊车起终点位置,以回旋线为基准,根据泊位的碰撞约束条件计算泊车路径。此外,模拟了多车同时进入停车场的场景,仿真结果表明,该方法可以有效降低泊车成本,提高泊车效率。     

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。     

混流柔性加工单元自动导引小车的调度优化

多品种混流柔性加工单元中的自动导引运输车(AGV)数量和运行路径直接影响单元的运行效率.在考虑产品加工工时、批量需求、设备物理位置等约束下,以最小化搬运任务时间为优化目标,基于改进Memetic算法,通过编码和搜索机制的调整,对不同AGV数量以及不同设备加工任务分配方案条件下的调度策略进行协同优化求解,有效避免了迭代过程中易出现非法解的状况,从而获得了AGV最优调度路径.最后通过实例验证了该方法的可行性和有效性.     

面向洪水灾害遥感监测的多星观测调度方法

洪水灾害是当今世界上最严重的自然灾害之一,对其进行科学有效的监测是科学防灾减灾的基础,也是目前国内外学者研究的热点和难点问题。将点目标及区域目标按照卫星观测机会分解成元任务,设计了一种改进模拟退火算法进行求解。实例验证了方法的有效性。     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛,为了达到自动引导车在路径规划中要达到全局最优,实时避障的要求,提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径,根据A-Star算法进行优化,引入自适应启发函数,并进行路径关键点选取,删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低,路径不平滑的问题。动态障碍物躲避采用DWA算法,优化评价函数,提升了规划效率。仿真结果表明,融合优化后的A-Star算法与优化后的DWA算法,减小了搜索范围,提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升,最终实现全局最优路径规划和局部动态实时避障。     

基于设备驱动的综合柔性调度冲突调解算法

设备驱动时刻按最短加工用时确定工序设备,为避免两个设备选择同一工序发生冲突导致可调度工序延迟完成影响调度结果的问题,提出基于设备驱动的综合柔性调度冲突调解算法. 该算法分别从可调度工序集中为发生冲突的两个空闲设备选择加工时间次短的预调度工序,通过对可能加工的组合方案预调度,选择设备驱动时刻尽早结束的组合方案调度;当存在一个空闲设备有多个可调度最短加工工序时,采用实质短路径策略确定调度工序. 分析和实例表明,本文算法可缩短存在设备/工序选择冲突的综合柔性调度总加工时间.      

多级多受灾点连续消耗应急物资调度优化策略

灾后应急救助十分关键,特别是多地同时受灾情况下.为此,考虑将灾民安置与物资运输一体化规划,建立连续消耗多级应急物资调配数学模型.在此基础上,以应急系统施救成本和施救不及时损失为目标函数构建优化模型,并应用遗传算法(GA)和序列线性规划(SLP)算法相结合策略对物资调配进行优化.构造四级救灾物资调配算例模拟救灾过程.数值结果表明,使用GA全局寻优结合SLP局部寻优策略相较单一优化算法能有效找到更优解.所提出的优化策略可为灾后多级多受灾点连续消耗应急物资调度提供可行方案.     

考虑生产效率与工艺的资源受限项目调度问题

多模式资源受限项目调度问题(MRCPSP)是建设项目进度优化问题的重要数学模型。但传统的MRCPSP模型难以同时表征工序时长、成本与资源需求之间的多种关系。为了解决这一问题,该文提出了一种MRCPSP模型,并利用约束规划(CP)对算例进行了求解。该问题模型通过定义生产力函数以及各工序对各类资源总需求的组合表征工序时长、成本以及资源需求之间的关系。经验证,该模型可以模拟施工过程中生产力变化的情况,并允许在优化求解时考虑工艺选择对结果的影响,相比传统的MRCPSP模型,求解结果有更明确的工程含义,具有实际应用价值。     

多目标优化下的手术室分派调度问题

针对手术室分派调度的4个优化指标：开放成本、加班成本、手术切换和偏好,提出了手术室分派调度的线性规划模型,并利用蒙特卡洛方法考虑了手术时间的不确定性.采用了标准的线性规划求解器(Cplex)进行实例求解,结果表明,所提出的方法能有效减少手术室运营总成本、手术室的平均加班时间和手术的切换次数,在很大程度上满足了手术偏好要求.