无缓存流水线生产系统中AGV调度问题的研究

针对无缓存流水线生产系统中的AGV(automated guided vehicle)调度问题提出了复合评分的启发式调度算法,降低了系统中AGV执行任务的间隔等候时间.首先,通过建立数学模型,对目前主流的AGV规模估计方法做出了改进.其次,提出了一种新的基于复合评分禁忌搜索的AGV前瞻调度算法.不同于目前主流的以空驶距离为优化目标的调度算法,该算法能够以最小化工件延误时间、最小化AGV空驶距离等多目标来统筹调度AGV.最后,为验证所提算法的有效性,从多个角度与已有算法进行了实验对比.仿真实验结果表明,相较于其他算法,提出的前瞻调度算法能够更有效地解决无缓存流水线生产系统这一新场景的AGV调度问题.实车实验也证明了该算法在实际生产中的有效性.     

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.     

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...     

自动化集装箱码头AGV调度与换电双层模型求解

为降低自动化集装箱码头AGV换电问题对码头整体作业效率的影响,首先分析了AGV调度和换电的相互影响和内在联系.其次考虑AGV耗电差异和换电阈值等约束以最小化最终完工时间为目标建立AGV调度模型(上层模型),考虑换电站数量和排队等约束以最小化换电总时间为目标建立AGV换电模型(下层模型),并针对两者之间的双层耦合关系,设计换电需求和换电方案为公用变量进行解耦.最后使用自动化集装箱码头实际作业参数设计算例,分别采用GAMS求解器和遗传算法循环迭代求解.算例结果表明,双层耦合模型合理地决策了AGV调度和换电问题,换电排队时间控制在4 min之内,降低了AGV换电总时间和最终完工时间,提升了AGV利用率.     

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.     

面向智能生产车间的多AGV系统多目标调度优化

以具有多台自动导引车(AGV)的智能生产车间为对象,以完工时间、AGV数量以及惩罚成本的最小化作为优化目标,构建作业车间多目标调度优化模型.针对多目标调度优化模型的求解需求,提出一种自适应多目标遗传-差分进化算法(AMOGA-DE),采用多段式实数编码的染色体表征调度方案,利用遗传算法获得模型优化解,融合差分进化算法和外部Pareto解集档案构建技术以改进解的质量,引入自适应策略以提高算法的收敛速度,实现多约束条件下AGV系统的多目标调度优化.以一个具有多台AGV的智能制造车间为例进行案例分析,得到调度方案.将AMOGA-DE与NSGA-Ⅱ、SPEA2算法应用于3个不同规模问题,研究结果表明:AMOGA-DE算法具有更快的收敛速度,能得到更好的优化结果,在不同规模的算例上获得了分布均匀且具有较高质量的Pareto解集.     

基于优化的模糊决策算法在多AGV调度问题中的应用

为解决多AGV在复杂系统中的任务调度问题,以提高生产效率缩短任务周期为目标建立地面轨迹模型和AGV搬运耗时模型。采用优化的模糊决策算法通过最小化每台AGV的搬运耗时来最小化搬运作业的总耗时。在算法设计过程中,采用分布式控制思想,将AGV离目标点的距离,AGV的当前载重和AGV的当前电量作为因素集,将AGV执行此次搬运任务的合适度作为评价集,建立AGV模糊评价模型;通过该模型得出各台AGV对任务适合度的评价向量进而寻找一种映射将评价向量转化为值,调度问题被转化为最优化问题,其中采用切割补偿优化综合模型的因素权重选择,采用分模式链式比较减少AGV的计算量。通过多次仿真实验,可以验证本文算法在缩短任务的执行周期上具有一定的可行性与有效性,并且在解决复杂系统AGV状态多变的调度问题下展现了一定的鲁棒性和拓展性。     

优化的模糊决策算法在多自动引导车调度问题中的应用

为解决多AGV在复杂系统中的任务调度问题,以提高生产效率缩短任务周期为目标建立地面轨迹模型和AGV搬运耗时模型。采用优化的模糊决策算法通过最小化每台AGV的搬运耗时来最小化搬运作业的总耗时。在算法设计过程中,采用分布式控制思想,将AGV离目标点的距离,AGV的当前载重和AGV的当前电量作为因素集,将AGV执行此次搬运任务的合适度作为评价集,建立AGV模糊评价模型;通过该模型得出各台AGV对任务适合度的评价向量进而寻找一种映射将评价向量转化为值,调度问题被转化为最优化问题,其中采用切割补偿优化综合模型的因素权重选择,采用分模式链式比较,减少AGV的计算量。通过多次仿真实验,可以验证本文算法在缩短任务的执行周期上具有一定的可行性与有效性,并且在解决复杂系统AGV状态多变的调度问题下展现了一定的鲁棒性和拓展性。     

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。     

一种松弛的尺寸可变装箱问题及其在线算法

给定物品系列,不同尺寸的箱子依次到达,要求将所有物品装入到箱子中以实现从第一个箱子到最后一个被使用的箱子为止的所有箱子总尺寸最小化.为此给出了6种在线算法,并对这些算法在两种箱子尺寸约束条件下的最坏情形性能和一般情形性能分别进行了研究.理论分析表明最坏情形下6种算法的渐进竞争比在常规约束不小于2,在松弛的约束条件下为无穷;仿真试验表明一般情形下FFD(FirstFitDecreasing)算法最优.     

松下PLC在柔性制造系统设备控制中的应用

底层设备分系统是柔性制造系统(FMS)系统中的一个重要组成部分,主要包括:堆垛机、运输小车、机器人、数控机床等。为了实现计算机(PC)对FMS底层设备的控制,针对松下PLC串行通信协议和VC++串行通信方法,在无锡职院FMS二期系统中,应用FP0PLC成功对数控机床、运输小车(AGV)等底层设备进行控制,给出了系统开发流程。     

单无人搬运车/单缓冲区约束的柔性生产系统调度研究

阐述了无人搬运车( AGV)在柔性生产系统中的调度规则,并在此基础上建立了实现工件调度和AGV调度集成问题的数学模型.改进了普通的遗传算法,设计了二次解码算法,优化了基因序列,实现对遗传算法的优化.调度结果不仅给出了各加工站的优化作业顺序,而且给出了AGV的行走优化路径.实验结果表明,改进的遗传算法的计算效率比普通的遗传算法高,同等计算条件下设备利用率也明显提高.     

自动导向小车路径规划问题的一种神经网络方法

以自动导向小车系统在柔性制造系统中的应用为背景，论述如何在调节时间间隔内处理同时发生的多个运送请求的情况，分析了自动导向小车系统规划的特征及相应对策，提出了相应数学模型，阐述了Kohonen自组织网络解决方法。     

考虑倒箱操作的AutoStore魔方型仓储系统自动引导车双层路径规划

新兴魔方型仓储系统AutoStore中,用于存放货物的料箱垂直堆放在相互拼接但独立的货格内,AGV除了要搬运目标料箱外,还需负责目标料箱上部阻碍箱的倒箱操作,且活动范围从二维平面扩大到三维空间,均增加了路径规划的复杂性。为了降低路径规划的复杂性,在分解作业流程的基础上,通过建立AGV双层路径规划模型的方法：内层模型以阻碍箱落箱位为决策变量,最小化单个目标箱的倒箱时间;外层模型将内层模型所得倒箱时间为输入参数,优化目标为最小化AGV完成任务时间。通过提出嵌套式启发式算法,将倒箱路径寻优嵌入多AGV多任务路径分配中。研究了不同规模算例,证明了本文所给方法的有效率和适用性;且仓储规模增大后,目标箱分散度增加, AGV作业时间大幅度增加;AGV数量和作业时间负相关;仓储率提高会增加倒箱几率,增加作业时间;目标箱数目变化与AGV作业时间正相关。结果证明在求解效率方面,主要受目标箱随机生成位置和仓储率影响,但绝对值也仅在10秒左右。     

圈中t-区间的k-染色问题

考虑客户请求在圈中实现的问题. 每个请求联系着一个t 区间, 由圈上至多t(t1)个区间构成. 要实现一个请求, 需选择它所对应的t 区间中的一个区间并为其安排k种颜色中的一种. 任意两个选定的区间如果在圈上有公共边, 则不能得到同一种颜色. 对目标寻求实现最大数目的请求问题, 给出了一个3.042 近似算法.     

遗传算法在多机调度问题中的应用

本研究了总的流程时间最小的多机调度问题,建立了该问题的数学,模型并用一种改进遗传算法有效解决了该问题。这种改进遗传算法的关键是产生一组较优的初始群体,仿真实验结果表明这种改进遗传算法可以快速、高效地寻找到该问题的全局最优解。     

基于多目标优化的虚拟机放置方法

在虚拟机放置问题中,传统启发式方法不能完全适用于复杂的云计算环境,采用智能算法的研究又缺乏对时间开销的考虑。针对上述问题,提出一种基于Memetic算法的虚拟机放置(Memetic algorithm-based virtual machine placement MAVMP)方法。MAVMP方法针对云数据中心运营情况建立了最小化能耗、最小化运行时服务等级协议违例率(service level agreement violation time per active host, SLATAH)以及最大化资源利用率的多目标优化模型,将虚拟机按照资源请求情况进行分类,并利用该分类方法改进了Memetic算法,利用改进后的Memetic算法求解多目标优化模型,得到虚拟机放置方案。仿真实验结果表明,仿真数据中心利用MAVMP方法进行虚拟机放置后,其在能耗、资源利用率以及服务质量的评价指标上都有着良好表现。并且,MAVMP方法与已有的基于智能算法的虚拟机放置方法相比计算时间也大幅下降。     

工件加工时间为非线性分段函数的单机排序问题

讨论工件加工时间是开工时间非线性分段函数的单机排序问题，目标函数为极小化最大完工时间，总完工时间和加权总完工时间．对于目标函数为极小化最大完工时间和总完工时间的问题，给出了求解最优排序的多项式算法，对于目标函数为加权总完工时间的问题，给出了工件间的一致关系。     

基于联盟感知的混合云环境中IaaS提供者收益最优化算法

在降低云服务提供者资源成本的条件下,为进一步提高云服务提供者的收益,提出一种混合云环境中基于联盟感知的收益最优化算法.该算法通过建立云服务提供者联盟,并考虑两种类型虚拟机的请求:现货虚拟机和按需虚拟机,使处于负载峰值时的云服务提供者依然可通过外包请求至联盟其他成员或终止现货虚拟机的方式获得最大化收益.     

基于准时交货的Job Shop多机调度

提出了一个基于准时交货的Ｊｏｂ－Ｓｈｏｐ多机调度模型，应用模拟退火方法并结合启发式算法，给出求解该模型的一种新方法，通过仿真算例说明了方法的有效性。