CN109978232A - 一种用于agv小车路径优化算法 - Google Patents
一种用于agv小车路径优化算法 Download PDFInfo
- Publication number
- CN109978232A CN109978232A CN201910122993.2A CN201910122993A CN109978232A CN 109978232 A CN109978232 A CN 109978232A CN 201910122993 A CN201910122993 A CN 201910122993A CN 109978232 A CN109978232 A CN 109978232A
- Authority
- CN
- China
- Prior art keywords
- agv trolley
- path
- task
- shelf
- agv
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000013439 planning Methods 0.000 claims description 6
- 230000008676 import Effects 0.000 claims description 5
- 238000012384 transportation and delivery Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000012827 research and development Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
Abstract
本发明涉及路径优化技术领域,具体地说是一种用于AGV小车路径优化算法。一种用于AGV小车路径优化算法,包括AGV小车路径的优化、AGV小车路径时间的优化。同现有技术相比,提供一种用于AGV小车路径优化算法,实现了AGV工作量的合理分配,经过多次的仿真运行显示,本算法能合理分配任务给AGV,减小每个AGV的工作量差异,不会出现某些AGV特别繁忙,某些AGV特别空闲的情况。
Description
技术领域
本发明涉及路径优化技术领域,具体地说是一种用于AGV小车路径优化算法。
背景技术
目前国内的无人仓是尚处于起步阶段,大多数公司还在摸索,而无人仓管理系统的开发和AGV小车的厂商通常不是一家公司,因此,AGV小车路径规划算法虽然可以在各种仓库中通用,但是还存在着多重问题:
(1)和前端订单生成和后端工位的处理脱节,容易出现调度不当;
(2)节点冲突和工位处理效率不匹配等问题,导致无人仓整体运行效率并不高;
(3)现有的仿真软件无法简单地实现订单的生成方式,合并方式,货架的分配,工位的分配,路径优化算法,任意由节点和边组成的地图的生成等。
存在的原因大致如下:
(1)成本制约,AGV的研发与投入需要大量的资金和人才,和技术积累,而无人仓建设方需要快速投入AGV,更多的是选择和外部供应商合作,对前端订单生成和后端工位处理没有深度融合;
(2)缺乏自主研发能力,大多中小企业都是找供应商进行开发,这就造成自主控制能力不强,更多的是集中控制,并且出现问题维护难,若后期也无需求发生变化,整改也较为不易。
发明内容
本发明为克服现有技术的不足,提供一种用于AGV小车路径优化算法,实现了AGV工作量的合理分配,经过多次的仿真运行显示,本算法能合理分配任务给AGV,减小每个AGV的工作量差异,不会出现某些AGV特别繁忙,某些AGV特别空闲的情况。
为实现上述目的,设计一种用于AGV小车路径优化算法,包括AGV小车路径的优化、AGV小车路径时间的优化,其特征在于:AGV小车路径的优化具体过程如下:
(1)根据实际工作的仓库情况,开始导入生成地图;
(2)输入AGV小车任务;
(3)用DIJKSTRA算法计算该AGV小车的所有路径;
(4)判断是否存在最短路径,是则令k=0,第0层路径集合为最短路径,i=0;否则为可行路径为空,报警;
(5)对当前搜索的k层路径上的第i点,令path1=当前搜索路径的起始节点到i的路径,依次搜索该节点的所有相邻节点j,令path2=节点j到终点的最短路径,合并path1和path2,存入第k+1层路径集合;
(6)判断路径总条数是否达到最大值,是则i=i+1;否则结束;
(7)当i=i+1时,判断是否到达路径终点,是则搜索下一条路径;否则重复步骤(5);
(8)搜索下一条路径,判断改层是否完成所有路径搜索,是则k=k+1;否则重复步骤(5);
(9)当k=k+1时,重复步骤(5)。
所述的导入生成地图为XML格式地图。
所述的AGV小车路径=空载AGV小车到达货架的路径+运载货架的AGV小车到达工位的路径+离开工位并运载货架的AGV小车到达货架的路径。
AGV小车路径时间的优化具体过程如下:
(1)开始批量任务;
(2)当AGV小车在进行即时任务时,即时任务不进行路径规划,直接把拣选任务加入搬运该货架的AGV小车;
(3)当AGV小车在进行优先任务时,将下一个任务分配给搬运该货架的AGV小车,作为下一个任务优先执行;
(4)判断剩余分配任务数量是否超过AGV小车的数量,是则选取个数小于等于AGV小车数量的任务数;否则建立数学模型调用cplex求解;
(5)选取个数小于等于AGV小车数量的任务数,AGV小车起始位置设置为上一轮分配货架的位置;
(6)建立数学模型调用cplex求解;
(7)完成所有任务后结束。
所述的即时任务为AGV小车正在搬运货架,并且未完成工位拣选工作,是从货架位置前往工位中任务。
所述的优先任务为AGV小车正在搬运货架,并且已经完成工位拣选工作,是从工位位置前往货架中任务。
所述的cplex求解为其中,Ti:AGV小车i完成任务需要的时间。
所述的其中,ti,j:AGV小车i完成任务j所需的时间;xi,j:0-1变量,任务j分配给AGV小车i则为1,否则为0;ti,j=AGV小车i从起点行驶至货架j的位置所需的时间+搬起货架的时间+从货架j行驶至j分配的工位的时间+任务j在工位处理的时间+从工位返回货架的时间+放下货架的时间。
本发明同现有技术相比,提供一种用于AGV小车路径优化算法,实现了AGV工作量的合理分配,经过多次的仿真运行显示,本算法能合理分配任务给AGV,减小每个AGV的工作量差异,不会出现某些AGV特别繁忙,某些AGV特别空闲的情况。
附图说明
图1为AGV小车路径的优化软件流程图。
图2为AGV小车路径时间的优化软件流程图。
具体实施方式
下面根据附图对本发明做进一步的说明。
如图1所示,AGV小车路径的优化具体过程如下:
(1)根据实际工作的仓库情况,开始导入生成地图;
(2)输入AGV小车任务;
(3)用DIJKSTRA算法计算该AGV小车的所有路径;
(4)判断是否存在最短路径,是则令k=0,第0层路径集合为最短路径,i=0;否则为可行路径为空,报警;
(5)对当前搜索的k层路径上的第i点,令path1=当前搜索路径的起始节点到i的路径,依次搜索该节点的所有相邻节点j,令path2=节点j到终点的最短路径,合并path1和path2,存入第k+1层路径集合;
(6)判断路径总条数是否达到最大值,是则i=i+1;否则结束;
(7)当i=i+1时,判断是否到达路径终点,是则搜索下一条路径;否则重复步骤(5);
(8)搜索下一条路径,判断改层是否完成所有路径搜索,是则k=k+1;否则重复步骤(5);
(9)当k=k+1时,重复步骤(5)。
导入生成地图为XML格式地图。
导入地图后,可生成AGV小车在空驶和装载两种状态下的任意两个节点之间的可行路径集合。AGV小车空驶时,可到达地图上任意一个节点,AGV小车装载时,除了正在搬运的货架所存放的节点,其他节点均不能到达,在所有可行节点的任意两点之间生成的可行路径的条数可以通过算法参数调节。
AGV小车路径=空载AGV小车到达货架的路径+运载货架的AGV小车到达工位的路径+离开工位并运载货架的AGV小车到达货架的路径。
生成的可行路径集除了记录从每个起点到每个终点所经过的节点外,还记录了这条路径的总长度和AGV小车运行这条路径所花费的时间。生成的所有可行路径集可以以XML格式输出保存至硬盘,在下次运行任务时可以直接导入,因此只要导入一次地图,生成一次可行路径集,就可以在后续的任务运行仿真中减少这一步操作,而是直接导入第一次生成的可行路径集即可。
AGV小车路径=空载AGV小车到达货架的路径+运载货架的AGV小车到达工位的路径+离开工位并运载货架的AGV小车到达货架的路径。
根据随机生成的订单,统计出需要搬运的货架,对于一个货架对应的多个订单只需要搬运一次。首先定义优先任务如下:假设新产生的任务当中有一个需要搬运的货架p,如果正好有一个AGV小车正在搬运p,并且已完成拣选是从工位返往货架位置的,则称任务p为优先任务。定义即时任务如下:假设新产生的任务当中有一个需要搬运的货架p,如果正好有一个AGV小车正在搬运p,并且未完成拣选,是从货架位置前往工位的,则称任务p为即时任务。
如图2所示,AGV小车路径时间的优化具体过程如下:
(1)开始批量任务;
(2)当AGV小车在进行即时任务时,即时任务不进行路径规划,直接把拣选任务加入搬运该货架的AGV小车;
(3)当AGV小车在进行优先任务时,将下一个任务分配给搬运该货架的AGV小车,作为下一个任务优先执行;
(4)判断剩余分配任务数量是否超过AGV小车的数量,是则选取个数小于等于AGV小车数量的任务数;否则建立数学模型调用cplex求解;
(5)选取个数小于等于AGV小车数量的任务数,AGV小车起始位置设置为上一轮分配货架的位置;
(6)建立数学模型调用cplex求解;
(7)完成所有任务后结束。
即时任务为AGV小车正在搬运货架,并且未完成工位拣选工作,是从货架位置前往工位中任务。
优先任务为AGV小车正在搬运货架,并且已经完成工位拣选工作,是从工位位置前往货架中任务。
cplex求解为其中,Ti:AGV小车i完成任务需要的时间。
其中,ti,j:AGV小车i完成任务j所需的时间;xi,j:0-1变量,任务j分配给小车i则为1,否则为0;ti,j=AGV小车i从起点行驶至货架j的位置所需的时间+搬起货架的时间+从货架j行驶至j分配的工位的时间+任务j在工位处理的时间+从工位返回货架的时间+放下货架的时间。
AGV小车路径规划包括AGV小车路径的优化、AGV小车路径时间的优化,其中,AGV小车路径=空载AGV小车到达货架的路径+运载货架的AGV小车到达工位的路径+离开工位并运载货架的AGV小车到达货架的路径;AGV小车路径时间=小车从起点行驶至货架的位置所需的时间+搬起货架的时间+从货架行驶至分配的工位的时间+任务在工位处理的时间+从工位返回货架的时间+放下货架的时间。
约束条件:每辆AGV小车至多分配一个任务:(2)每个任务分配至一辆AGV小车:
先按就近原则分配工位。在给任务分配完AGV小车后再进行工位的调整。计算每个任务到达预先分配工位的时间,作为任务到达工位的一个估计,将任务按到达先后逐个分配工位,按最小等待时间的原则分配工位,即若当任务到达工位时工位空闲,则直接分配,否则分配等待时间最小的工位。
假设货架p已由cplex的算法分配为AGV小车i的第k个任务,为记SPi,k为AGV小车i执行第k个任务时的初始位置,SPi,0为AGV小车的初始位置,SPi,k=AGV小车结束第k-1个任务时的位置,即AGV小车第k-1个任务的货架位置。记Wp为货架p按最近原则分配到的工位,STi,k为AGV小车i执行第k个任务时的初始时间,则货架p到达工位的时间Arrp=STi,k+VT(SPi,k,Wp)+LT,其中VT(o,d)表示AGV小车从起始点o到达目的地点d所花费的时间(已在计算可行路径集时计算出来)。其中AT(R(o,d)k-1,k)表示o到d的路径第k-1个节点到第k个节点所花费的时间,可由原始数据给出,或者通过AGV小车运行速度和节点k-1到节点k之间弧的长度进行计算,N(o,d)为o->d的路径需要转弯的节点数,TT为AGV小车转弯一次花费的时间。由此可计算AGV小车在前往工位和返回货架在路上花费的时间。LT和PT分别表示AGV小车举起和放下货架花费的时间。Leavep=Arrp+Orderp*DT,Orderp*DT分别表示货架p对应的订单数和工位处理一个订单需要的时间。任务p结束的时间为Finishp=Leavep+VT(Wp,SPi,k)+PT,下一个任务开始的时间为上一个任务结束的时间:STi,k=FTi,k-1。若工位w的上一个任务p′满足Arrp′<Arrp<Leavep′,则任务p需要再工位上等待,等待的时间WTw,p=Leavep′-Arrp,任务p选择的工位
因为,在现实工作中,不可能只出现一台AGV小车运行的情况,会发生多台AGV小车同时运行的情况,这样,就会碰到路径等待的情况,因此需要同时考虑AGV小车路径最优化的方案及AGV小车路径时间最优化的方案,才能得出最优的整体路径规划方案,提高工作效率。
Claims (8)
1.一种用于AGV小车路径优化算法,包括AGV小车路径的优化、AGV小车路径时间的优化,其特征在于:AGV小车路径的优化具体过程如下:
(1)根据实际工作的仓库情况,开始导入生成地图;
(2)输入AGV小车任务;
(3)用DIJKSTRA算法计算该AGV小车的所有路径;
(4)判断是否存在最短路径,是则令k=0,第0层路径集合为最短路径,i=0;否则为可行路径为空,报警;
(5)对当前搜索的k层路径上的第i点,令path1=当前搜索路径的起始节点到i的路径,依次搜索该节点的所有相邻节点j,令path2=节点j到终点的最短路径,合并path1和path2,存入第k+1层路径集合;
(6)判断路径总条数是否达到最大值,是则i=i+1;否则结束;
(7)当i=i+1时,判断是否到达路径终点,是则搜索下一条路径;否则重复步骤(5);
(8)搜索下一条路径,判断改层是否完成所有路径搜索,是则k=k+1;否则重复步骤(5);
(9)当k=k+1时,重复步骤(5)。
2.根据权利要求1所述的一种用于AGV小车路径优化算法,其特征在于:所述的导入生成地图为XML格式地图。
3.根据权利要求1所述的一种用于AGV小车路径优化算法,其特征在于:所述的AGV小车路径=空载AGV小车到达货架的路径+运载货架的AGV小车到达工位的路径+离开工位并运载货架的AGV小车到达货架的路径。
4.根据权利要求1所述的一种用于AGV小车路径优化算法,其特征在于:AGV小车路径时间的优化具体过程如下:
(1)开始批量任务;
(2)当AGV小车在进行即时任务时,即时任务不进行路径规划,直接把拣选任务加入搬运该货架的AGV小车;
(3)当AGV小车在进行优先任务时,将下一个任务分配给搬运该货架的AGV小车,作为下一个任务优先执行;
(4)判断剩余分配任务数量是否超过AGV小车的数量,是则选取个数小于等于AGV小车数量的任务数;否则建立数学模型调用cplex求解;
(5)选取个数小于等于AGV小车数量的任务数,AGV小车起始位置设置为上一轮分配货架的位置;
(6)建立数学模型调用cplex求解;
(7)完成所有任务后结束。
5.根据权利要求4所述的一种用于AGV小车路径优化算法,其特征在于:所述的即时任务为AGV小车正在搬运货架,并且未完成工位拣选工作,是从货架位置前往工位中任务。
6.根据权利要求4所述的一种用于AGV小车路径优化算法,其特征在于:所述的优先任务为AGV小车正在搬运货架,并且已经完成工位拣选工作,是从工位位置前往货架中任务。
7.根据权利要求4所述的一种用于AGV小车路径优化算法,其特征在于:所述的cplex求解为,其中,:AGV小车i完成任务需要的时间。
8.根据权利要求7所述的一种用于AGV小车路径优化算法,其特征在于:所述的,其中,:AGV小车i完成任务j所需的时间;:0-1变量,任务j分配给AGV小车i则为1,否则为0;=AGV小车i从起点行驶至货架j的位置所需的时间+搬起货架的时间+从货架j行驶至j分配的工位的时间+任务j在工位处理的时间+从工位返回货架的时间+放下货架的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910122993.2A CN109978232A (zh) | 2019-02-18 | 2019-02-18 | 一种用于agv小车路径优化算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910122993.2A CN109978232A (zh) | 2019-02-18 | 2019-02-18 | 一种用于agv小车路径优化算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109978232A true CN109978232A (zh) | 2019-07-05 |
Family
ID=67077108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910122993.2A Pending CN109978232A (zh) | 2019-02-18 | 2019-02-18 | 一种用于agv小车路径优化算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109978232A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110733824A (zh) * | 2019-10-21 | 2020-01-31 | 广东嘉腾机器人自动化有限公司 | 基于wms系统的agv任务生成方法、agv出入库方法及存储装置 |
CN110941250A (zh) * | 2019-12-06 | 2020-03-31 | 国网天津市电力公司电力科学研究院 | 一种用于低压计量箱自动上下货的agv柔性物流控制方法 |
CN111924391A (zh) * | 2020-07-27 | 2020-11-13 | 中海油田服务股份有限公司 | 一种移动货架、agv车及拣货系统 |
CN112033430A (zh) * | 2020-08-24 | 2020-12-04 | 安庆师范大学 | 一种改进的基于大规模多中心问题的路径规划方法 |
CN113298294A (zh) * | 2021-04-30 | 2021-08-24 | 成都飞机工业(集团)有限责任公司 | 一种基于智能生产线的物流路径规划方法 |
CN114663001A (zh) * | 2022-05-25 | 2022-06-24 | 广州市广播电视台 | 一种应用于转播车的提示信息的生成方法及电子设备 |
CN117035372A (zh) * | 2023-10-09 | 2023-11-10 | 成都思越智能装备股份有限公司 | 一种oht调度处理方法及装置 |
-
2019
- 2019-02-18 CN CN201910122993.2A patent/CN109978232A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110733824A (zh) * | 2019-10-21 | 2020-01-31 | 广东嘉腾机器人自动化有限公司 | 基于wms系统的agv任务生成方法、agv出入库方法及存储装置 |
CN110941250A (zh) * | 2019-12-06 | 2020-03-31 | 国网天津市电力公司电力科学研究院 | 一种用于低压计量箱自动上下货的agv柔性物流控制方法 |
CN111924391A (zh) * | 2020-07-27 | 2020-11-13 | 中海油田服务股份有限公司 | 一种移动货架、agv车及拣货系统 |
CN112033430A (zh) * | 2020-08-24 | 2020-12-04 | 安庆师范大学 | 一种改进的基于大规模多中心问题的路径规划方法 |
CN112033430B (zh) * | 2020-08-24 | 2023-08-29 | 安庆师范大学 | 一种改进的基于大规模多中心问题的路径规划方法 |
CN113298294A (zh) * | 2021-04-30 | 2021-08-24 | 成都飞机工业(集团)有限责任公司 | 一种基于智能生产线的物流路径规划方法 |
CN114663001A (zh) * | 2022-05-25 | 2022-06-24 | 广州市广播电视台 | 一种应用于转播车的提示信息的生成方法及电子设备 |
CN117035372A (zh) * | 2023-10-09 | 2023-11-10 | 成都思越智能装备股份有限公司 | 一种oht调度处理方法及装置 |
CN117035372B (zh) * | 2023-10-09 | 2023-12-22 | 成都思越智能装备股份有限公司 | 一种oht调度处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978232A (zh) | 一种用于agv小车路径优化算法 | |
CN109934388A (zh) | 一种用于智能拣选优化系统 | |
CN107194513B (zh) | 一种解决全渠道物流配送问题的优化方法 | |
CN112833905B (zh) | 基于改进a*算法的分布式多agv无碰撞路径规划方法 | |
CN109034481B (zh) | 一种基于约束规划的带时间窗车辆路径问题建模及优化方法 | |
Matusiak et al. | A fast simulated annealing method for batching precedence-constrained customer orders in a warehouse | |
CN109991977A (zh) | 机器人的路径规划方法及装置 | |
CN110084471B (zh) | 拣选调度方法、装置、仓储系统及可读存储介质 | |
Zhen et al. | A review on yard management in container terminals | |
CN113075927A (zh) | 基于预约表的仓储潜伏式多agv路径规划方法 | |
CN110908381B (zh) | 机器人调度方法及装置 | |
CN110807236A (zh) | 一种基于多机器人的仓储物流仿真系统 | |
CN107633375A (zh) | 一种人机协作仓储分拣方法 | |
CN106355291A (zh) | 基于门店点群平分线的物流路径规划方法 | |
CN104346658A (zh) | 基于改进银行家算法的自动小车存取系统动态调度方法 | |
CN113516429B (zh) | 一种基于网络拥堵模型的多agv全局规划方法 | |
CN111860957B (zh) | 一种考虑二次配送和平衡用时的多车型车辆路径规划方法 | |
CN113359702A (zh) | 一种基于水波优化-禁忌搜索的智能仓库agv作业优化调度方法 | |
Valmiki et al. | A study on simulation methods for AGV fleet size estimation in a flexible manufacturing system | |
Fan et al. | Time window based path planning of multi-AGVs in logistics center | |
Hani et al. | Simulation based optimization of a train maintenance facility | |
Alaia et al. | Optimization of the multi-depot & multi-vehicle pickup and delivery problem with time windows using genetic algorithm | |
Yuan et al. | Multirobot task allocation in e-commerce robotic mobile fulfillment systems | |
KR102532433B1 (ko) | 운송 수단과 드론을 사용한 병렬 배송의 최적 해를 탐색하기 위한 rgso 스케줄링 최적화 방법 및 시스템 | |
KR20220112357A (ko) | 운송 수단과 드론을 사용한 병렬 배송의 배송 위치 클러스터링을 이용한 운송 수단 및 드론의 스케줄링 최적화 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |