CN112070341A - 一种面向多机器人充电策略的分布式求解方法 - Google Patents
一种面向多机器人充电策略的分布式求解方法 Download PDFInfo
- Publication number
- CN112070341A CN112070341A CN202010723028.3A CN202010723028A CN112070341A CN 112070341 A CN112070341 A CN 112070341A CN 202010723028 A CN202010723028 A CN 202010723028A CN 112070341 A CN112070341 A CN 112070341A
- Authority
- CN
- China
- Prior art keywords
- robot
- charging
- charging station
- robots
- electric quantity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000006870 function Effects 0.000 claims description 5
- 238000011002 quantification Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种面向多机器人充电策略的分布式求解方法,该方法以极小化所有要充电的机器人总耗时为目标,总耗时包括行驶时间、排队时间和充电时间。每个机器人在全局信息未知的情况下,利用自己获取到的通信范围内邻居机器人的位置、剩余电量信息,以及比自己优先级高的邻居机器人的充电策略等信息,基于自己充电耗时最少的原则,选择剩余电量容许可达的充电站,来实现近似最优解。本发明解决了多机器人在充电站拥堵充电的问题,有效缩短了整个多机器人充电系统的充电时间,大大的提高了机器人的充电效率。
Description
技术领域
本发明属于分布式系统多机器人资源调度技术领域,尤其涉及一种面向多机器人充电策略的分布式求解方法。
背景技术
自动导引运输车是以电力驱动,能够按照要求行驶到指定地点,并在与其他设备完成交互后离开。由于机器人具有自动化程度高、可靠性好、适应性强等特点,使其在自动化仓储领域得到广泛应用。为提高自动化仓储领域机器人的有限充电站的使用效率,多机器人如何分配有限充电站是十分关键的技术问题。
从机器人的本质来讲,其为电动汽车,必须在工作过程中进行充电,但自动化仓储的面积有限且十分宝贵,而机器人充电站及其配套设施需要较大的占地面积,因此为每一个机器人配备一个充电站显然是浪费资源和成本的,机器人在充电过程会增加额外行驶时间,并且机器人为无人驾驶,假设有一台机器人由于电池电量耗尽在路面停工就会影响整个系统中所有机器人的路径规划,堵塞越来越多的机器人,造成整个仓储的交通瘫痪,所以一旦出现机器人电量不足而停工的情况,仓储将需要投入大量的人力成本和时间成本,因此在有限充电站的仓储中要保持每一辆机器人都必须有电而且维持在一个相对稳定的水平是重要的,并且在整个充电过程中,该机器人无法被调度,直至充电完成后才能再次投入使用。
发明内容
本发明主要优化了多机器人充电调度问题,提高了机器人的充电效率,降低了整个多机器人充电系统的充电时间,以便尽早的恢复机器人的工作。针对多机器人的充电调度问题,本发明让机器人在时间的约束下,使每一个要充电机器人都能分配一个最优的充电站,从而整个系统的充电时间最短。考虑到有n个需要充电的移动机器人R={r1,r2,…,rn},其中ri是第i个机器人的编号;有m个充电站S={s1,s2,…,sm},其中sj是第j个充电站的编号;假设充电站是固定的,系统中的所有的机器人都知道充电站的位置;用tij表示机器人ri到充电站sj的行驶时间,用表示充机器人ri在充电站sj的充电时间,用qij表示机器人ri在充电站sj的排队时间。
本发明的目的是找到一个充电站的分配方案A,使得系统中所有要充电的机器人的充电时间最短,分配方案A是R到S的一个映射:{r1,r2,…,rn}→{s1,s2,…,sm}。A的解空间是所有机器人所选择的充电站构成的集合,用表示,其中Ui是机器人ri的可达充电站集合。U的元素对应一个分配方案A=[A(1),…,A(n)],其中A(i)=j,i=1,…,n,表示机器人ri选择充电站sj。对于每一个分配方案A都有一个成本函数定义如下:
本发明的目标是找到一个最优的分配方案A*满足下式:
在分布式的环境中每一个机器人都是一个独立的个体,它总是想最小化自己的充电过程,但是由于全局信息的缺失,也就是说要充电的机器人ri在不知道所有充电站的等待时间时,仅在当前的信息下做出最好的决策(选充电站)。另外机器人ri虽然知道所有充电站的位置,但是在其电量约束下它所能到达的充电站的集合为Ui,其中且为了保证算法的可行性,规定机器人最近的充电站是唯一的,实际中离机器人最近的充电站也可能有多个,但是充电站的索引是唯一的,所以可用最小索引的充电站来保证这唯一性;如果j<k,当tij+qij=tik+qik时,我们就定义tij+qij<tik+qik。
对于一个分配方案的求解过程大致如下:首先输入的是需要充电的n个机器人和m个充电站的位置,机器人每一次寻找一个充电耗时最短的充电站,在一次博弈中,本发明先为参与博弈的机器人进行优先级的排序,优先级高的机器人优先做出选择(这里可能会出现一个机器人选择多个充电站的情况,此时就可以用最小充电站索引的规则来确定机器人的选择策略),之后已选取充电站的机器人会将所选充电站的编号广播给其邻居机器人,邻居机器人就可以根据当前收到的充电站编号,更新该充电站的排队时间。已经选取充电站的机器人不再参与其他的博弈。重复此过程,直到将所有的机器人都分配一个充电站为止。
根据以上描述,本发明提出的面向多机器人充电策略的分布式求解方法,包括以下步骤:
步骤1、每一个充电机器人根据自己的位置信息和电量约束,计算出自己当前剩余电量允许的可以到达充电站的集合。
步骤2、每一个充电机器人将自己的编号、位置信息、剩余电量、充电状态和任务状态,广播给自己的邻居机器人,同时接收来自邻居机器人的这些信息。
步骤3、每一个机器人按照自己的电量约束和任务状态,计算出自己和邻居机器人的优先级;优先级高的机器人优先在自己可达充电站的集合中选择充电站。
步骤4、对于博弈中的每一个机器人,如果其优先级高于其所有邻居机器人,此机器人会从其可达充电站集合中选取自己充电总耗时最短的充电站,并且将自己选取的充电站编号广播给其邻居机器人,之后不再参与充电站选择。
步骤5、当邻居机器人收到来自于步骤4的消息后,结合步骤2收到的信息更新自己的可达充电站集合里的充电站的排队时间,剩余的机器人按照优先级高低继续进行下一轮博弈,直到每个机器人都完成了充电站的选择。
进一步地,所述步骤1中,考虑有n个需要充电的移动机器人R={r1,r2,…,rn},其中ri是第i个机器人的编号;有m个充电站S={s1,s2,…,sm},其中sj是第j个充电站的编号;所有的机器人都知道每一个充电站的位置,充电机器人ri根据自己的位置信息、充电站的位置信息,以及机器人剩余电量信息,计算出自己的可达充电站集合Ui,目
进一步地,所述步骤2中,机器人ri的邻居定义为:如果机器人rj的可达充电站集合Uj和机器人ri的可达充电站集合Ui相交不为空,则rj为ri的邻居;机器人ri的邻居集定义为当机器人ri收到邻居中其他机器人的编号信息时,机器人ri所组邻居内的每一个机器人会根据收到的编号信息从大到小进行排序并存储在各个机器人的本地内存中。
进一步地,所述步骤3中,对机器人要充电的情况做以下两种假设:
1)机器人在电量不高于电量阈值θ1时需放弃所有的任务(包括正在执行的任务),然后去充电,机器人至少有一个充电站是可达的;
2)机器人电量高于电量阈值θ1且不高于电量阈值θ2时,如果没有任务,则需要充电;
本发明对机器人的优先级做出如下规定:
基于机器人电量x及机器人的任务状态γ来确定机器人的优先级,其中γ∈{0,1},当机器人有任务时γ=1,否则γ=0;机器人电量量化公式如下:
其中θ1是机器人可执行任务的最低电量,θ2是机器人的充电最小电量(即机器人一旦开始充电所必须达到的最低电量);机器人根据函数yi的值和其任务状态γi,最后可以给出机器人优先级,公式如下:
wi=α1yi+α2γi
其中γi是第i个机器人的任务状态,α1和α2为优先级权重且满足α1+α2=1;wi的值越大,机器人ri的优先级越高,会优先选择充电站;如果机器人的优先级一致,则将机器人自身编号值的大小作为判断优先级高低的辅助因子,机器人编号越大则优先级越高,这样以确保每个机器人的优先级都不相同。
进一步地,所述步骤4中,在一次局部博弈中机器人ri会在自己可达的充电集合Ui中选取充电总耗时最短的充电站,优先级最高的机器人优先选择;假定机器人ri优先选择充电站并且其所选出的充电站为sk,充电站sk的选择由以下步骤实现:
1)根据机器人要充电情况的两种假设,充电机器人ri在任何情况下至少能达到一个充电站,另外在其电量的约束下机器人ri只能到达部分的充电站,充电机器人ri能到达的充电站集合Ui,且机器人ri到其可达充电站集合Ui中的每一个充电站sj并开始充电的充电耗时为:
其中Jij表示机器人ri到充电站sj的充电耗时,tij表示机器人ri到充电站sj的行驶时间,qij表示机器人ri在充电站sj的排队时间。
2)优先级最高的机器人ri的目标就是在所有的Jij中找到一个最小耗时的充电站sk;
当机器人ri完成充电站的选择后,将所选充电站的编号sk广播给其邻居机器人之后不再参与博弈。
进一步地,所述步骤5中,邻居内的所有机器人rj会根据收到的信息对充电站sk的排队时间进行更新:
然后重复步骤4,直到所有的机器人完成充电站选择。
本发明的有益效果是:本发明以极小化所有要充电的机器人总耗时为目标,总耗时包括行驶时间、排队时间和充电时间。每个机器人在全局信息未知的情况下,利用自己获取到的通信范围内邻居机器人的位置、剩余电量信息,以及比自己优先级高的邻居机器人的充电策略等信息,基于自己充电耗时最少的原则,选择剩余电量容许可达的充电站,来实现近似最优解。本发明解决了多机器人在充电站拥堵充电的问题,有效缩短了整个多机器人充电系统的充电时间,大大的提高了机器人的充电效率。
附图说明
图1为本发明面向多机器人充电策略的分布式求解方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
由于分布式的特点,机器人ri无法获得全局的数据信息,只能从它的通信范围内获得邻居的信息,机器人ri收到邻居的信息后会根据优先级高低对充电站做出选择同时将选择的充电站编号广播给邻居,机器人ri将不再参与博弈。
本发明提出的一种面向多机器人充电策略的分布式求解方法,具体过程如下:
步骤1、每一个充电机器人根据自己的位置信息和电量约束,计算出自己当前剩余电量允许的可以到达充电站的集合。
考虑有n个需要充电的移动机器人R={r1,r2,…,rn},其中ri是第i个机器人的编号;有m个充电站S={s1,s2,…,sm},其中sj是第j个充电站的编号;所有的机器人都知道每一个充电站的位置,充电机器人ri根据自己的位置信息、充电站的位置信息,以及机器人剩余电量信息,计算出自己的可达充电站集合Ui,且
步骤2、每一个充电机器人将自己的编号、位置信息、剩余电量、充电状态和任务状态,广播给自己的邻居机器人,同时接收来自邻居机器人的这些信息。
机器人ri的邻居定义为:如果机器人rj的可达充电站集合Uj和机器人ri的可达充电站集合Ui相交不为空,则rj为ri的邻居;机器人ri的邻居集定义为 当机器人ri收到邻居中其他机器人的编号信息时,机器人ri所组邻居内的每一个机器人会根据收到的编号信息从大到小进行排序并存储在各个机器人的本地内存中。
步骤3、每一个机器人按照自己的电量约束和任务状态,计算出自己和邻居机器人的优先级;优先级高的机器人优先在自己可达充电站的集合中选择充电站。
对机器人要充电的情况做以下两种假设:
1)机器人在电量不高于电量阈值θ1时需放弃所有的任务(包括正在执行的任务),然后去充电,机器人至少有一个充电站是可达的;
2)机器人电量高于电量阈值θ1且不高于电量阈值θ2时,如果没有任务,则需要充电;
本发明对机器人的优先级做出如下规定:
基于机器人电量x及机器人的任务状态γ来确定机器人的优先级,其中γ∈{0,1},当机器人有任务时γ=1,否则γ=0;机器人电量量化公式如下:
其中θ1是机器人可执行任务的最低电量,θ2是机器人的充电最小电量(即机器人一旦开始充电所必须达到的最低电量);机器人根据函数yi的值和其任务状态γi,最后可以给出机器人优先级,公式如下:
wi=α1yi+α2γi
其中γi是第i个机器人的任务状态,α1和α2为优先级权重且满足α1+α2=1;wi的值越大,机器人ri的优先级越高,会优先选择充电站;如果机器人的优先级一致,则将机器人自身编号值的大小作为判断优先级高低的辅助因子,机器人编号越大则优先级越高,这样以确保每个机器人的优先级都不相同。
步骤4、对于博弈中的每一个机器人,如果其优先级高于其所有邻居机器人,此机器人会从其可达充电站集合中选取自己充电总耗时最短的充电站,并且将自己选取的充电站编号广播给其邻居机器人,之后不再参与充电站选择。
在一次局部博弈中机器人ri会在自己可达的充电集合Ui中选取充电总耗时最短的充电站,优先级最高的机器人优先选择;假定机器人ri优先选择充电站并且其所选出的充电站为sk,充电站sk的选择由以下步骤实现:
1)根据机器人要充电情况的两种假设,充电机器人ri在任何情况下至少能达到一个充电站,另外在其电量的约束下机器人ri只能到达部分的充电站,充电机器人ri能到达的充电站集合Ui,目机器人ri到其可达充电站集合Ui中的每一个充电站sj并开始充电的充电耗时为:
其中Jij表示机器人ri到充电站sj的充电耗时,tij表示机器人ri到充电站sj的行驶时间,qij表示机器人ri在充电站sj的排队时间。
2)优先级最高的机器人ri的目标就是在所有的Jij中找到一个最小耗时的充电站sk;
当机器人ri完成充电站的选择后,将所选充电站的编号sk广播给其邻居机器人之后不再参与博弈。
步骤5、当邻居机器人收到来自于步骤4的消息后,结合步骤2收到的信息更新自己的可达充电站集合里的充电站的排队时间,剩余的机器人按照优先级高低继续进行下一轮博弈,直到每个机器人都完成了充电站的选择。
邻居内的所有机器人rj会根据收到的信息对充电站sk的排队时间进行更新:
然后重复步骤4,直到所有的机器人完成充电站选择。
以上所述仅是本发明的优选实施方式,虽然本发明已以较佳实施例披露如上,然而并非用以限定本发明。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何的简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (6)
1.一种面向多机器人充电策略的分布式求解方法,其特征在于,所述方法包括如下步骤:
步骤1、每一个充电机器人根据自己的位置信息和电量约束,计算出自己当前剩余电量允许的可以到达充电站的集合。
步骤2、每一个充电机器人将自己的编号、位置信息、剩余电量、充电状态和任务状态,广播给自己的邻居机器人,同时接收来自邻居机器人的这些信息。
步骤3、每一个机器人按照自己的电量约束和任务状态,计算出自己和邻居机器人的优先级;优先级高的机器人优先在自己可达充电站的集合中选择充电站。
步骤4、对于博弈中的每一个机器人,如果其优先级高于其所有邻居机器人,此机器人会从其可达充电站集合中选取自己充电总耗时最短的充电站,并且将自己选取的充电站编号广播给其邻居机器人,之后不再参与充电站选择。
步骤5、当邻居机器人收到来自于步骤4的消息后,结合步骤2收到的信息更新自己的可达充电站集合里的充电站的排队时间,剩余的机器人按照优先级高低继续进行下一轮博弈,直到每个机器人都完成了充电站的选择。
4.根据权利要求书3所述的一种面向多机器人充电策略的分布式求解方法,其特征在于,所述步骤3中,对机器人要充电的情况做以下两种假设:
1)机器人在电量不高于电量阈值θ1时需放弃所有的任务(包括正在执行的任务),然后去充电,机器人至少有一个充电站是可达的;
2)机器人电量高于电量阈值θ1且不高于电量阈值θ2时,如果没有任务,则需要充电;
基于机器人电量x及机器人的任务状态γ来确定机器人的优先级,其中γ∈{0,1},当机器人有任务时γ=1,否则γ=0;机器人电量量化公式如下:
其中θ1是机器人可执行任务的最低电量,θ2是机器人的充电最小电量;机器人根据函数yi的值和其任务状态γi,最后可以给出机器人优先级,公式如下:
wi=α1yi+α2γi
其中γi是第i个机器人的任务状态,α1和α2为优先级权重且满足α1+α2=1;wi的值越大,机器人ri的优先级越高,会优先选择充电站;如果机器人的优先级一致,则将机器人自身编号值的大小作为判断优先级高低的辅助因子,机器人编号越大则优先级越高。
5.根据权利要求书4所述的一种面向多机器人充电策略的分布式求解方法,其特征在于,所述步骤4中,在一次局部博弈中机器人ri会在自己可达的充电集合Ui中选取充电总耗时最短的充电站,优先级最高的机器人优先选择;假定机器人ri优先选择充电站并且其所选出的充电站为sk,充电站sk的选择由以下步骤实现:
1)根据机器人要充电情况的两种假设,充电机器人ri在任何情况下至少能达到一个充电站,另外在其电量的约束下机器人ri只能到达部分的充电站,充电机器人ri能到达的充电站集合Ui,且机器人ri到其可达充电站集合Ui中的每一个充电站sj并开始充电的充电耗时为:
其中Jij表示机器人ri到充电站sj的充电耗时,tij表示机器人ri到充电站sj的行驶时间,qij表示机器人ri在充电站sj的排队时间。
2)优先级最高的机器人ri的目标就是在所有的Jij中找到一个最小耗时的充电站sk;
当机器人ri完成充电站的选择后,将所选充电站的编号sk广播给其邻居机器人之后不再参与博弈。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010723028.3A CN112070341A (zh) | 2020-07-24 | 2020-07-24 | 一种面向多机器人充电策略的分布式求解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010723028.3A CN112070341A (zh) | 2020-07-24 | 2020-07-24 | 一种面向多机器人充电策略的分布式求解方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112070341A true CN112070341A (zh) | 2020-12-11 |
Family
ID=73657453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010723028.3A Pending CN112070341A (zh) | 2020-07-24 | 2020-07-24 | 一种面向多机器人充电策略的分布式求解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070341A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112636345A (zh) * | 2020-12-29 | 2021-04-09 | 浙江中力机械有限公司 | 一种基于分布式多机器人充电站分配问题的求解方法 |
-
2020
- 2020-07-24 CN CN202010723028.3A patent/CN112070341A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112636345A (zh) * | 2020-12-29 | 2021-04-09 | 浙江中力机械有限公司 | 一种基于分布式多机器人充电站分配问题的求解方法 |
CN112636345B (zh) * | 2020-12-29 | 2022-05-31 | 浙江中力机械股份有限公司 | 一种基于分布式多机器人充电站分配问题的求解方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230191932A1 (en) | Vehicle dispatching system and vehicle dispatching method | |
CN106549433B (zh) | 待充电电动车辆移动充电控制方法及其控制系统 | |
US6498454B1 (en) | Automatic battery recharging station for AGVs | |
CN113283623A (zh) | 兼容储能充电桩的电动运载工具电量路径规划方法 | |
US20130285608A1 (en) | Charging control device, charging control method, and program | |
JP2000209707A (ja) | 電気自動車の充電計画装置 | |
CN109489676A (zh) | 一种计及电网信息与充电站信息的电动汽车充电导航方法 | |
CN110363311A (zh) | 基于预约的充电桩分配方法及系统 | |
CN111967805B (zh) | 电动汽车代充电控制方法、系统及装置 | |
CN110418434A (zh) | 一种无人机辅助的无线传感器网络充电方法与装置 | |
CN109213712A (zh) | 用于机器类通信系统的服务提供方法、装置及电子设备 | |
CN112070341A (zh) | 一种面向多机器人充电策略的分布式求解方法 | |
CN109969035A (zh) | 太阳能充电控制装置和充电控制方法 | |
CN116822912B (zh) | 一种电动车辆干线长途运输充换电智能调度方法及装置 | |
CN109683556A (zh) | 自移动设备协同作业控制方法、装置和存储介质 | |
CN115398767A (zh) | 充电电力管理装置以及充电电力管理方法 | |
CN112636345B (zh) | 一种基于分布式多机器人充电站分配问题的求解方法 | |
CN111224450B (zh) | 一种大规模无线传感网多位置同时充电方法 | |
CN103164747B (zh) | 一种战场抢修资源重组优化决策方法 | |
CN114707707A (zh) | 一种基于改进的遗传算法对agv任务调度的方法及系统 | |
Liu et al. | Ev charging recommendation concerning preemptive service and charging urgency policy | |
CN113837452A (zh) | 一种面向水下无线传感器网络的移动充电路径规划方法 | |
CN114675963A (zh) | 光伏5g基站系统中基于设备优先级的多任务处理方法 | |
Niu et al. | A novel hierarchical charging algorithm for the AGV dispatching problem in a multi-robot system | |
US11966861B2 (en) | Operation planning system and operation planning method |
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 |