CN112465192A - 任务调度的方法、装置、设备及介质 - Google Patents
任务调度的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112465192A CN112465192A CN202011231817.1A CN202011231817A CN112465192A CN 112465192 A CN112465192 A CN 112465192A CN 202011231817 A CN202011231817 A CN 202011231817A CN 112465192 A CN112465192 A CN 112465192A
- Authority
- CN
- China
- Prior art keywords
- iteration
- task
- path
- path point
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012163 sequencing technique Methods 0.000 claims abstract description 18
- 230000003044 adaptive effect Effects 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000012804 iterative process Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 description 41
- 239000000463 material Substances 0.000 description 22
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000032258 transport Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 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
- G06Q10/04—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
-
- 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
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种任务调度的方法、装置、设备及介质,用以解决现有技术中运行效率低,任务执行时间太长的技术问题,该方法包括:确定用于指示自动引导运输车AGV运行的多个任务中的路径点;其中,一个任务的出发地和目的地为该任务的路径点;对多个路径点进行多次排序,得到多个路径点队列;其中每个路径点队列为AGV在多个路径点中移动的顺序;从多个路径点队列中选择AGV移动距离最短的路径点队列;根据选择的所述路径点队列中所有相邻的两个路径点,为AGV配置任务。
Description
技术领域
本发明涉及自动化物流领域,尤其涉及一种任务调度的方法、装置、设备及介质。
背景技术
作为信息技术、控制技术和智能制造技术的集大成者,机器人有着“制造业皇冠顶端的明珠”的美称。随着5G技术的不断完善和普及,万物互联时代已经向我们走来,机器人产业也逐步从自动化向智能化迈进。自动导引运输车((Automated Guided Vehicle,AGV)作为一种多功能用途的移载工具,因其具备运行速度快、智能程度高和节约劳动力成本等诸多优点,已然成为传统物流、制造行业提高生产效率的一把利器。
目前,任务调度方案对实时任务的处理都比较简单,如图1所示,当RCS系统接收到任务请求时,经过简单的参数校验后,从系统中选择一台合适的AGV,将任务下发给AGV,AGV收到任务信息后执行。
现有方案只会将收到的任务按照时间顺序依次发给AGV执行,然而,当在t1时刻系统收到任务T1,需要从P1点搬运物料运往P2点;在t2时刻系统收到任务T2,需要从P1点搬运物料运往P3点,如果按照现有方案只能先从P1点前往P2点,再返回到P1点,返回P1点后再前往P3点,从而使得现有方案运行效率比较低。
发明内容
本发明提供一种任务调度的方法、装置、设备及介质,用以解决现有技术中仅以接收到任务的时间顺序依次发给AGV执行而导致运行效率比较低的技术问题。
第一方面,本发明实施例提供一种任务调度的方法,包括:
确定用于指示自动引导运输车AGV运行的多个任务中的路径点;其中,一个任务的出发地和目的地为该任务的路径点;
对多个路径点进行多次排序,得到多个路径点队列;其中每个路径点队列为AGV在多个路径点中移动的顺序;
从多个路径点队列中选择AGV移动距离最短的路径点队列;
根据选择的所述路径点队列中所有相邻的两个路径点,为所述AGV配置任务。
上述方法,能够将接收到的多个任务找到其路径点,然后对路径点进行多次排序得到多个路径点队列,从多个路径点队列中找到AGV移动距离最短的路径点队列,根据该路径点队列为AGV匹配任务从而使得AGV运行的路径比较短,提高了运行效率。
在一种可能实施的方式中,所述对多个路径点进行多次排序,得到多个路径点队列,包括:
对多个路径点进行随机多次排序,得到多个路径点队列;
针对每个路径点队列,根据多个路径点在该路径点队列中的位置,确定该路径点队列对应的空间位置向量;其中,所述空间位置向量中的元素表征路径点;所述空间位置向量中的元素的数值表征路径点在该路径点队列中的位置;
通过更新所述空间位置向量中每个元素的数值,调整多个路径点在该路径点队列中的位置。
上述方法,通过对路径点进行多次随机排序,得到多个路径点队列,然后在通过路径点队列对应的空间位置向量中每个元素的数值,调整多个路径点在该路径点队列中的位置,实现调整多个路径点在该路径点队列中的位置。
在一种可能实施的方式中,通过更新所述空间位置向量中每个元素的数值,调整多个路径点在该路径点队列中的位置,包括:
通过预设次数的迭代过程,更新所述空间位置向量中每个元素的数值;
根据更新所述空间位置向量中每个元素的数值的大小顺序,调整多个路径点在该路径点队列中的位置;
其中,每次迭代的过程为:
将上一次迭代后的该路径点队列中相邻两个路径点之间最小距离作为该次迭代的当前适应值;
根据该次迭代的当前适应值,更新该次迭代的当前全局最优值、该次迭代的当前本簇最优值、以及该次迭代的当前个体最优值;其中,全局最优值为该次迭代之前所有的路径点队列中相邻两个路径点之间的最小距离;本簇最优值为该次迭代之前该路径点队列所在的簇群中相邻两个路径点之间的最小距离;簇群为所有的路径点队列作为一个群划分出的多个子群;个数最优值为该次迭代之前该路径点队列中相邻两个路径点之间的最小距离;
根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,更新所述空间位置向量中每个元素的数值。
上述方法,通过在标准粒子算法中增加簇最优值,降低了算法陷入局部最优的概率,也可使种群中所有个体能够更加均匀的分布在整个解空间内,从而为获得最优解所需的迭代次数更少。
在一种可能实施的方式中,根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,更新所述空间位置向量中每个元素的数值,包括:
根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,确定该路径点队列的空间速度;
根据该路径点队列的空间速度和上一次迭代后的该路径点队列的所述空间位置向量,确定所述空间位置向量中每个元素的数值。
上述方法,通过将标准粒子算法中对空间速度的求取过程中增加簇最优值,实现将簇最优值加入到更改空间位置向量中,从而为获得最优解所需的迭代次数更少。
在一种可能实施的方式中,确定用于指示自动引导运输车AGV运行的多个任务中的路径点之前,所述方法还包括:
确定接收到的用于指示AGV运行的任务的数量达到预设个数;或
确定最后一次接收到的用于指示AGV运行的任务的时间与当前时间的差值在预设时间间隔范围内。
上述方法,通过限制任务的数量的方式避免每次排序的路径点过多而导致迭代过程速度比较大的问题,或者通过计算最后一次接收到的用于指示AGV运行的任务的时间与当前时间之间的时间差而避免排序的间隔过长的问题。
在一种可能实施的方式中,根据选择的所述路径点队列中所有相邻的两个路径点,为所述AGV配置任务,包括:
根据选择的所述路径点队列中所有相邻的两个路径点,确定多个子任务;
为所述AGV匹配多个子任务。
由于路径点队列中为一个大任务中可能包括不同类型的子任务,上述方式通过选择的路径点队列中所有相邻的两个路径点,将任务分解为多个子任务,为AGV匹配多个子任务,从而保持了AGV功能的独立性。
在一种可能实施的方式中,为所述AGV匹配多个子任务之后,所述方法还包括:
若取消执行任一任务,则取消未执行的目标子任务,所述目标任务为根据取消执行的任一任务确定的子任务。
上述方法,能够在取消排序之前的任务时,取消该排序之前的任务确定的子任务,从而避免取消的任务还有未执行的子任务继续执行导致控制混乱的问题。
第二方面,本发明实施例提供一种任务调度的装置,该装置包括:
确定模块,用于确定用于指示自动引导运输车AGV运行的多个任务中的路径点;其中,一个任务的出发地和目的地为该任务的路径点;
排序模块,用于对多个路径点进行多次排序,得到多个路径点队列;其中每个路径点队列为AGV在多个路径点中移动的顺序;
选择模块,用于从多个路径点队列中选择AGV移动距离最短的路径点队列;
配置模块,用于根据选择的所述路径点队列中所有相邻的两个路径点,为所述AGV配置任务。
在一种可能实施的方式中,所述排序模块,包括位置模块和更新模块;
所述位置模块,用于对多个路径点进行随机多次排序,得到多个路径点队列;针对每个路径点队列,根据多个路径点在该路径点队列中的位置,确定该路径点队列对应的空间位置向量;其中,所述空间位置向量中的元素表征路径点;所述空间位置向量中的元素的数值表征路径点在该路径点队列中的位置;
所述更新模块,用于通过更新所述空间位置向量中每个元素的数值,调整多个路径点在该路径点队列中的位置。
在一种可能实施的方式中,所述更新模块,具体用于:
通过预设次数的迭代过程,更新所述空间位置向量中每个元素的数值;
根据更新所述空间位置向量中每个元素的数值的大小顺序,调整多个路径点在该路径点队列中的位置;
其中,每次迭代的过程为:
将上一次迭代后的该路径点队列中相邻两个路径点之间最小距离作为该次迭代的当前适应值;
根据该次迭代的当前适应值,更新该次迭代的当前全局最优值、该次迭代的当前本簇最优值、以及该次迭代的当前个体最优值;其中,全局最优值为该次迭代之前所有的路径点队列中相邻两个路径点之间的最小距离;本簇最优值为该次迭代之前该路径点队列所在的簇群中相邻两个路径点之间的最小距离;簇群为所有的路径点队列作为一个群划分出的多个子群;个数最优值为该次迭代之前该路径点队列中相邻两个路径点之间的最小距离;
根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,更新所述空间位置向量中每个元素的数值。
在一种可能实施的方式中,所述更新模块,具体用于根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,确定该路径点队列的空间速度;
根据该路径点队列的空间速度和上一次迭代后的该路径点队列的所述空间位置向量,确定所述空间位置向量中每个元素的数值。
在一种可能实施的方式中,所述装置还包括:
预处理模块,用于确定接收到的用于指示AGV运行的任务的数量达到预设个数;或确定最后一次接收到的用于指示AGV运行的任务的时间与当前时间的差值在预设时间间隔范围内。
在一种可能实施的方式中,所述配置模块,具体用于:
根据选择的所述路径点队列中所有相邻的两个路径点,确定多个子任务;
为所述AGV匹配多个子任务。
在一种可能实施的方式中,所述装置还包括:
取消模块,用于若取消执行任一任务,则取消未执行的目标子任务,所述目标任务为根据取消执行的任一任务确定的子任务。
第三方面,本发明实施例提供一种电子设备,包括:处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如第一方面任一项所述的任务调度的方法。
第四方面,本发明实施例提供一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如第一方面中任一项所述的任务调度的方法。
另外,第二方面至第四方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果,此处不再赘述。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
图1为本背景技术提供的现有执行任务的方法的流程示意图;
图2为本发明实施例提供的一种RCS控制系统结构示意图;
图3为本发明实施例提供的一种任务调度的方法的流程示意图;
图4为本发明实施例提供的一种RCS控制系统的工作流程示意图;
图5为本发明实施例提供的一种任务调度的装置的结构示意图;
图6为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面对文中出现的一些词语进行解释:
1、本发明实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
2、Automated Guided Vehicle,AGV,通常也称为AGV小车,指装备有电磁或光学等自动导引装置,能够沿规定的导引路径行驶,具有安全保护以及各种移载功能的运输车,工业应用中不需驾驶员的搬运车,以可充电之蓄电池为其动力来源。
3、RCS系统(Robot Control System,机器人控制系统)。如果将AGV比作人的话,RCS系统就是AGV的大脑,它控制着系统中所有AGV的任务调度、路径规划和行驶,AGV要执行的一切指令都是从RCS系统发出。RCS控制系统如图2所示,一个RCS系统下连接多个AGV。
当产生任务时,RCS系统接收到任务时,启动任务调度的方法,其中,任务一般均为从一个地点移动到另一个地点护送物料,具体来说:
本发明实施例提供一种任务调度的方法,如图3所示,包括:
S301,确定用于指示自动引导运输车AGV运行的多个任务中的路径点;
其中,一个任务的出发地和目的地为该任务的路径点。
S302:对多个路径点进行多次排序,得到多个路径点队列;
其中每个路径点队列为AGV在多个路径点中移动的顺序;
S303:从多个路径点队列中选择AGV移动距离最短的路径点队列;
S304:根据选择的路径点队列中所有相邻的两个路径点,为AGV配置任务。
综上可知,上述方法并不是简单的运用接收到任务的时间去执行的,而是着眼于任务本身,确定多个任务的路径点,对路径点进行排序,选择AGV移动距离最短的路径点队列,这样在AGV进行执行任务时,减少了移动的距离,提高了运行的效率。
步骤304具体包括:根据选择的路径点队列中所有相邻的两个路径点,确定多个子任务;为AGV匹配多个子任务。
具体来说,可以根据选择的路径点队列中所有相邻的两个路径点和多个任务中的任务信息,确定多个子任务。
例如:当在t1时刻系统收到任务T1,需要从P1点搬运物料A运往P2点;在t2时刻系统收到任务T2,需要从P1点搬运物料B运往P3点,将P1点、P2点、P3点进行排序后,得到P1点、P3点、P2点;则根据排序后的路径点,得到多个子任务,P1点将物料A和物料B搬运到AGV上为一个子任务,P1点移动到P3点为一个子任务,将物料B放置到P3点为一个子任务,从P3点移动到P2点为一个子任务,将物料A放置到P2点为一个子任务。
当取消任务时,具体可以为若取消执行任一任务,则取消未执行的目标子任务,目标任务为根据取消执行的任一任务确定的子任务。
例如,当执行子任务为,P1点将物料A和物料B搬运到AGV上时,取消任务1,那么可以取消执行从P3点移动到P2点为一个子任务,将物料A放置到P2点为一个子任务。
在实际应用过程中,本发明实施例采用标准粒子群算法对路径点进行多次排序,以每个路径点队列作为一个粒子,通过更新粒子的空间位置来求取尽可能短的AGV移动路径,具体来说:
对多个路径点进行随机多次排序,得到多个路径点队列;
针对每个路径点队列,根据多个路径点在该路径点队列中的位置,确定该路径点队列对应的空间位置向量;其中,空间位置向量中的元素表征路径点;空间位置向量中的元素的数值表征路径点在该路径点队列中的位置;
通过更新空间位置向量中每个元素的数值,调整多个路径点在该路径点队列中的位置。
例如,对多个路径点进行10次随机排序,得到10个路径点队列,那么就算有10个粒子,针对每个粒子,根据多个路径点在该粒子中的位置,确定该粒子对应的空间位置向量,然后通过标准粒子的算法,更新粒子对应的空间位置向量,从而调整多个路径点在路径点队列中的位置。
具体更新过程为:
通过预设次数的迭代过程,更新空间位置向量中每个元素的数值;
根据更新空间位置向量中每个元素的数值的大小顺序,调整多个路径点在该路径点队列中的位置。
例如,当更新后的空间位置向量为(20,30,15,18,40),其中,20表征路径点1的在该路径点队列中的位置,30表征路径点2的在该路径点队列中的位置,15表征路径点3的在该路径点队列中的位置,18表征路径点4的在该路径点队列中的位置,40表征路径点5的在该路径点队列中的位置。那么对于5个路径点的在路径点队列中的位置为,由于20在五个路径点中第三大,则路径点1在路径点队列中的位置为3,由于30在五个路径点中第二大,则路径点2在路径点队列中的位置为2,由于15在五个路径点中第五大,则路径点3在路径点队列中的位置为5,由于18在五个路径点中第四大,则路径点4在路径点队列中的位置为4,由于40在五个路径点中第一大,则路径点5在路径点队列中的位置为1。
其中,每次迭代的过程为:
将上一次迭代后的该路径点队列中相邻两个路径点之间最小距离作为该次迭代的当前适应值;
根据该次迭代的当前适应值,更新该次迭代的当前全局最优值、该次迭代的当前本簇最优值、以及该次迭代的当前个体最优值;其中,全局最优值为该次迭代之前所有的路径点队列中相邻两个路径点之间的最小距离;本簇最优值为该次迭代之前该路径点队列所在的簇群中相邻两个路径点之间的最小距离;簇群为所有的路径点队列作为一个群划分出的多个子群;个数最优值为该次迭代之前该路径点队列中相邻两个路径点之间的最小距离;
根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,更新空间位置向量中每个元素的数值。
其中,每次通过适应值进行更新时,当前全局最优值为之前所有的路径点队列中相邻两个路径点之间的最小距离,即所有的路径点队列中历史相邻两个路径点之间的最小距离中最小的距离;
本簇最优值为该次迭代之前该路径点队列所在的簇群中相邻两个路径点之间的最小距离;即,该路径点队列所在的簇群中相邻两个路径点之间的最小距离中历史最小的距离;
个数最优值为该次迭代之前该路径点队列中相邻两个路径点之间的最小距离;即,该路径点队列中相邻两个路径点之间的最小距离中历史最小的距离。
其中,在标准粒子群算法中,单个粒子的邻域是种群中所有其它粒子,且最优解只分为个体最优解和全局最优解,受此机制的影响,本发明重新设计的分簇进化粒子群算法将种群拆分为若干分簇,每个分簇包含若干粒子,每个粒子只从属于一个分簇。种群中单个粒子的邻域是其所属分簇内其它各粒子,单个粒子在搜索过程中以全局最优解、当前分簇最优解以及个体最优解为参考,计算。
在标准粒子群算法中,本发明实施例的目标函数为:
式中,di表示小车在第i条任务终点和第i+1条任务起点间的移动距离,Minimizef(x)为小车在第i条任务终点和第i+1条任务起点间的移动距离的最小值。
进一步的,在粒子群算法中,根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,更新所述空间位置向量中每个元素的数值,包括:
根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,确定该路径点队列的空间速度;
根据该路径点队列的空间速度和上一次迭代后的该路径点队列的所述空间位置向量,确定所述空间位置向量中每个元素的数值。
路径点队列的空间速度及空间位置向量更新公式如下:
Xi,d(t)=Xi,d(t-1)+Vi,d(t)
式中,w表示惯性权重,c1 c2 c3为学习因子;r1 r2 r3为(0,1)之间的随机数;pbesti,d个体最优值,为自身所在簇群的最优个体;为全局最优个体。是迁移因子,用来表示当前个体受本簇最优个体和全局最优个体的影响程度,其取值规则为:
具体排序过程为:
首先对多个路径点进行随机多次排序,得到多个路径点队列,将每个路径点队列作为一个粒子;
粒子表述如下:
Pi=[Ti,1,Ti,2,Ti,3,...,Ti,D],i∈[1,M]
式中,Pi表示种群中第i个粒子个体,Tij对应当前这一批任务中的第j个路径点。D表示路径点总数,M表示种群规模。个体Pi表示当前批次所有路径点的一种排序方案,粒子中的每个元素对应一条路径点,可通过解码计算将粒子解码后获取此粒子个体所代表的路径点排序结果。
采用自适应方式为种群规模初始化,即种群规模是当前批次中任务数量的2倍。
针对每个粒子的空间位置向量的更新执行如下步骤:
步骤1:初始化:在D维搜索空间按照约束条件随机生成粒子的空间位置向量和空间速度;其中,初始化同时为每个粒子赋予唯一编号id,并按照id将整个种群划分为若干簇群;其中,D维为路径点的个数;
步骤2:在第一次迭代时,将随机排序得到的粒子的空间位置向量和空间速度相加,得到第一次迭代后的粒子的空间位置向量;
步骤3:根据第一次迭代后的粒子的空间位置向量中元素的数值的大小,调整多个路径点在该路径点队列中的位置;
步骤4:在第一次迭代时,根据随机排序得到的路径点队列,通过目标函数计算所有粒子中相邻的两个路径点距离最小值作为当前全局最优值;根据随机排序得到的路径点队列,通过目标函数计算该粒子所在簇群中相邻的两个路径点距离最小值作为当前本簇最优值;根据随机排序得到的路径点队列,通过目标函数计算该粒子中相邻的两个路径点距离最小值作为当前本簇最优值;
步骤5:根据步骤3计算出来的调整后的多个路径点在该路径点队列中的位置时,计算调整后的路径点队列中相邻的两个路径点之间距离最小值,将最小值作为当前适应值;
步骤6:通过适应值更新:①比较粒子在步骤5中计算得到的当前适应值和步骤4中计算的个体最优值pbesti,d的大小;如果当前适应值小于个体最优值pbesti,d,即当前适应值优于个体最优值pbesti,d,则将当前个体最优值更换为当前适应值;②比较粒子的当前适应值与本簇最优值如果当前适应值优于本簇最优值则更新本簇最优值③比较粒子的当前适应值与种群的全局最优值如果当前适应值优于种群的全局最优值则更新种群的全局最优值
步骤7:根据上述更新的当前全局最优值、更新后的当前本簇最优值、以及更新后的当前个体最优值,通过上述介绍的更新空间位置向量和空间速度的方式,更新所述空间位置向量中每个元素的数值;
步骤8:在步骤6的①中,当前适应值不优于个体最优值pbesti,d,则个体最优值pbesti,d不变,那么停止比较②和③,利用步骤4求取的个体最优值pbesti,d、本簇最优值全局最优值带入到上述的空间速度中,根据空间速度和步骤2中生成的空间位置向量,得到第二次迭代后的空间位置向量。
步骤9:在步骤6的①中,当前适应值优于个体最优值pbesti,d,则更新个体最优值pbesti,d,当当前适应值不优于本簇最优值则本簇最优值不变,那么停止比较③,利用更新后的个体最优值pbest(i,d)、步骤4中的本簇最优值步骤4中的全局最优值带入到上述的空间速度中,根据空间速度和步骤2中生成的空间位置向量,得到第二次迭代后的空间位置向量。
步骤10:在步骤6的①中,当前适应值优于个体最优值pbest(i,d),则更新个体最优值pbest(i,d),当当前适应值优于本簇最优值则更新本簇最优值当当前适应值不优于全局最优值则全局最优值不变,那么停止比较③,利用更新后的个体最优值pbest(i,d)、更新后的本簇最优值步骤4中的全局最优值带入到上述的空间速度中,根据空间速度和步骤2中生成的空间位置向量,得到第二次迭代后的空间位置向量。
步骤11:根据步骤7、或步骤8、或步骤9、或步骤10计算出来的调整后的多个路径点在该路径点队列中的位置时,计算调整后的路径点队列中相邻的两个路径点之间距离最小值,将最小值作为当前适应值;
步骤12:将该次迭代之前所有的路径点队列中相邻两个路径点之间的最小距离为全局最优值;将该次迭代之前该路径点队列所在的簇群中相邻两个路径点之间的最小距离为本簇最优值;将该次迭代之前该路径点队列中相邻两个路径点之间的最小距离为个数最优值;
重复步骤6~10进行比对,查看该次迭代输入哪个步骤,即得到更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值。
步骤12:当满足预设的迭代次数,得到的最后一次迭代后确定所述空间位置向量中每个元素的数值的大小顺序,调整多个路径点在该路径点队列中的位置。
当每个粒子均进行迭代完成后,得到最后的路径点队列,然后计算该路径点队列中相邻的两个路径点之间的距离总和,最小的距离总和的路径点队列为最终选择的路径点队列,根据最终选择的路径点队列,为AGV配置任务。
为了避免排序的处理速度比较慢,确定用于指示自动引导运输车AGV运行的多个任务中的路径点之前,所述方法还包括:
确定接收到的用于指示AGV运行的任务的数量达到预设个数。
同时,为了避免启动排序的处理速度过长,基于此本发明确定用于指示自动引导运输车AGV运行的多个任务中的路径点之前,所述方法还包括:
确定最后一次接收到的用于指示AGV运行的任务的时间与当前时间的差值在预设时间间隔范围内。
以下提供了一种任务调度的整体方法,结合图4所示,包括:
步骤401:校验任务参数是否合法,如果是,执行步骤402,否则结束。
具体来说:RCS系统收到第三方系统任务请求后,首先对请求参数进行校验,校验通过后返回任务接收成功,校验不通过也可以返回错误原因。
其次判断任务是否可以合并。对不支持合并的任务直接在步骤3中进行分解,可以合并的任务进入步骤2中尝试进行合并。
其中,对于多型号AGV混合调度的场景,部分型号的AGV可能不支持多任务合并,RCS系统可以根据当前任务所需AGV的型号判断是否可以合并。
例如,滚筒型AGV能够执行滚动动作,举升型AGV能够执行举升放下动作,但滚筒型AGV不支持举升放下,举升型AGV不支持滚动,因此不同类型的业务任务显然不能合并执行。
在同型号AGV调度情形下,由于业务流程的多样性,仍然存在不同业务流程的任务不支持合并的场景。例如,流程一只需要AGV从A搬运物料到达B即可,但流程二需要AGV到达A后等待外部系统确认,直至满足一定条件后才将物料放置到AGV上,待AGV接到物料后搬运至B点。显然这两种类型的任务是不需要合并的,如果合并反而会降低流程一的运行效率。
通过配置的方式让RCS系统明确当前类型的任务是否可以合并,以及哪些类型的任务可以合并。
步骤402:将多个满足条件的任务合并成一个新任务。
具体来说:将通过校验的任务,不会立即进行合并处理,而是先将其缓存下来,等到满足一定的条件后才开始进行合并。当任务合并成功并输出给步骤3后,会将任务从缓存中删除。
缓存后,由于实时任务到达时机的不可预料性,因此通过配置参数来控制合并条件的触发。
例如:当缓存中的任务数量达到预设值时,立即触发进行合并。
又如:如果第三方系统任务下达的频率很低,可能过了很久缓存的任务数量都达不到上述可以触发的条件,就通过这个参数进行修正。也就是说,以上两个条件只要满足其一就立即触发执行合并。
在触发合并后,通过上述提供的任务调度的方法进行如何合并,即对多个可以合并的任务中的路径点进行排序,选择AGV移动距离最短的路径点队列。
任务经合并处理后,会将处理的结果输出给步骤3。对于合并成功的任务,会将其从缓存中删除;未能合并成功的任务,一方面会将其继续保留在缓存中,另一方面,这些任务经分解后下发给AGV执行,在任务执行过程中,合并处理模块可以继续尝试将其与新下发的任务进行合并。
触发合并中的配置参数自适应优化。对于一个新系统,任务合并的触发配置参数是依靠工作人员对任务量的预估和自身的经验来确定的,当运行一段时间后,系统会根据历史运行情况定期调整参数,以最优的合并处理速度来适应实际业务需求。
步骤403:将上层的业务任务分解成一系列AGV可执行的动作单元(子任务)。这里的上层业务任务包括:①外部系统下发的未经合并处理的任务;②步骤2中未能合并成功的任务;③步骤2中合并成功的任务。
由于业务任务通常具有复杂性、多变性的特征,为了保持AGV功能的独立性,AGV不用去关心实际的业务逻辑,只需要具备执行相应动作的能力即可。任务分解的目的就是将上层业务任务分解成一系列AGV可执行的动作单元,然后依次发送给AGV执行。分解之后的每个动作单元称为子任务,子任务之间维持前后的逻辑关系,它们共同组成了一个完整的业务任务。
对于未合并的任务,考虑T[P1->P2],经任务分解后的结果为T[SP1->SP2],即任务为从P1点将物料运送到P2点,分解后,SP1为将物料搬运到AGV上,SP2为从P1点将物料运送到P2点。
对于合并的情形,考虑任务T1[P1->P2]、T2[P1->P3]、T3[P1->P4],经过任务合并处理后,输出为T1+T2+T3[P1->P1->P1->P2->P3->P4],经过任务分解后的结果为MT[SP1->SP2->SP3->SP4]。
其中:
T1、T2、T3表示合并之前的任务;
P1、P2、P3、P4表示任务的路径点;
MT表示合并后生成的新任务;
SP1、SP2、SP3、SP4表示根据合并任务分解生成的子任务。
步骤404:为AGV匹配任务。当任务分解完成后,从系统中选择一台合适的AGV来执行当前任务;一旦AGV与任务匹配成功,任务中的所有子任务都将由这台AGV来执行。
具体来说,任务分解完成后,就会为新任务分配一台可执行的AGV。当任务与AGV匹配成功后,便可以将任务下发给AGV执行。
其中,一个任务只需要分配一次AGV,一旦匹配成功,构成任务中的一系列子任务都将由当前AGV执行。在所有子任务完成之前,RCS系统不会为当前AGV分配新任务。
步骤405:将分解好的子任务依次下发给AGV执行。
步骤406:处理AGV的任务执行状态上报。当AGV上报当前子任务完成,判断AGV是否还有后续子任务要执行,如果有,则将后续子任务发送给AGV执行;如果所有的子任务都执行完成,那么当前AGV可以用于新的任务调度分配。
其中,任务状态变更,即为负责管理任务的生命周期。
如果是第一个子任务完成,判断当前任务是否有输出的未能合并成功的任务,如果是,通知立即将缓存的该任务删除,不允许其继续与其他任务合并。
进一步的,AGV在执行过程中任务被取消,RCS系统将根据AGV的运行状况进行相应的处理:
例如:任务T1[P1->P2]、T2[P1->P3]、T3[P1->P4],合并处理后输出为T1+T2+T3[P1->P1->P1->P2->P3->P4],任务分解成MT[SP1->SP2->SP3->SP4]。
如果AGV当前在执行子任务SP1,取消任务T1,RCS系统会将子任务SP2标记为取消,当子任务SP1执行完成后,继续下发SP3给AGV执行。
如果AGV当前在执行子任务SP2,取消任务T1,RCS系统会立即通知AGV取消当前正在执行的子任务SP2,取消成功后下发SP3给AGV执行。
又如:任务T1[P1->P3->P5]、T2[P1->P4->P6]、T3[P2->P3->P6],假设任务合并处理后输出为T1+T2+T3[P1->P1->P2->P3->P3->P4->P5->P6->P6],任务分解成MT[SP1->SP2->SP3->SP4->SP5->SP6]。
如果AGV当前在执行子任务SP1,取消任务T1,RCS系统会将子任务SP5标记为取消,当子任务SP1执行完成后,继续下发SP2给AGV执行。
如果AGV当前在执行子任务SP1,取消任务T3,RCS系统会将子任务SP2标记为取消,当子任务SP1执行完成后,继续下发SP3给AGV执行。
如果AGV当前在执行子任务SP2,取消任务T3,RCS系统会立即通知AGV取消当前正在执行的子任务SP2,取消成功后下发SP3给AGV执行。
如果AGV当前在执行子任务SP4,T1已经被取消,下发取消任务T2,RCS系统会立即通知AGV取消当前正在执行的子任务SP4,取消成功后下发SP6给AGV执行。
如果AGV当前在执行子任务SP5,T2已经被取消,下发取消任务T3,则当AGV执行完子任务SP5后,整个任务结束。
如图5所示,基于任务调度的的方法同样的发明构思,本发明还提供一种任务调度的装置,包括:
确定模块501,用于确定用于指示自动引导运输车AGV运行的多个任务中的路径点;其中,一个任务的出发地和目的地为该任务的路径点;
排序模块502,用于对多个路径点进行多次排序,得到多个路径点队列;其中每个路径点队列为AGV在多个路径点中移动的顺序;
选择模块503,用于从多个路径点队列中选择AGV移动距离最短的路径点队列;
配置模块504,用于根据选择的所述路径点队列中所有相邻的两个路径点,为所述AGV配置任务。
可选的,所述排序模块502,包括位置模块和更新模块;
所述位置模块,用于对多个路径点进行随机多次排序,得到多个路径点队列;针对每个路径点队列,根据多个路径点在该路径点队列中的位置,确定该路径点队列对应的空间位置向量;其中,所述空间位置向量中的元素表征路径点;所述空间位置向量中的元素的数值表征路径点在该路径点队列中的位置;
所述更新模块,用于通过更新所述空间位置向量中每个元素的数值,调整多个路径点在该路径点队列中的位置。
可选的,所述更新模块,具体用于:
通过预设次数的迭代过程,更新所述空间位置向量中每个元素的数值;
根据更新所述空间位置向量中每个元素的数值的大小顺序,调整多个路径点在该路径点队列中的位置;
其中,每次迭代的过程为:
将上一次迭代后的该路径点队列中相邻两个路径点之间最小距离作为该次迭代的当前适应值;
根据该次迭代的当前适应值,更新该次迭代的当前全局最优值、该次迭代的当前本簇最优值、以及该次迭代的当前个体最优值;其中,全局最优值为该次迭代之前所有的路径点队列中相邻两个路径点之间的最小距离;本簇最优值为该次迭代之前该路径点队列所在的簇群中相邻两个路径点之间的最小距离;簇群为所有的路径点队列作为一个群划分出的多个子群;个数最优值为该次迭代之前该路径点队列中相邻两个路径点之间的最小距离;
根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,更新所述空间位置向量中每个元素的数值。
可选的,所述更新模块,具体用于根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,确定该路径点队列的空间速度;
根据该路径点队列的空间速度和上一次迭代后的该路径点队列的所述空间位置向量,确定所述空间位置向量中每个元素的数值。
可选的,所述装置还包括:
预处理模块,用于确定接收到的用于指示AGV运行的任务的数量达到预设个数;或确定最后一次接收到的用于指示AGV运行的任务的时间与当前时间的差值在预设时间间隔范围内。
可选的,所述配置模块,具体用于:
根据选择的所述路径点队列中所有相邻的两个路径点,确定多个子任务;
为所述AGV匹配多个子任务。
可选的,所述装置还包括:
取消模块,用于若取消执行任一任务,则取消未执行的目标子任务,所述目标任务为根据取消执行的任一任务确定的子任务。
另外,结合图1-图5描述的本发明实施例的执行任务的方法和装置可以由电子设备来实现。
该电子设备,包括:处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如所述的任务调度的方法。
图6示出了本发明实施例提供的电子设备的硬件结构示意图。
电子设备可以包括处理器601以及存储有计算机程序指令的存储器602。
具体地,上述处理器601可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器602可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器602可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器602可在数据处理装置的内部或外部。在特定实施例中,存储器602是非易失性固态存储器。在特定实施例中,存储器602包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器601通过读取并执行存储器602中存储的计算机程序指令,以实现上述实施例中的任意一种执行任务的方法。
在一个示例中,电子设备还可包括通信接口603和总线610。其中,如图6所示,处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。
通信接口603,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线610包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线610可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
该电子设备可以基于接收到的任务,执行本发明实施例中的执行任务的方法,从而实现结合图1-图5描述的执行任务的方法和装置。
另外,结合上述实施例中的电子设备,本发明实施例可提供一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如上述任一项所述的任务调度的方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种任务调度的方法,其特征在于,包括:
确定用于指示自动引导运输车AGV运行的多个任务中的路径点;其中,一个任务的出发地和目的地为该任务的路径点;
对多个路径点进行多次排序,得到多个路径点队列;其中每个路径点队列为AGV在多个路径点中移动的顺序;
从多个路径点队列中选择AGV移动距离最短的路径点队列;
根据选择的所述路径点队列中所有相邻的两个路径点,为所述AGV配置任务。
2.根据权利要求1所述的任务调度的方法,其特征在于,所述对多个路径点进行多次排序,得到多个路径点队列,包括:
对多个路径点进行随机多次排序,得到多个路径点队列;
针对每个路径点队列,根据多个路径点在该路径点队列中的位置,确定该路径点队列对应的空间位置向量;其中,所述空间位置向量中的元素表征路径点;所述空间位置向量中的元素的数值表征路径点在该路径点队列中的位置;
通过更新所述空间位置向量中每个元素的数值,调整多个路径点在该路径点队列中的位置。
3.根据权利要求2所述的任务调度的方法,其特征在于,通过更新所述空间位置向量中每个元素的数值,调整多个路径点在该路径点队列中的位置,包括:
通过预设次数的迭代过程,更新所述空间位置向量中每个元素的数值;
根据更新所述空间位置向量中每个元素的数值的大小顺序,调整多个路径点在该路径点队列中的位置;
其中,每次迭代的过程为:
将上一次迭代后的该路径点队列中相邻两个路径点之间最小距离作为该次迭代的当前适应值;
根据该次迭代的当前适应值,更新该次迭代的当前全局最优值、该次迭代的当前本簇最优值、以及该次迭代的当前个体最优值;其中,全局最优值为该次迭代之前所有的路径点队列中相邻两个路径点之间的最小距离;本簇最优值为该次迭代之前该路径点队列所在的簇群中相邻两个路径点之间的最小距离;簇群为所有的路径点队列作为一个群划分出的多个子群;个数最优值为该次迭代之前该路径点队列中相邻两个路径点之间的最小距离;
根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,更新所述空间位置向量中每个元素的数值。
4.根据权利要求3所述的任务调度的方法,其特征在于,根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,更新所述空间位置向量中每个元素的数值,包括:
根据更新后的该次迭代的当前全局最优值、更新后的该次迭代的当前本簇最优值、以及更新后的该次迭代的当前个体最优值,确定该路径点队列的空间速度;
根据该路径点队列的空间速度和上一次迭代后的该路径点队列的所述空间位置向量,确定所述空间位置向量中每个元素的数值。
5.根据权利要求1所述的任务调度的方法,其特征在于,确定用于指示自动引导运输车AGV运行的多个任务中的路径点之前,所述方法还包括:
确定接收到的用于指示AGV运行的任务的数量达到预设个数;或
确定最后一次接收到的用于指示AGV运行的任务的时间与当前时间的差值在预设时间间隔范围内。
6.根据权利要求1~5任一项所述的任务调度的方法,其特征在于,根据选择的所述路径点队列中所有相邻的两个路径点,为所述AGV配置任务,包括:
根据选择的所述路径点队列中所有相邻的两个路径点,确定多个子任务;
为所述AGV匹配多个子任务。
7.根据权利要求6所述的任务调度的方法,其特征在于,为所述AGV匹配多个子任务之后,所述方法还包括:
若取消执行任一任务,则取消未执行的目标子任务,所述目标任务为根据取消执行的任一任务确定的子任务。
8.一种任务调度的装置,其特征在于,包括:
确定模块,用于确定用于指示自动引导运输车AGV运行的多个任务中的路径点;其中,一个任务的出发地和目的地为该任务的路径点;
排序模块,用于对多个路径点进行多次排序,得到多个路径点队列;其中每个路径点队列为AGV在多个路径点中移动的顺序;
选择模块,用于从多个路径点队列中选择AGV移动距离最短的路径点队列;
配置模块,用于根据选择的所述路径点队列中所有相邻的两个路径点,为所述AGV配置任务。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至权利要求7中任一项所述的任务调度的方法。
10.一种存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1至权利要求7中任一项所述的任务调度的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011231817.1A CN112465192B (zh) | 2020-11-06 | 2020-11-06 | 任务调度的方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011231817.1A CN112465192B (zh) | 2020-11-06 | 2020-11-06 | 任务调度的方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112465192A true CN112465192A (zh) | 2021-03-09 |
CN112465192B CN112465192B (zh) | 2024-05-17 |
Family
ID=74825901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011231817.1A Active CN112465192B (zh) | 2020-11-06 | 2020-11-06 | 任务调度的方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465192B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112378402A (zh) * | 2020-11-11 | 2021-02-19 | 四川长虹电器股份有限公司 | 自适应调整路径点容差的移动机器人路径规划方法及装置 |
CN113256713A (zh) * | 2021-06-10 | 2021-08-13 | 浙江华睿科技有限公司 | 一种栈板位置识别方法、装置、电子设备及存储介质 |
CN115375249A (zh) * | 2022-10-26 | 2022-11-22 | 埃克斯工业有限公司 | 物料搬运调度方法、装置、设备及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040006415A1 (en) * | 2002-07-04 | 2004-01-08 | Samsung Electronics Co. Ltd. | Method of controlling automatic guided vehicle system |
WO2018036282A1 (zh) * | 2016-08-24 | 2018-03-01 | 深圳市中兴微电子技术有限公司 | 一种任务调度方法、装置及计算机存储介质 |
CN108195380A (zh) * | 2017-12-26 | 2018-06-22 | 广东嘉腾机器人自动化有限公司 | 一种基于最短路径的agv最优路径选择方法 |
US20180357610A1 (en) * | 2017-06-12 | 2018-12-13 | Hefei University Of Technology | Method and system for collaborative scheduling of production and transportation based on shuffled frog leaping and path relinking algorithms |
CN109581987A (zh) * | 2018-12-29 | 2019-04-05 | 广东飞库科技有限公司 | 一种基于粒子群算法的agv调度路径规划方法及系统 |
CN110348636A (zh) * | 2019-07-12 | 2019-10-18 | 南方科技大学 | 路径规划预测方法、装置、设备和计算机可读存储介质 |
CN110530373A (zh) * | 2019-09-30 | 2019-12-03 | 山东大学 | 一种机器人路径规划方法、控制器及系统 |
CN111474926A (zh) * | 2020-03-24 | 2020-07-31 | 浙江中烟工业有限责任公司 | 一种基于多agv时间窗路径优化算法的废烟回收方法 |
-
2020
- 2020-11-06 CN CN202011231817.1A patent/CN112465192B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040006415A1 (en) * | 2002-07-04 | 2004-01-08 | Samsung Electronics Co. Ltd. | Method of controlling automatic guided vehicle system |
WO2018036282A1 (zh) * | 2016-08-24 | 2018-03-01 | 深圳市中兴微电子技术有限公司 | 一种任务调度方法、装置及计算机存储介质 |
US20180357610A1 (en) * | 2017-06-12 | 2018-12-13 | Hefei University Of Technology | Method and system for collaborative scheduling of production and transportation based on shuffled frog leaping and path relinking algorithms |
CN108195380A (zh) * | 2017-12-26 | 2018-06-22 | 广东嘉腾机器人自动化有限公司 | 一种基于最短路径的agv最优路径选择方法 |
CN109581987A (zh) * | 2018-12-29 | 2019-04-05 | 广东飞库科技有限公司 | 一种基于粒子群算法的agv调度路径规划方法及系统 |
CN110348636A (zh) * | 2019-07-12 | 2019-10-18 | 南方科技大学 | 路径规划预测方法、装置、设备和计算机可读存储介质 |
CN110530373A (zh) * | 2019-09-30 | 2019-12-03 | 山东大学 | 一种机器人路径规划方法、控制器及系统 |
CN111474926A (zh) * | 2020-03-24 | 2020-07-31 | 浙江中烟工业有限责任公司 | 一种基于多agv时间窗路径优化算法的废烟回收方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112378402A (zh) * | 2020-11-11 | 2021-02-19 | 四川长虹电器股份有限公司 | 自适应调整路径点容差的移动机器人路径规划方法及装置 |
CN112378402B (zh) * | 2020-11-11 | 2022-02-22 | 四川长虹电器股份有限公司 | 自适应调整路径点容差的移动机器人路径规划方法及装置 |
CN113256713A (zh) * | 2021-06-10 | 2021-08-13 | 浙江华睿科技有限公司 | 一种栈板位置识别方法、装置、电子设备及存储介质 |
CN113256713B (zh) * | 2021-06-10 | 2021-10-15 | 浙江华睿科技股份有限公司 | 一种栈板位置识别方法、装置、电子设备及存储介质 |
CN115375249A (zh) * | 2022-10-26 | 2022-11-22 | 埃克斯工业有限公司 | 物料搬运调度方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112465192B (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112465192B (zh) | 任务调度的方法、装置、设备及介质 | |
Rahman et al. | Scheduling automated transport vehicles for material distribution systems | |
Lin et al. | Network model and effective evolutionary approach for AGV dispatching in manufacturing system | |
CN107179078A (zh) | 一种基于时间窗优化的agv路径规划方法 | |
CN111596658A (zh) | 一种多agv无碰撞运行的路径规划方法及调度系统 | |
CN112561194B (zh) | 一种混合流水车间生产与物流集成调度方法及系统 | |
Li et al. | Tasks assigning and sequencing of multiple AGVs based on an improved harmony search algorithm | |
CN107036618A (zh) | 一种基于最短路径深度优化算法的agv路径规划方法 | |
Tan et al. | Low-carbon joint scheduling in flexible open-shop environment with constrained automatic guided vehicle by multi-objective particle swarm optimization | |
CN116523165B (zh) | 柔性作业车间amr路径规划与生产调度的协同优化方法 | |
CN112184053B (zh) | 一种任务调度的方法、装置及其设备 | |
CN113592158B (zh) | 多agv路径规划和多agv智能生产线中agv与机器联合调度方法 | |
Chawla et al. | Scheduling of multi load AGVs in FMS by modified memetic particle swarm optimization algorithm | |
CN111126770A (zh) | 一种跨层穿梭车仓储系统的任务调度方法 | |
CN114862209A (zh) | 运力调度方法、装置、电子设备及存储介质 | |
Li et al. | Artificial intelligence empowered multi-AGVs in manufacturing systems | |
Wang et al. | Study on scheduling and path planning problems of multi-AGVs based on a heuristic algorithm in intelligent manufacturing workshop | |
CN114936783A (zh) | 一种基于mmddpg算法的rgv小车调度方法及系统 | |
Manafi et al. | A centroid opposition-based coral reefs algorithm for solving an automated guided vehicle routing problem with a recharging constraint | |
CN106610655A (zh) | 一种改进的粒子群算法求解作业车间调度问题 | |
Hu et al. | A dynamic integrated scheduling method based on hierarchical planning for heterogeneous AGV fleets in warehouses | |
CN113687651A (zh) | 一种按需派送车辆的路径规划方法及装置 | |
CN116339257A (zh) | Agv多车调度系统以及相关调度方法 | |
CN115730799A (zh) | 一种柔性装配作业车间生产任务调度方法、系统及设备 | |
Badakhshian et al. | Performance optimization of simultaneous machine and automated guided vehicle scheduling using fuzzy logic controller based genetic algorithm |
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 | ||
CB02 | Change of applicant information |
Address after: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Zhejiang Huarui Technology Co.,Ltd. Address before: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant before: ZHEJIANG HUARAY TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |