CN114663011A - 一种自动化码头agv的调度方法 - Google Patents

一种自动化码头agv的调度方法 Download PDF

Info

Publication number
CN114663011A
CN114663011A CN202210236485.9A CN202210236485A CN114663011A CN 114663011 A CN114663011 A CN 114663011A CN 202210236485 A CN202210236485 A CN 202210236485A CN 114663011 A CN114663011 A CN 114663011A
Authority
CN
China
Prior art keywords
agv
time
dispatching
objective function
transport
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
Application number
CN202210236485.9A
Other languages
English (en)
Inventor
孙哲
张文杰
孙知信
赵学健
汪胡青
宫婧
胡冰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202210236485.9A priority Critical patent/CN114663011A/zh
Publication of CN114663011A publication Critical patent/CN114663011A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种自动化码头AGV的调度方法，包括以下步骤：提取相关信息得到该自动化码头AGV进行运输调度的路径信息；建立自动化码头AGV调度方法的目标函数以及约束条件；建立整体的AGV调度目标和原则；生成麻雀优化算法；改进麻雀优化算法身份转变规则和位置变换规则：进行迭代运算，直至当前迭代次数=达到所设置的最大迭代次；输出最佳AGV调度方案以及所对应的目标函数的最优值。本发明所提供的自动化码头AGV调度方法，提取码头货物的送达时间，货架的节点信息，以及车辆运行信息等，综合考虑了空载率最低的要素，建立了关于成本、时间、空载率的问题模型，考虑惩罚成本等因素，建立多AGV合理调度原则。

Description

一种自动化码头AGV的调度方法
技术领域
本发明涉及一种自动化码头AGV的调度方法，属于物流运输规划技术领域。
背景技术
在仓储物流过程中，装载、卸载、运输等环节所耗费的时间占整个物流过程时间的绝大部分，从而导致物料运输费用在总成本中占比较高。而多AGV路径规划方法，对改善物流运输系统结构、降低物流运输成本、提升系统运行效率起着重要的作用，因此在仓储物流中具有巨大的应用价值。AGV的路径规划主要包括3个方面的问题：1)确定从起点到目标点之间是否存在可行路径；2)规划出的路径必须是无阻塞、无冲突、无死锁的；3)规划出的路径应使得整个系统的运行效率达到最优。
随着全球经济和科学技术的快速发展，码头也朝着自动化方向发展。在集装箱自动化码头中，中央控制室生产过程控制系统利用无线区域网络监控AGV的运行状态，并进行数据判断与传输，下达正确的任务指令。由于每个码头的机械设备配置、容忍参数、利用率等性能参数的不同，导致AGV调度方法也需相应调整，调度决策的科学性也直接影响AGV的承载率、耗能率以及及时性，同时AGV运输集装箱的目的不仅仅是将其运载到指定的堆存处，更需要将其时间约束、运输路径、装载成本考虑在内，因此本发明从考虑成本最低、时间最短、空载率最低着手，合理规划在指定时间窗内实现AGV地合理地运输。
发明内容
本发明的目的是提供一种自动化码头AGV的调度方法，综合考虑AGV数量、AGV路径规划、多AGV、合理调度原则等影响调度结果的多种约束，建立优化模型，从而使得自动化码头AGV实现更加合理的调度。
本发明的技术方案如下：本发明公开了1一种自动化码头AGV的调度方法，包括以下步骤：
S1：提取相关信息得到该自动化码头AGV进行运输调度的路径信息；
S2：根据提取到的各节点信息建立自动化码头AGV调度方法的目标函数以及约束条件；
S3：建立整体的AGV调度目标及原则；
S4：利用麻雀优化算法求解AGV调度问题，生成麻雀优化算法初始种群并计算种群适应度；
S5：改进麻雀优化算法身份转变规则和位置变换规则，并进行迭代运算，直至当前迭代次数达到所设置的最大迭代次；
S6：输出最佳AGV调度方案以及所对应的目标函数的最优值。
进一步地，上述自动化码头AGV的调度方法，其中：所述步骤S1中的相关信息包括：
A{a1,a2,a3...an}表示AGV的集合，
H{h1,h2...hn}表示货架节点的集合，
AGVK在货架i到j的拥堵等待时间为
Figure BDA0003542422360000021
Figure BDA0003542422360000022
表示表示AGVK从货架i到货架j进行运输，
Figure BDA0003542422360000023
表示从货架i到货架j运输的时间，
Figure BDA0003542422360000024
表示在货架i的人工操作时间，
(vi,mi)表示货物停靠岸的时间窗，
tg表示在完成运输中小车充电所需时间，
ts表示由于意外造成重新调度货物所产生的时间,
Figure BDA0003542422360000025
表示AGVK从i到j运输过程中产生的运输成本，
Figure BDA0003542422360000026
表示在运输点i进行人工操作所产生的成本，
cs表示未在规定时间内运输完成产生的惩罚成本。
进一步地，上述自动化码头AGV的调度方法，其中：步骤S2中目标函数包括：
目标函数1：
Figure BDA0003542422360000027
此目标函数基于用AGV进行到货存储时，要求安装完全部货物所要求的时间最短；
目标函数2：
Figure BDA0003542422360000028
此目标函数基于完成任务的成本最低，其中：
Figure BDA0003542422360000029
表示加权系数，
Figure BDA0003542422360000031
式中mq为货物数量，wq为货物属性价值；
目标函数3：
Figure BDA0003542422360000032
此目标函数基于在满足时间窗限制和自身容量限制的的情况下，安排车辆进行多任务同时运输车辆空载率最低，其中：C为一辆AGV小车的容量，cu，u＝1,2,3...n，为每一项任务所占用的空间容量。
进一步地，上述自动化码头AGV的调度方法，其中：所述步骤S2中所述约束条件包括：
Figure BDA0003542422360000033
Figure BDA0003542422360000034
Figure BDA0003542422360000035
Figure BDA0003542422360000036
cu≤C (5)
其中：式(1)表示完成所有搬运任务的最终时间不超过最大停船时间；式(2)表示AGV小车是否在路径i和j上运输；式(3)表示一次任务需一次运输完成；式(4)表示一次集装箱装卸由一辆AGV小车完成；式(5)表示的是小车的容量约。
进一步地，上述自动化码头AGV的调度方法，其中：所述步骤S3中，AGV调度目标为tf≤mi；tf为完成搬运的时间，
AGV调度原则如下：
minc1＝mod(ql,i,qr,i)； (1)
minc2＝mincs； (2)
Figure BDA0003542422360000037
Figure BDA0003542422360000041
Figure BDA0003542422360000042
式中总共需求运输的货运量为Ql，不同种类货物的单件载重为qr,i＝{qr,1,qr ,2,...,qr,N}，每辆不同装载量小车的装运量为qli＝{ql,1,ql,2,...,ql,N}，正在往运输方向运输的车辆记为xs，返回空载小车我们记为xd，则其优先级分别为lxs,lxd时间窗为(vi,mi)，有装载小车数量
Figure BDA0003542422360000043
总运行小车数量mω，发生冲突的情况记作
Figure BDA0003542422360000044
tp表示完成单次货物运输所需要的时间；
式中依次表示为：
(1)：在从船舶停靠点调取处于空闲状态的小车的时候，根据货物的所需运载量q1，优先安排运输容纳量q1·n，(n＝1,2,3...)即AGV运输容纳量是其倍数的车辆进行运输，优先调取空闲状态小车，再调取充电状态的小车；
(2)：在船舶调度的时间窗(vi,mi)限制的，考虑未在规定时间内运输完成产生的惩罚成本cs最小；
(3)：在起点与终点之间的栅格网络进行路径规划时，会存在从起点往终点载重运输的小车k1，以及终点往起点返回的等待重新搬运的小车k2，往运输方向运输的车辆记为xs，返回空载小车记为xd，当有载重任务小车数量达总运行小车数量的一半，则k1优先级永远大于k2，反之亦然；
(4)：在有发生小车运输冲突的时候，根据所设立的优先级函数l，进行车辆的合理调度：
(5)：当有任务安排时，通过安排小车的数量QA，来使得系统的运作效率更优。
进一步地，上述自动化码头AGV的调度方法，其中：所述优先级设置的步骤如下，选定两个指标，第一个指标为该小车剩余订单量qj，第二个指标为货架号的距离sj，两种指标的顺序分别为l1，l2，则发生拥堵时，遵循以下规则：以小车运行的数量m进行参考，最终小车调度的优先级规则l为
Figure BDA0003542422360000051
Figure BDA0003542422360000052
其中M为所有可运行的小车数量，
该函数意义为：
运行车辆数小于
Figure BDA0003542422360000053
的时候，按照l1，即剩余订单量多优先；
运行车辆数多余
Figure BDA0003542422360000054
按照l2，即距离货架远的优先；
运行数量在
Figure BDA0003542422360000055
和
Figure BDA0003542422360000056
之间的，按照上述规则，主要侧重于以运输量为主进行优先调度。
进一步地，上述自动化码头AGV的调度方法，其中：所述步骤S4中生成麻雀优化算法初始种群
Figure BDA0003542422360000057
其对应的适应度
Figure BDA0003542422360000058
进一步地，上述自动化码头AGV的调度方法，其中：所述步骤S5中改进麻雀优化算法身份转变规则和位置变换规则，包括以下步骤：
S5.1更新发现者位置：
Figure BDA0003542422360000059
其中：t代表当前迭代数，j＝1,2,3...d.R2∈[0，1]和ST∈[0.5，1]分别表示预警值和安全值，Q是符合正态分布的随机数,L表示一个1×d的矩阵，其中该矩阵内每个元素全部为1，R2<ST表示小于预警范围，R2≥ST表示达到预警范围；
S5.2更新加入者位置：
Figure BDA00035424223600000510
其中，Xp表示为当前发现者所占据的最优位置，Xworst表示当前全局最差的位置，A是一个元素都为1或-1的1xd的矩阵，并且A+＝AT(AAT)-1；
S5.3更新侦察者位置：
Figure BDA0003542422360000061
其中:Xbest是当前全局最优位置，β为步长控制参数，是服从均值为0，方差为1的正态分布的随机数；fg和fw分别表示当前全局最佳和最差的适应度,K为[-1,1]内的随机数，ε为避免分母为0的常数；
S5.4添加加入者发现者身份转变规则：
设置时间t，当在所设置的时间t下未有更优位置的出现，将一定数量m的加入者直接更改为发现者，t和m均是动态变化的；
假设算法迭代次数为N，当前迭代次数为n；
当进行到前
Figure BDA0003542422360000062
的时候，此时t遵循
Figure BDA0003542422360000063
此时m遵循logn/N+1n；
当进行到后
Figure BDA0003542422360000064
的时候，此时t遵循
Figure BDA0003542422360000065
此时m遵循logN-n/N+1n；
该公式含义为前
Figure BDA0003542422360000066
的时候，t是变小的，m是变大的，不过后面m增长率降低；
S5.5添加加入者发现者位置变换规则：
在发现者发现食物的时候，会存在多个加入者同时向其位置跳跃的情况，在初期不利于扩大搜索效率，设置加入每个加入者的飞行速度，从而当有一只到达加入者位置的时候，其他麻雀不允许飞过来；
S5.6提出了麻雀优化算法关于可视程度的相关规则：
当我加入者转变身份为发现者达到一定次数τ，视力会下降，发现者不会变看见，好处是前期可视化程度高，扩大搜索范围，后期视力下降则降低搜索范围，从而使得算法的收敛速度提高；
S5.7判断当前迭代次数n是否达到所设置的最大迭代次数itermax，如果n>itermax，则输出此时的最佳适应度的值fg作为最优目标值，与之对应的为最优目标解，从而找出最佳AGV调度方案以及对应的最小值Zmin；否则继续进行步骤S5。
进一步地，上述自动化码头AGV的调度方法，其中：所述步骤S5.5具体步骤如下：
步骤一：设置加入者飞行速度为v1，v2...vn，距离发现食物的发现者距离为d1,d2...dn；
步骤二：当发现者发现食物时，比较每只加入者的速度vk；
步骤三：如果其中某一只加入者的速度vk,使得dk/vk小于其他的值，则另外所有加入者保持原始操作，此速度为vk的加入者跳跃到发现者位置。
进一步地，上述自动化码头AGV的调度方法，其中：所述步骤S5.6具体步骤如下：
步骤一：设置加入者麻雀的视力ε，发现者的可视程度γ，两者呈正相关关系即ε＝kγ(k>0),
Figure BDA0003542422360000071
算法迭代次数为N，当前迭代次数为n；
步骤二:判断加入者转变身份为发现者次数σ是否达到一定次数τ；
步骤三：若σ<τ，维持原来搜索规则；若σ≥τ，ε随着此时进行改变，麻雀视力降低，相对应发现者可视化程度也降低。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明所提供的自动化码头AGV调度方法，弥补了当前关于AGV调度方案的不足，提取码头货物的送达时间，货架的节点信息，以及车辆运行信息等，综合考虑了空载率最低的要素，建立了关于成本、时间、空载率的问题模型，考虑惩罚成本等因素，建立多AGV合理调度原则，在实际问题中具有重要的现实意义；其次，本文对麻雀优化算法进行改进，加以运用到问题当中，改进的包括加入者和发现者的位置变换规则、身份变换规则，以及提出考虑构建麻雀的视力和可视化程度，使得算法减少收敛于局部最优解的情况，既能快速的求出最优解，又能合理的给出AGV路径方案。
附图说明
图1是本发明自动化码头AGV调度方法的步骤流程图；
具体实施方式
下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整的描述，显然，所描述的实施方式仅仅是作为例示，并非用于限制本发明。
本发明提出了一种自动化码头AGV调度方法，如图1所示，包括如下步骤：
S1：提取码头货物的送达时间，货架的节点信息以及车辆运行信息等得到该自动化码头AGV进行运输调度的路径信息；
S2：根据提取到的各节点信息建立自动化码头AGV调度方法的目标函数以及约束条件；
S3：根据车辆调度优先级规则，使得每次运输车辆的空余空间占总空间的比例减小，以此来降低空载率；根据AGV数量的动态设置方法，设置AGV小车数量，从而建立整体的AGV调度原则；
S4：利用麻雀优化算法求解AGV调度问题，生成麻雀优化算法初始种群并计算种群适应度；
S5：改进麻雀优化算法身份转变规则和位置变换规则，并进行迭代运算，直至当前迭代次数达到所设置的最大迭代次；
S6：输出最佳AGV调度方案以及所对应的目标函数的最优值。
具体地，步骤S1中所涉及相关参数如下；
A{a1,a2,a3...an}表示AGV的集合，
H{h1,h2...hn}表示货架节点的集合，
AGVK在货架i到j的拥堵等待时间为
Figure BDA0003542422360000081
Figure BDA0003542422360000082
表示表示AGVK从货架i到货架j进行运输，
Figure BDA0003542422360000083
表示从货架i到货架j运输的时间，
Figure BDA0003542422360000084
表示在货架i的人工操作时间，
(vi,mi)表示货物停靠岸的时间窗，
tg表示在完成运输中小车充电所需时间，
ts表示由于意外造成重新调度货物所产生的时间,
Figure BDA0003542422360000085
表示AGVK从i到j运输过程中产生的运输成本，
Figure BDA0003542422360000086
表示在运输点i进行人工操作所产生的成本，
cs表示未在规定时间内运输完成产生的惩罚成本，
Figure BDA0003542422360000091
为所设置的一个优于另一个目标的加权权重。
步骤S2中为满足成本最低、运输时间最短、车辆空载率最低，动态设置AGV数量以及建立AGV调度原则，其中目标函数和约束条件为：
目标函数1：
Figure BDA0003542422360000092
其中：A{a1,a2,a3...an}表示AGV的集合，H{h1,h2...hn}表示货架节点的集合，
Figure BDA0003542422360000093
表示AGVK在货架i到j的拥堵等待时间,
Figure BDA0003542422360000094
表示表示AGVK从货架i到货架j进行运输，
Figure BDA0003542422360000095
表示从货架i到货架j运输的时间，tg表示在完成运输中小车充电所需时间，ts表示由于意外造成重新调度货物所产生的时间。此目标函数基于用AGV进行到货存储时，要求安装完全部货物所要求的时间最短。
目标函数2：
Figure BDA0003542422360000096
其中：A{a1,a2,a3...an}表示AGV的集合，H{h1,h2...hn}表示货架节点的集合，
Figure BDA0003542422360000097
表示表示AGVK从货架i到货架j进行运输，
Figure BDA0003542422360000098
表示AGVK从i到j运输过程中产生的运输成本，
Figure BDA0003542422360000099
表示在运输点i进行人工操作所产生的成本，cs表示未在规定时间内运输完成产生的惩罚成本，
Figure BDA00035424223600000910
为所设置的一个优于另一个目标的加权权重，此目标函数基于完成任务的成本最低。
加权系数
Figure BDA00035424223600000911
的关系为：
Figure BDA00035424223600000912
式中mq为货物数量，wq为货物属性价值，
加权系数
Figure BDA00035424223600000913
表示其与货物数量mq以及货物属性价值wq有关,且随着商品价值与商品数量呈现动态变化。保持随着价值的提升所占优先比提升，随着数量的提升所占优先比是降低的，主要考虑价值优先规则。
目标函数3：
Figure BDA00035424223600000914
当安排AGV进行运输的时候，一辆AGV小车的容量为C，安排一次运输任务所占用的空间若小于C，那么会有剩余空间，那么会变相的增加运输成本，每一项任务所占用的空间容量为cu，u＝1,2,3...n，此目标函数要求在满足时间窗限制和自身容量限制的的情况下，安排车辆进行多任务同时运输车辆空载率最低。
步骤S2中所述约束条件包括：
Figure BDA0003542422360000101
Figure BDA0003542422360000102
Figure BDA0003542422360000103
Figure BDA0003542422360000104
cu≤C (5)
其中：式1表示完成所有搬运任务的最终时间不超过最大停船时间；式2表示AGV小车是否在路径i和j上运输；式3表示一次任务需一次运输完成；式4表示一次集装箱装卸由一辆AGV小车完成；式5表示的是小车的容量约束。
步骤S3中AGV数量的动态设置方法如下：
Figure BDA0003542422360000105
Figure BDA0003542422360000106
表示从货架i到货架j运输的时间，
Figure BDA0003542422360000107
表示在货架i的人工操作时间，
tg表示在完成运输中小车充电所需时间，
ts表示由于意外造成重新调度货物所产生的时间,
tp表示完成单次货物运输所需要的时间。
步骤S3中，建立车辆调度优先级规则采用以下方法：
当AGV小车进行搬运的时候可能会发生拥堵的情况以及信号受到干扰，此时需要建立小车调度的优先级，选定两个指标，第一个指标为该小车剩余订单量qj，第二个指标为货架号的距离sj，两种指标的顺序分别为l1，l2，则发生拥堵时，遵循以下规则：以小车运行的数量m进行参考，最终小车调度的优先级规则l为(其中QA为所有可运行的小车数量，
Figure BDA0003542422360000108
)
Figure BDA0003542422360000111
该函数意义为：
运行车辆数小于
Figure BDA0003542422360000112
的时候，按照l1，即剩余订单量多优先；
运行车辆数多余
Figure BDA0003542422360000113
按照l2，即距离货架远的优先；
运行数量在
Figure BDA0003542422360000114
和
Figure BDA0003542422360000115
之间的，按照上述规则，主要侧重于以运输量为主进行优先调度。
步骤S3中提出了AGV的调度原则，其中：在进行AGV调度的时候，应该充分考虑根据任务属性，任务的紧急程度，以及使得运输过程中减少冲突等一系列原则进行AGV数量、AGV优先级的合理设置，使得整个调度系统运行最优，因此，建立如下的调度目标和原则：
假设本次总共需求运输的货运量为Ql，不同种类货物的单件载重为qr,i＝{qr,1,qr ,2,...,qr,N}每辆不同装载量小车的装运量为qli＝{ql,1,ql,2,...,ql,N}，正在往运输方向运输的车辆我们记为xs，返回空载小车我们记为xd，则其优先级分别为lxs,lxd时间窗为(vi,mi)，完成搬运的时间为tf，有装载小车数量
Figure BDA0003542422360000116
总运行小车数量mω，发生冲突的情况记作▽c
目标是:tf≤mi；
原则如下：
minc1＝mod(ql,i,qr,i)； (1)
minc2＝mincs； (2)
Figure BDA0003542422360000117
Figure BDA0003542422360000118
Figure BDA0003542422360000119
式中依次表示为：
原则一：在从船舶停靠点调取处于空闲状态的小车的时候，根据货物的所需运载量q1，优先安排运输容纳量q1·n，(n＝1,2,3...)即AGV运输容纳量是其倍数的车辆进行运输，优先调取空闲状态小车，再调取充电状态的小车；
原则二：由于船舶的调度是有时间窗(vi,mi)限制的，所以需要考虑未在规定时间内运输完成产生的惩罚成本cs最小；
原则三：在起点与终点之间的栅格网络进行路径规划的时候，会存在从起点往终点载重运输的小车k1，以及终点往起点返回的等待重新搬运的小车k2，往运输方向运输的车辆记为xs，返回空载小车记为xd，当有载重任务小车数量达总运行小车数量的一半，则k1优先级永远大于k2，反之亦然；
原则四：在有发生小车运输冲突的时候，根据所设立的优先级函数l，进行车辆的合理调度：
原则五：当有任务安排时，通过安排小车的数量QA，来使得系统的运作效率更优。
步骤S4中生成麻雀优化算法初始种群
Figure BDA0003542422360000121
其对应的适应度
Figure BDA0003542422360000122
步骤S5中改进麻雀优化算法身份转变规则和位置变换规则，包括以下步骤：
S5.1更新发现者位置：
Figure BDA0003542422360000123
其中：t代表当前迭代数，j＝1,2,3...d.R2∈[0，1]和ST∈[0.5，1]分别表示预警值和安全值。Q是符合正态分布的随机数,L表示一个1×d的矩阵，其中该矩阵内每个元素全部为1。R2<ST表示小于预警范围，R2≥ST表示达到预警范围。
S5.2更新加入者位置：
Figure BDA0003542422360000131
其中，Xp表示为当前发现者所占据的最优位置，Xworst表示当前全局最差的位置，A是一个元素都为1或-1的1xd的矩阵，并且A+＝AT(AAT)-1.
S5.3更新侦察者位置：
Figure BDA0003542422360000132
其中Xbest是当前全局最优位置。β为步长控制参数，是服从均值为0，方差为1的正态分布的随机数；fg和fw分别表示当前全局最佳和最差的适应度,K为[-1,1]内的随机数，ε为避免分母为0的常数。
S5.4添加加入者发现者身份转变规则：
设置时间t，当在所设置的时间t下未有更优位置的出现，将一定数量m的加入者直接更改为发现者，t和m均是动态变化的；
假设算法迭代次数为N，当前迭代次数为n；
当进行到前
Figure BDA0003542422360000133
的时候，此时t遵循
Figure BDA0003542422360000134
此时m遵循logn/N+1n；
当进行到后
Figure BDA0003542422360000135
的时候，此时t遵循
Figure BDA0003542422360000136
此时m遵循logN-n/N+1n；
该公式含义为前
Figure BDA0003542422360000137
的时候，t是变小的，m是变大的，不过后面m增长率降低。
S5.5添加加入者发现者位置变换规则：
在发现者发现食物的时候，会存在多个加入者同时向其位置跳跃的情况，在初期不利于扩大搜索效率，可以设置加入每个加入者的飞行速度，从而当有一只到达加入者位置的时候，其他麻雀不允许飞过来，其步骤如下：
步骤一：设置加入者飞行速度为v1，v2...vn，距离发现食物的发现者距离为d1,d2...dn；
步骤二：当发现者发现食物时，比较每只加入者的速度vk；
步骤三：如果其中某一只加入者的速度vk,使得dk/vk小于其他的值，则另外所有加入者保持原始操作，此速度为vk的加入者跳跃到发现者位置。
S5.6提出了麻雀优化算法关于可视程度的相关规则：
当我加入者转变身份为发现者达到一定次数τ，视力会下降，发现者不会变看见，好处是前期可视化程度高，扩大搜索范围，后期视力下降则降低搜索范围，从而使得算法的收敛速度提高。
具体实施如下：
步骤一：设置加入者麻雀的视力ε，发现者的可视程度γ，两者呈正相关关系即ε＝kγ(k>0),
Figure BDA0003542422360000141
算法迭代次数为N，当前迭代次数为n；
步骤二:判断加入者转变身份为发现者次数σ是否达到一定次数τ；
步骤三：若σ<τ，维持原来搜索规则；若σ≥τ，ε随着此时进行改变，麻雀视力降低，相对应发现者可视化程度也降低。
S5.7判断当前迭代次数n是否达到所设置的最大迭代次数itermax：
if n>iter max，则输出此时的最佳适应度的值fg作为最优目标值，与之对应的为最优目标解，从而找出最佳AGV调度方案以及对应的最小值Zmin；否则继续进行步骤S5。
本发明所提供的自动化码头AGV调度方法，弥补了当前关于AGV调度方案的不足，提取码头货物的送达时间，货架的节点信息，以及车辆运行信息等，综合考虑了空载率最低的要素，建立了关于成本、时间、空载率的问题模型，考虑惩罚成本等因素，建立多AGV合理调度原则，在实际问题中具有重要的现实意义；其次，本文对麻雀优化算法进行改进，加以运用到问题当中，改进的包括加入者和发现者的位置变换规则、身份变换规则，以及提出考虑构建麻雀的视力和可视化程度，使得算法减少收敛于局部最优解的情况，既能快速的求出最优解，又能合理的给出AGV路径方案。
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)

1.一种自动化码头AGV的调度方法，其特征在于：包括以下步骤：
S1：提取相关信息得到该自动化码头AGV进行运输调度的路径信息；
S2：根据提取到的各节点信息建立自动化码头AGV调度方法的目标函数以及约束条件；
S3：建立整体的AGV调度目标及原则；
S4：利用麻雀优化算法求解AGV调度问题，生成麻雀优化算法初始种群并计算种群适应度；
S5：改进麻雀优化算法身份转变规则和位置变换规则，并进行迭代运算，直至当前迭代次数达到所设置的最大迭代次；
S6：输出最佳AGV调度方案以及所对应的目标函数的最优值。
2.根据权利要求1所述的一种自动化码头AGV的调度方法，其特征在于：所述步骤S1中的相关信息包括：
A{a1,a2,a3...an}表示AGV的集合，
H{h1,h2...hn}表示货架节点的集合，
AGVK在货架i到j的拥堵等待时间为
Figure FDA0003542422350000011
Figure FDA0003542422350000012
表示表示AGVK从货架i到货架j进行运输，
Figure FDA0003542422350000013
表示从货架i到货架j运输的时间，
Figure FDA0003542422350000014
表示在货架i的人工操作时间，
(vi,mi)表示货物停靠岸的时间窗，
tg表示在完成运输中小车充电所需时间，
ts表示由于意外造成重新调度货物所产生的时间,
Figure FDA0003542422350000015
表示AGVK从i到j运输过程中产生的运输成本，
Figure FDA0003542422350000016
表示在运输点i进行人工操作所产生的成本，
cs表示未在规定时间内运输完成产生的惩罚成本。
3.根据权利要求2所述的一种自动化码头AGV的调度方法，其特征在于：步骤S2中目标函数包括：
目标函数1：
Figure FDA0003542422350000021
此目标函数基于用AGV进行到货存储时，要求安装完全部货物所要求的时间最短；
目标函数2：
Figure FDA0003542422350000022
此目标函数基于完成任务的成本最低，其中：
Figure FDA0003542422350000023
表示加权系数，
Figure FDA0003542422350000024
式中mq为货物数量，wq为货物属性价值；
目标函数3：
Figure FDA0003542422350000025
此目标函数基于在满足时间窗限制和自身容量限制的的情况下，安排车辆进行多任务同时运输车辆空载率最低，其中：C为一辆AGV小车的容量，cu，u＝1,2,3...n，为每一项任务所占用的空间容量。
4.根据权利要求2所述的一种自动化码头AGV的调度方法，其特征在于：所述步骤S2中所述约束条件包括：
Figure FDA0003542422350000026
Figure FDA0003542422350000027
Figure FDA0003542422350000028
Figure FDA0003542422350000029
cu≤C (5)
其中：式(1)表示完成所有搬运任务的最终时间不超过最大停船时间；式(2)表示AGV小车是否在路径i和j上运输；式(3)表示一次任务需一次运输完成；式(4)表示一次集装箱装卸由一辆AGV小车完成；式(5)表示的是小车的容量约。
5.根据权利要求2所述的一种自动化码头AGV的调度方法，其特征在于：所述步骤S3中，AGV调度目标为tf≤mi；tf为完成搬运的时间，
AGV调度原则如下：
minc1＝mod(ql,i,qr,i)； (1)
minc2＝mincs； (2)
Figure FDA0003542422350000031
Figure FDA0003542422350000032
Figure FDA0003542422350000033
式中总共需求运输的货运量为Ql，不同种类货物的单件载重为qr,i＝{qr,1,qr,2,...,qr ,N}，每辆不同装载量小车的装运量为qli＝{ql,1,ql,2,...,ql,N}，正在往运输方向运输的车辆记为xs，返回空载小车我们记为xd，则其优先级分别为lxs,lxd时间窗为(vi,mi)，有装载小车数量
Figure FDA0003542422350000034
总运行小车数量mω，发生冲突的情况记作▽c，tp表示完成单次货物运输所需要的时间；
式中依次表示为：
(1)：在从船舶停靠点调取处于空闲状态的小车的时候，根据货物的所需运载量q1，优先安排运输容纳量q1·n，(n＝1,2,3...)即AGV运输容纳量是其倍数的车辆进行运输，优先调取空闲状态小车，再调取充电状态的小车；
(2)：在船舶调度的时间窗(vi,mi)限制的，考虑未在规定时间内运输完成产生的惩罚成本cs最小；
(3)：在起点与终点之间的栅格网络进行路径规划时，会存在从起点往终点载重运输的小车k1，以及终点往起点返回的等待重新搬运的小车k2，往运输方向运输的车辆记为xs，返回空载小车记为xd，当有载重任务小车数量达总运行小车数量的一半，则k1优先级永远大于k2，反之亦然；
(4)：在有发生小车运输冲突的时候，根据所设立的优先级函数l，进行车辆的合理调度：
(5)：当有任务安排时，通过安排小车的数量QA，来使得系统的运作效率更优。
6.根据权利要求5所述的一种自动化码头AGV的调度方法，其特征在于：所述优先级设置的步骤如下，选定两个指标，第一个指标为该小车剩余订单量qj，第二个指标为货架号的距离sj，两种指标的顺序分别为l1，l2，则发生拥堵时，遵循以下规则：以小车运行的数量m进行参考，最终小车调度的优先级规则l为
Figure FDA0003542422350000041
Figure FDA0003542422350000042
其中M为所有可运行的小车数量，
该函数意义为：
运行车辆数小于
Figure FDA0003542422350000043
的时候，按照l1，即剩余订单量多优先；
运行车辆数多余
Figure FDA0003542422350000044
按照l2，即距离货架远的优先；
运行数量在
Figure FDA0003542422350000045
和
Figure FDA0003542422350000046
之间的，按照上述规则，主要侧重于以运输量为主进行优先调度。
7.根据权利要求1所述的一种自动化码头AGV的调度方法，其特征在于：所述步骤S4中生成麻雀优化算法初始种群
Figure FDA0003542422350000047
其对应的适应度
Figure FDA0003542422350000048
8.根据权利要求1所述的一种自动化码头AGV的调度方法，其特征在于：步骤S5中改进麻雀优化算法身份转变规则和位置变换规则，包括以下步骤：
S5.1更新发现者位置：
Figure FDA0003542422350000049
其中：t代表当前迭代数，j＝1,2,3...d.R2∈[0，1]和ST∈[0.5，1]分别表示预警值和安全值，Q是符合正态分布的随机数,L表示一个1×d的矩阵，其中该矩阵内每个元素全部为1，R2<ST表示小于预警范围，R2≥ST表示达到预警范围；
S5.2更新加入者位置：
Figure FDA0003542422350000051
其中，Xp表示为当前发现者所占据的最优位置，Xworst表示当前全局最差的位置，A是一个元素都为1或-1的1xd的矩阵，并且A+＝AT(AAT)-1；
S5.3更新侦察者位置：
Figure FDA0003542422350000052
其中:Xbest是当前全局最优位置，β为步长控制参数，是服从均值为0，方差为1的正态分布的随机数；fg和fw分别表示当前全局最佳和最差的适应度,K为[-1,1]内的随机数，ε为避免分母为0的常数；
S5.4添加加入者发现者身份转变规则：
设置时间t，当在所设置的时间t下未有更优位置的出现，将一定数量m的加入者直接更改为发现者，t和m均是动态变化的；
假设算法迭代次数为N，当前迭代次数为n；
当进行到前
Figure FDA0003542422350000053
的时候，此时t遵循
Figure FDA0003542422350000054
此时m遵循logn/N+1n；
当进行到后
Figure FDA0003542422350000055
的时候，此时t遵循
Figure FDA0003542422350000056
此时m遵循logN-n/N+1n；
该公式含义为前
Figure FDA0003542422350000057
的时候，t是变小的，m是变大的，不过后面m增长率降低；
S5.5添加加入者发现者位置变换规则：
在发现者发现食物的时候，会存在多个加入者同时向其位置跳跃的情况，在初期不利于扩大搜索效率，设置加入每个加入者的飞行速度，从而当有一只到达加入者位置的时候，其他麻雀不允许飞过来；
S5.6提出了麻雀优化算法关于可视程度的相关规则：
当我加入者转变身份为发现者达到一定次数τ，视力会下降，发现者不会变看见，好处是前期可视化程度高，扩大搜索范围，后期视力下降则降低搜索范围，从而使得算法的收敛速度提高；
S5.7判断当前迭代次数n是否达到所设置的最大迭代次数itermax，如果n>itermax，则输出此时的最佳适应度的值fg作为最优目标值，与之对应的为最优目标解，从而找出最佳AGV调度方案以及对应的最小值Zmin；否则继续进行步骤S5。
9.根据权利要求8所述的一种自动化码头AGV的调度方法，其特征在于：所述步骤S5.5具体步骤如下：
步骤一：设置加入者飞行速度为v1，v2...vn，距离发现食物的发现者距离为d1,d2...dn；
步骤二：当发现者发现食物时，比较每只加入者的速度vk；
步骤三：如果其中某一只加入者的速度vk,使得dk/vk小于其他的值，则另外所有加入者保持原始操作，此速度为vk的加入者跳跃到发现者位置。
10.根据权利要求8所述的一种自动化码头AGV的调度方法，其特征在于：所述步骤S5.6具体步骤如下：
步骤一：设置加入者麻雀的视力ε，发现者的可视程度γ，两者呈正相关关系即
Figure FDA0003542422350000061
算法迭代次数为N，当前迭代次数为n；
步骤二:判断加入者转变身份为发现者次数σ是否达到一定次数τ；
步骤三：若σ<τ，维持原来搜索规则；若σ≥τ，ε随着此时进行改变，麻雀视力降低，相对应发现者可视化程度也降低。
CN202210236485.9A 2022-03-11 2022-03-11 一种自动化码头agv的调度方法 Pending CN114663011A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210236485.9A CN114663011A (zh) 2022-03-11 2022-03-11 一种自动化码头agv的调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210236485.9A CN114663011A (zh) 2022-03-11 2022-03-11 一种自动化码头agv的调度方法

Publications (1)

Publication Number Publication Date
CN114663011A true CN114663011A (zh) 2022-06-24

Family

ID=82029616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210236485.9A Pending CN114663011A (zh) 2022-03-11 2022-03-11 一种自动化码头agv的调度方法

Country Status (1)

Country Link
CN (1) CN114663011A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN118036976A (zh) * 2024-02-28 2024-05-14 交通运输部水运科学研究所 港口的agv调度方法、装置、设备及介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN118036976A (zh) * 2024-02-28 2024-05-14 交通运输部水运科学研究所 港口的agv调度方法、装置、设备及介质
CN118036976B (zh) * 2024-02-28 2024-06-21 交通运输部水运科学研究所 港口的agv调度方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
WO2022021119A1 (zh) 一种集装箱码头间全自主水上运输调度方法及系统
CN112001064B (zh) 一种集装箱码头间全自主水上运输调度方法及系统
CN114663011A (zh) 一种自动化码头agv的调度方法
Hodgson et al. Developing control rules for an AGV using Markov decision processes
CN111860754A (zh) 基于蚁群以及遗传算法的agv调度方法
CN112036756B (zh) 一种双负载多agv调度方法
CN110322066B (zh) 一种基于共享承运人和共享仓库的协同车辆路径优化方法
CN115237137B (zh) 一种多agv调度与协同路径规划方法和装置
CN114358675A (zh) 一种多无人机-多卡车协同物流配送路径规划方法
CN113359702B (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
CN114331220A (zh) 基于订单动态优先级的乘用车运输车辆调度方法及装置
CN114757394B (zh) 基于工作量平衡的物流车辆路径优化方法、系统和介质
CN116755401A (zh) 包含路径规划和车辆通行策略的多无人叉车调度控制方法
CN116629424A (zh) 新型集装箱堆场作业模式的自动化双场桥智能调度方法
CN117973626A (zh) 数字月台车辆调度规划实现方法
Homayouni et al. Integrated scheduling of SP-AS/RS and handling equipment in automated container terminals
CN112053046A (zh) 一种带有时间窗的自动化集装箱码头agv重进重出路径规划方法
CN114757591B (zh) 基于行为依赖图的多车型协同分拣调度方法
CN115167457A (zh) 一种考虑电量约束的多agv调度与协同路径规划方法和装置
CN113469417B (zh) 一种快递车辆运输调度方法、系统及设备
CN113743739B (zh) 一种基于混合整数规划、组合优化算法的agv调度方法
Dukkanci et al. Facility location decisions for drone delivery with riding: A literature review
CN115358455A (zh) 考虑电池更换和混合时间窗约束的电动车路径优化方法
CN114723091A (zh) 一种基于混合启发式算法的网约货运车调度优化方法
CN113988424A (zh) 一种循环甩挂运输调度方法

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