CN115981264A

CN115981264A - 一种考虑冲突的agv调度与数量联合优化方法

Info

Publication number: CN115981264A
Application number: CN202310173634.6A
Authority: CN
Inventors: 诸葛沁沁; 沈维宁; 管瑞; 周耀明
Original assignee: Shanghai Jiaotong University
Current assignee: Shanghai Jiaotong University
Priority date: 2023-02-28
Filing date: 2023-02-28
Publication date: 2023-04-18

Abstract

本发明公开了一种考虑冲突的AGV调度与数量联合优化方法，其包括：S1.获取自动化无人仓库的地图数据和任务数据；S2.根据地图数据和任务数据，计算任务执行顺序约束；S3.基于执行顺序约束，将任务之间的约束转化成网络结构，构建AGV调度备选网络；S4.基于构建的AGV调度备选网络，计算最小路径覆盖问题，得到候选解集合，通过计算候选解集合中的最少不相交调度序列作为最终的调度方案。本发明的优点在于：求解质量提高：通过引入对调度方案的冲突平均指标，能够从前k个理论最优方案中选出实际执行任务时发生冲突更少的调度方案，减少了平均10％的最大完工时间。

Description

一种考虑冲突的AGV调度与数量联合优化方法

技术领域

本发明涉及AGV调度与规划领域，具体涉及一种考虑冲突的AGV调度与数量联合优化方法。

背景技术

自动导引车(Automated Guided Vehicle,AGV)是一种安全性能高、功能强大的物流运输机器人，常用于仓储物流中搬运货物，能够实现无人作业，通过24小时执行出库入库任务，极大程度缩短仓储物流执行的总体时间，提高整个仓库的吞吐量。AGV调度主要是指为多辆AGV分配不同任务，让它们分别去执行任务，需要考虑AGV之间共享路径网络存在的资源竞争，例如两辆AGV不能同时经过一条边，甚至对于大型AGV来说，在两条不同的边上也有可能发生碰撞。这种冲突竞争的存在，会使得常规的AGV调度方案在实际执行时，任务最大完成时间会大大增加，因为AGV发生冲突就必须有一辆车避让等待。

最相关的技术主要集中在AGV调度与数量配置领域，现有的AGV调度技术主要分为两类：基于规则的调度方法和基于模型的调度方法。基于规则的调度方法：最典型的是先到先服务，将距离最近的AGV与任务匹配去执行任务。2.基于模型的调度方法：使用数学规划模型，例如设置目标函数为最小化任务完成时间，设置决策变量为由哪一辆AGV执行哪一辆任务，设置约束条件保证车辆在执行完上一个任务以后，能够及时到达下一个任务等，可参考文献

【SINGH N,DANG Q V,AKCAY A,et al.A matheuristic for AGV schedulingwith battery constraints[J].European Journal of Operational Research,2022,298(3):855-873.】。

部分现有技术中，采用图论方法求解城市最小车队问题，参考论文

【VAZIFEH M M,SANTI P,RESTA G,et al.Addressing the minimum fleetproblem in on-demand urban mobility[J].Nature,2018,557(7706):534-538.】，其目的只在于确定需要的车辆数量，而并没有考虑使用实际的调度方案。

现有技术存在的问题或不足之处：现有的基于规则的调度方法，例如先到先服务，效率太低，只是对局部进行优化，利用贪心的思想，给任务匹配当前最优的AGV，但是可能会导致后续任务匹配到更差的AGV，全局效率反而更差了。现有的基于数学规划模型的调度方法，太过复杂，计算时间会随着任务数量、AGV数量的增加呈指数级增长，难以适应实际工业应用中的大规模场景，一旦任务信息发生改变或者出现车辆故障等意外情况，需要重新计算调度方案时，需要等待很长时间。

相对于现有技术，本发明的技术方案致力于解决以下问题：

问题1：现有的AGV调度方法往往是在确定AGV数量的情况下进行调度的，但是系统中的AGV数量配置会影响整个系统的效率，当AGV数量过少时，将难以完成所有任务，当AGV数量过多时，将会引起仓库运输区域的拥堵，AGV之间发生路径冲突的概率增加，成本增加但系统效率变低。因此，需要在调度的时候同时考虑配置相应的AGV数量，根据实时的任务数量来确定能够完成任务的最优调度方案以及最优的AGV数量，最大程度降低成本，提高仓库的吞吐量。

问题2：在确定了AGV调度方案和数量以后，AGV根据给定的调度方案执行任务，还会遇到多AGV之间路径冲突的问题，即受到体积影响，两个AGV距离过近将有可能发生碰撞或者触发防撞激光。AGV之间的冲突需要通过延迟等待来解决，会影响系统运行效率，因此需要在调度方案中考虑路径冲突问题，尽可能选择后续AGV执行任务发生冲突少的调度方案。

问题3：现有的基于数学规划模型的调度方法，太过复杂，计算时间会随着任务数量、AGV数量的增加呈指数级增长，难以适应实际工业应用中的大规模场景，一旦任务信息发生改变或者出现车辆故障等意外情况，需要重新计算调度方案时，需要等待很长时间。因此，需要一个快速高效求解调度方案的技术方法。

发明内容

本发明的目的是根据上述现有技术的不足之处，提供一种考虑冲突的AGV调度与数量联合优化方法，以解决上述问题。

为实现上述目的，本发明提供了一种考虑冲突的AGV调度与数量联合优化方法，其包括：

S1.获取自动化无人仓库的地图数据和任务数据；

S2.根据地图数据和任务数据，计算任务执行顺序约束；

S3.基于执行顺序约束，将任务之间的约束转化成网络结构，构建AGV调度备选网络；

S4.基于构建的AGV调度备选网络，计算最小路径覆盖问题，得到候选解集合；计算备选解集合中的冲突最少的候选解作为最终的调度方案。

本发明的进一步改进在于：地图数据为无人仓库的货架位置、AGV停车位、AGV行驶边、边之间的冲突关系、出入货口；任务数据包括任务的起点、任务的终点、任务到达时间、任务起点到终点的最短路径。

本发明的进一步改进在于：步骤S2具体包括：

基于当前任务的到达时间和任务起点到终点最短路径的运输时间，预估任务执行完成的时间，其中任务起点到终点最短路径是通过路径规划算法A星算法预先计算得到的，根据AGV行驶速度与最短路径长度来估计运输时间；

基于当前任务执行完成时间和当前任务终点到下一个任务起点的运输时间，计算AGV在执行完当前任务后行驶到达下一个任务起点的时间，若到达时间早于下一个任务的开始时间，则两个任务符合执行顺序约束。

本发明的进一步改进在于：步骤S3中，将每个任务用节点表示，顺序连接转化为节点间的有向连接，以构建AGV调度备选网络；网络中连接的两个节点表明两个任务符合执行顺序约束，可以由一辆AGV连续执行。

本发明的进一步改进在于：步骤S4具体包括：

基于AGV调度备选网络，将AGV数量配置与调度问题转化成图论当中的最小路径覆盖问题，使用二部图最大匹配/最小费用最大流算法对其求解得到若干个候选解，候选解包括最少的AGV数量及其对应的调度方案；计算各候选解的AGV行驶路径上冲突边的数目，并选取冲突边最少的候选解作为最终的调度方案。

本发明提供的方案具有以下技术效果：

(1)求解速度显著提高：如图所示，对比数学规划模型的求解速度，实现了数量级级别的提升，并且求解速度非常稳定，受到任务数增加的影响很小；

(2)求解质量提高：通过引入对调度方案的冲突平均指标，能够从前k个理论最优方案中选出实际执行任务时发生冲突更少的调度方案，减少了平均10％的最大完工时间。

附图说明

图1是本发明考虑冲突的AGV调度与数量联合优化方法的流程图；

图2是AGV调度备选网络的示意图；

图3是一个候选解(最少不相交调度序列)的示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

为了阐释的目的而描述了本发明的一些示例性实施例，需要理解的是，本发明可通过附图中没有具体示出的其他方式来实现。

本发明的实施例包括一种考虑冲突的AGV调度与数量联合优化方法，设计了无人仓库AGV系统的“AGV调度备选网络”，将AGV数量配置与调度问题转化成网络最小路径覆盖问题，能够同时计算得到最优的数量配置和调度方案，同时结合AGV系统特征，考虑到了AGV共享路径网络存在的竞争冲突问题，设计了对调度方案的评估指标，通过指标评估选择最终在实际运行时最优(即最大完成时间最小)的调度方案。

如图1所示，本发明的方法具体包括：

1.获取自动化无人仓库的地图数据和任务数据，地图数据为无人仓库的货架位置、AGV停车位、AGV行驶边、行驶边之间的冲突关系、出入货口；任务数据包括任务的起点货架(入货口)、任务的终点出货口(货架)、任务到达时间、任务起点到终点的最短路径。

2.根据地图数据和任务数据，计算任务执行顺序约束；所述的任务执行顺序约束是用来确定某个AGV执行完当前任务后，能够继续执行哪些任务，需要考虑时间上的可行性。具体的：

(2.1)基于当前任务的到达时间和任务起点到终点最短路径的运输时间，预估任务执行完成的时间，其中任务起点到终点最短路径是通过路径规划算法A星算法预先计算得到的，根据AGV行驶速度与最短路径长度来估计运输时间；

(2.2)基于当前任务执行完成时间和当前任务终点到下一个任务起点的运输时间，计算AGV在执行完当前任务后行驶到达下一个任务起点的时间，若到达时间早于下一个任务的开始时间，则两个任务符合执行顺序约束；

3.基于执行顺序约束，将任务之间的约束转化成网络结构，构建AGV调度备选网络，如图2所示：

(3.1)左侧为常规无人仓库的示意图，包含入货口、出货口、AGV停车场以及顺序摆放的货架，使用有标注的黑色有向箭头代表任务，图中T₁～T₆为入货/出货任务，箭头从任务起点出发，沿指定最短路径指向任务终点，根据顺序执行约束，可以判断T_j是否能在T_i之后由同一辆AGV执行，在左侧图中未标注的黑色有向箭头表示顺序连接，从上一任务终点出发，沿指定最短路径指向下一任务起点，表示这两个任务可以由同一辆AGV顺序执行，由此可以得到任务之间的顺序执行约束；

(3.2)将每个任务用节点表示，顺序连接转化为节点间的有向连接，就可以构建直观的AGV调度备选网络，如图右侧所示。

本步骤中，在构建AGV调度备选网络时，添加边的条件保证了每条边都是有向的，并且时间的非循环性质可以保证不存在环，因此任何AGV调度备选网络都是有向无环图，可以转化成二部图最大匹配问题来有效和最优地解决，二部图最大匹配问题可以转化成网络最大流问题求解，从而得到AGV调度与数量同时最优的方案。

4.基于构建的AGV调度备选网络，求解最小路径覆盖问题，得到候选解集合。候选解集合包括多个候选解，每个候选解都是AGV调度备选网络中的最少不相交调度序列组合，能够给出最少的AGV数量与对应调度方案。

(4.1)AGV调度备选网络中连接两个节点表明两个任务可以由一辆AGV连续执行，而网络中的路径则对应一辆车可以执行的一系列任务，即能够由单个AGV顺序执行的调度序列，因此，根据AGV调度备选网络可以得到所有能够由单个AGV执行的调度序列；通过求解最小路径覆盖问题，可以得到多个解，每个解包括多个不相交且覆盖AGV调度备选网络所有节点的调度序列。

(4.2)在每个候选解中，各调度序列不相交，从而确保每个任务仅由一个AGV进行执行。本方法采用的求解方法，可使得候选解中调度序列的数目尽可能少，从而尽量减少执行任务所需的AGV数目。图3所示为一个候选解的示例，从构建好的AGV调度备选网络中，求解最少不相交调度序列(AGV行驶路径上冲突边最少的调度序列组合)，可以得到4条路径，对应执行所有任务需要的最少AGV数量为4，并且4条路径就是各个AGV的调度任务序列；

5.根据上述的计算方法可以得到多个候选解，实际还需要考虑任务执行时AGV之间的冲突问题，通过考虑调度序列对应路径之间的冲突数量，可以得到在实际执行任务时，冲突发生较少的调度方案，减少因为冲突导致的车辆等待延迟时间；

(5.1)假设AGV 1行驶路线为R_ij＝[a_i,…,a_j]，AGV 2行驶路线为R_pm＝[a_p,…,a_m]，如果边a_i′∈R_ij与边a_p′∈R_pm之间存在冲突关系，即a_p′∈C(i′)，C(i′)是边a_i′的冲突边集合，那么a_i′∈R_ij与边a_p′∈R_pm为一对冲突边。

(5.2)可以看出，上述计算方式可以离线计算完成，并且对于一张地图只需要计算一次。根据上述计算方法，可以对最小路径覆盖问题求得的前k个最优的调度方案计算冲突数目，即计算解当中各个路径(代表一辆AGV行驶)之间的可能发生的冲突数目，选择冲突数目最小的解作为最终的最优调度方案。

(5.3)根据上述方法可以计算得到调度方案中不同调度序列之间的冲突数量总和，对多个调度方案进行计算评估，选择总冲突数量最少的调度方案(候选解)作为最终的调度

为了评估本发明方法用于无人仓库AGV数量与调度问题的性能，使用某企业真实地图与任务数据对算法进行测试，地图中包含1800个货架库位、8个出入货口、AGV停车位、8421条边等，使用常规的AGV数量与调度多目标优化模型作为对比模型，其目标函数分别为最小化车辆数和最小化最后一个任务的完成时间；

如表1所示，随着任务数量的增加，两种方法都能够获得执行任务所需的最少AGV数量以及调度方案，其中图论方法求解时间始终在4秒以内，使用Gurobi求解对比模型的计算时间则随着任务数量增加而显著增加，50个任务的求解时间已经超过1000秒，在求解效率上，图论方法不仅求解速度快，还能够保持稳定的求解速度，受到问题规模影响很小。

表-1

如表2所示，列举了不同任务数的情况下，使用Gurobi求解对比优化模型和使用图论方法得到的调度序列输入到无冲突规划算法中得到的最大完工时间，这里无冲突规划算法基于时间窗算法完成的，其中Gap指的是算法得到的调度序列的无冲突最大完工时间和生成调度序列时计算的预计最大完工时间之间的百分比差值，Dev指的是两个算法得到的无冲突最大完工时间之间的百分比差值。

表2

从表2可知，相对于对比优化方法得到的结果，图论算法能够更好地考虑冲突的情况，缩小了调度计算和实际无冲突规划之间的差距，平均能够减少10％以上的时间，因此，考虑冲突数目的评价指标能够使得各个任务尽可能地准时出发，准点到达，总延误时间相对更短。

综上所述，相对于对比优化方法得到的结果，图论算法能够更好地考虑冲突的情况，缩小了调度计算和实际无冲突规划之间的差距，平均能够减少10％以上的时间，因此，考虑冲突数目的评价指标能够使得各个任务尽可能地准时出发，准点到达，总延误时间相对更短。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims

1.一种考虑冲突的AGV调度与数量联合优化方法，其特征在于包括：

S1.获取自动化无人仓库的地图数据和任务数据；

S2.根据地图数据和任务数据，计算任务执行顺序约束；

2.根据权利要求1所述的一种考虑冲突的AGV调度与数量联合优化方法，其特征在于：地图数据为无人仓库的货架位置、AGV停车位、AGV行驶边、边之间的冲突关系、出入货口；任务数据包括任务的起点、任务的终点、任务到达时间、任务起点到终点的最短路径。

3.根据权利要求2所述的一种考虑冲突的AGV调度与数量联合优化方法，其特征在于，步骤S2具体包括：

4.根据权利要求3所述的一种考虑冲突的AGV调度与数量联合优化方法，其特征在于，步骤S3中，将每个任务用节点表示，顺序连接转化为节点间的有向连接，以构建AGV调度备选网络；网络中连接的两个节点表明两个任务符合执行顺序约束，可以由一辆AGV连续执行。

5.根据权利要求4所述的一种考虑冲突的AGV调度与数量联合优化方法，其特征在于，步骤S4具体包括：

基于AGV调度备选网络，将AGV数量配置与调度问题转化成最小路径覆盖问题，使用二部图最大匹配/最小费用最大流算法对其求解得到若干个候选解，候选解包括最少的AGV数量及其对应的调度方案；

计算各候选解的AGV行驶路径上冲突边的数目，并选取冲突边最少的候选解作为最终的调度方案。