CN116070882B - 时序约束下基于边际成本的多机器人协同任务分配方法 - Google Patents
时序约束下基于边际成本的多机器人协同任务分配方法 Download PDFInfo
- Publication number
- CN116070882B CN116070882B CN202310273602.3A CN202310273602A CN116070882B CN 116070882 B CN116070882 B CN 116070882B CN 202310273602 A CN202310273602 A CN 202310273602A CN 116070882 B CN116070882 B CN 116070882B
- Authority
- CN
- China
- Prior art keywords
- target point
- robot
- access
- allocated
- target
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003780 insertion Methods 0.000 claims description 18
- 230000037431 insertion Effects 0.000 claims description 18
- 125000002015 acyclic group Chemical group 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 230000002068 genetic effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06Q10/06314—Calendaring for a resource
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Numerical Control (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种时序约束下基于边际成本的多机器人协同任务分配方法,属于机器人任务分配技术领域,包括:基于各目标点允许最早访问的时间,计算各机器人当前任务计划表中各个已分配目标点的规划访问时间;判断各机器人当前任务计划表中是否存在规划访问时间被更新的目标点,若是,更新各个已分配目标点在原始有向无环图中所有子目标点允许最早访问的时间;否则,将引起最小边际成本的待分配目标点分配给对应机器人,并将该目标点插入到对应机器人任务计划表中最小边际成本对应位置;在当前有向无环图中,删除刚分配的目标点及与其相连的有向边,并根据新的有向无环图迭代进行任务分配。本发明可以有效改善现有技术搜索效率低、耗时长的缺点。
Description
技术领域
本发明涉及机器人任务分配技术领域,具体涉及一种时序约束下基于边际成本的多机器人协同任务分配方法。
背景技术
多机器人协同任务分配问题是机器人领域的关键问题之一。随着社会的高速发展及工业生产智能化程度的不断提高,需要机器人执行任务的形式日益多样化。在物流配送、灾害救援、军事打击等领域,一些任务由于其重要性或紧迫性,往往需要优先于其它任务被执行。在这种情况下,机器人不但需要连续访问多个目标点,还需要遵守目标点之间的时序约束。此类问题的关键研究内容是确定哪个机器人访问哪些目标点,使得在满足目标点时序约束的同时,最小化多个机器人访问所有目标点所消耗的总时间。
在现有技术中,可将任务分配方法分为精确算法和启发式算法。针对含时序约束的任务规划问题,经典的精确算法有分支定界法:其基本思想是对时序约束条件下优化问题的所有可行解空间进行搜索,当可行解空间过大时,搜索效率比较低,无法在多项式时间内最优求解NP-hard优化问题;经典的启发式算法有遗传算法:其原理简单、适用性广,能够在多项式时间内获得大规模优化问题的次优解,但是其无法应对机器人访问各个目标点所要遵循的时序约束,需要结合拓扑排序技术来解决时序约束下的单机器人多点访问任务规划问题,同时遗传算法局部搜索能力不足、耗时长。
发明内容
本发明的目的在于提供一种时序约束下基于边际成本的多机器人协同任务分配方法,以较小的计算量有效地提升了解的质量,改善了现有技术搜索效率低、耗时长的缺点。
本发明解决上述技术问题的技术方案如下:
本发明提供一种时序约束下基于边际成本的多机器人协同任务分配方法,所述时序约束下基于边际成本的多机器人协同任务分配方法包括:
S1:根据各机器人的初始位置和各待访问目标点的位置,得到各机器人与各待访问目标点之间的欧式距离矩阵;
S2:获取各机器人当前任务计划表中各目标点允许最早访问的时间戳;
S3:根据各机器人与各目标点之间的欧式距离以及各目标点允许最早访问的时间戳,计算各机器人当前任务计划表中各个已分配目标点的规划访问时间;
S4:判断各机器人当前任务计划表中是否存在规划访问时间被更新的目标点,若是,进入步骤S5;否则,进入步骤S6;
S5:更新已分配目标点集合中所有目标点在原始有向无环图中的各个子目标点允许最早访问的时间戳并返回步骤S3;
S6:获取当前有向无环图中入度为零的目标点集合;
S7:根据已分配目标点的规划访问时间,标记各待分配目标点在各机器人当前任务计划表中满足时序约束的所有可行插入位置;其中,所述待分配目标点属于当前有向无环图中入度为零的目标点集合;
S8:确定各待分配目标点在其可行插入位置中最小边际成本对应的插入位置;
S9:将所有待分配目标点和其在各机器人任务计划表中最小边际成本对应的插入位置进行最小边际成本匹配,以将引起最小边际成本的待分配目标点分配给对应机器人,并将所述引起最小边际成本的待分配目标点插入至该机器人当前任务计划表中最小边际成本所对应的插入位置,以更新该机器人当前的任务计划表;
S10:将刚分配的目标点添加至已分配目标点集合中,并在当前的有向无环图中删除刚分配的目标点及与其相连的有向边,形成新的有向无环图;
S11:判断新的有向无环图中目标点的个数是否为0,若是,结束当前任务分配;否则,返回步骤S2。
可选择地,所述步骤S3包括:
S31:根据各目标点允许最早访问的时间戳和各机器人与各目标点之间的欧式距离,计算各目标点的规划访问时间戳;
S32:根据各任务计划表中最后一个目标点的规划访问时间戳,得到各机器人访问当前任务计划表中所有已分配目标点需要的时间。
其中,表示机器人当前任务计划表,/>表示/>中第一个目标点,/>为目标点/>允许最早访问的时间戳,/>表示机器人j初始位置与目标点之间的欧式距离,/>为机器人j的运动速度,当/>时,表示机器人j在目标点/>未被允许访问时就已经到达了该目标点,此时机器人j需等待至时刻才能访问目标点/>,等待时间计算为/>;若/>,则机器人到达目标点/>后立即访问,不需要等待;
其中,表示/>中第/>个目标点,/>为目标点/>允许最早访问的时间戳,/>表示目标点/>与目标点/>之间的欧式距离,/>为机器人j的运动速度,/>为目标点/>的规划访问时间戳,当/>时,表示机器人j在目标点/>未被允许访问时就已经到达了该目标点,此时机器人/>需等待至/>时刻才能访问目标点,等待时间计算为/>;若,则机器人到达目标点/>后立即访问,不需要等待。
可选择地,在所述步骤S5之前,所述方法还包括:
基于原始有向无环图,构建n行n列的邻接矩阵A,其中,A中各元素为0或1,当第a行第b列的元素为1时表示存在从目标点a指向目标点b的有向边,否则表示不存在从目标点a指向目标点b的有向边,所述有向边表示机器人访问各目标点所要遵循的时序约束,即目标点a需要在目标点b之前被机器人访问,此时称目标点b为目标点a的子目标点。
可选择地,所述步骤S7包括:
其中,表示机器人j当前的任务计划表,/>表示目标点/>在/>中的位置,/>表示待分配目标点/>在/>的可行插入位置,/>表示将待分配目标点/>插入/>的第/>个位置后的任务计划表,/>表示机器人j访问/>中所有已分配目标点需要的时间,/>表示机器人j访问/>中所有已分配目标点需要的时间。
可选择地,所述步骤S9包括:
其中,表示引起最小边际成本的待分配目标点,/>表示目标点/>所分配给的机器人,/>表示待分配目标点,/>表示当前有向无环图中入度为零的目标点集合,/>表示将待分配目标点/>插入/>的第/>个位置后的任务计划表,/>表示机器人j访问中所有已分配目标点需要的时间,/>表示机器人j访问/>中所有已分配目标点需要的时间,J表示机器人集合。
本发明具有以下有益效果:
1、本发明结合拓扑排序技术的同时,用两个时间戳来分别表示每个目标点允许最早访问的时间和的规划访问时间,可以很好地应对多个机器人访问各个目标点所要遵循的时序约束,保证了解的可行性,规避了遗传算法局部搜索能力不足的缺点;
2、本发明迭代地将待访问目标点插入到任务计划表中,在改善解质量的同时,避免了庞大的计算,与遗传算法相比耗时更短。
附图说明
图1为本发明时序约束下基于边际成本的多机器人协同任务分配方法的流程图;
图2为本发明表示7个待访问目标点时序约束的有向无环图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明提供一种时序约束下基于边际成本的多机器人协同任务分配方法,参考图1所示,所述时序约束下基于边际成本的多机器人协同任务分配方法包括:
S1:根据各机器人的初始位置和各待访问目标点的位置,得到各机器人与各待访问目标点之间的欧式距离矩阵;
S2:获取各机器人当前任务计划表中各目标点允许最早访问的时间戳;
S3:根据各机器人与各目标点之间的欧式距离以及各目标点允许最早访问的时间戳,计算各机器人当前任务计划表中各个已分配目标点的规划访问时间;
可选择地,所述步骤S3包括:
S31:根据各目标点允许最早访问的时间戳和各机器人与各目标点之间的欧式距离,计算各目标点的规划访问时间戳;
其中,表示机器人当前任务计划表,/>表示/>中第一个目标点,/>为目标点/>允许最早访问的时间戳,/>表示机器人j初始位置与目标点之间的欧式距离,/>为机器人j的运动速度,当/>时,表示机器人j在目标点/>未被允许访问时就已经到达了该目标点,此时机器人j需等待至时刻才能访问目标点/>,等待时间计算为/>;若,则机器人到达目标点/>后立即访问,不需要等待;
其中,表示/>中第/>个目标点,/>为目标点/>允许最早访问的时间戳,/>表示目标点/>与目标点/>之间的欧式距离,/>为机器人j的运动速度,/>为目标点/>的规划访问时间戳,当/>时,表示机器人j在目标点/>未被允许访问时就已经到达了该目标点,此时机器人/>需等待至/>时刻才能访问目标点,等待时间计算为/>;若,则机器人到达目标点/>后立即访问,不需要等待。
S32:根据各任务计划表中最后一个目标点的规划访问时间戳,得到各机器人访问当前任务计划表中所有已分配目标点需要的时间。
S4:判断各机器人当前任务计划表中是否存在规划访问时间被更新的目标点,若是,进入步骤S5;否则,进入步骤S6;
S5:更新已分配目标点集合中所有目标点在原始有向无环图中的各个子目标点允许最早访问的时间戳并返回步骤S3;
在此之前,所述方法还包括:
基于原始有向无环图,构建n行n列的邻接矩阵A,其中,A中各元素为0或1,当第a行第b列的元素为1时表示存在从目标点a指向目标点b的有向边,否则表示不存在从目标点a指向目标点b的有向边,所述有向边表示机器人访问各目标点所要遵循的时序约束,即目标点a需要在目标点b之前被机器人访问,此时称目标点b为目标点a的子目标点。
S6:获取当前有向无环图中入度为零的目标点集合;
当迭代地对各个任务进行分配时,在当前时序约束图中找出入度为零的各个待分配目标点的具体方法为:针对图中的每个目标点i,依次检查的值是否都为0,如果是,则表示目标点/>的入度为零,将其添加到入度为零的待分配目标点集合I 0中,即/>。
S7:根据已分配目标点的规划访问时间,标记各待分配目标点在各机器人当前任务计划表中满足时序约束的所有可行插入位置;其中,所述待分配目标点属于当前有向无环图中入度为零的目标点集合;
可选择地,所述步骤S7包括:
S8:确定各待分配目标点在其可行插入位置中最小边际成本对应的插入位置;
其中,表示机器人j当前的任务计划表,/>表示目标点/>在/>中的位置,/>表示待分配目标点/>在/>的可行插入位置,/>表示将待分配目标点/>插入/>的第/>个位置后的任务计划表,/>表示机器人j访问/>中所有已分配目标点需要的时间,/>表示机器人j访问/>中所有已分配目标点需要的时间。
S9:将所有待分配目标点和其在各机器人任务计划表中最小边际成本对应的插入位置进行最小边际成本匹配,以将引起最小边际成本的待分配目标点分配给对应机器人,并将所述引起最小边际成本的待分配目标点插入至该机器人当前任务计划表中最小边际成本所对应的插入位置,以更新该机器人当前的任务计划表;
即:
其中,表示引起最小边际成本的待分配目标点,/>表示目标点/>所分配给的机器人,/>表示待分配目标点,/>表示当前有向无环图中入度为零的目标点集合,/>表示将待分配目标点/>插入/>的第/>个位置后的任务计划表,/>表示机器人j访问中所有已分配目标点需要的时间,/>表示机器人j访问/>中所有已分配目标点需要的时间,J表示机器人集合。
S10:将刚分配的目标点添加至已分配目标点集合中,并在当前的有向无环图中删除刚分配的目标点及与其相连的有向边,形成新的有向无环图;
S11:判断新的有向无环图中目标点的个数是否为0,若是,结束当前任务分配;否则,返回步骤S2。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种时序约束下基于边际成本的多机器人协同任务分配方法,其特征在于,所述时序约束下基于边际成本的多机器人协同任务分配方法包括:
S1:根据各机器人的初始位置和各待访问目标点的位置,得到各机器人与各待访问目标点之间的欧式距离矩阵;
S2:获取各机器人当前任务计划表中各目标点允许最早访问的时间戳;
S3:根据各机器人与各目标点之间的欧式距离以及各目标点允许最早访问的时间戳,计算各机器人当前任务计划表中各个已分配目标点的规划访问时间;
S4:判断各机器人当前任务计划表中是否存在规划访问时间被更新的目标点,若是,进入步骤S5;否则,进入步骤S6;
S5:更新已分配目标点集合中所有目标点在原始有向无环图中的各个子目标点允许最早访问的时间戳并返回步骤S3;
S6:获取当前有向无环图中入度为零的目标点集合;
S7:根据已分配目标点的规划访问时间,标记各待分配目标点在各机器人当前任务计划表中满足时序约束的所有可行插入位置;其中,所述待分配目标点属于当前有向无环图中入度为零的目标点集合;
S8:确定各待分配目标点在其可行插入位置中最小边际成本对应的插入位置;
S9:将所有待分配目标点和其在各机器人任务计划表中最小边际成本对应的插入位置进行最小边际成本匹配,以将引起最小边际成本的待分配目标点分配给对应机器人,并将所述引起最小边际成本的待分配目标点插入至该机器人当前任务计划表中最小边际成本所对应的插入位置,以更新该机器人当前的任务计划表;
S10:将刚分配的目标点添加至已分配目标点集合中,并在当前的有向无环图中删除刚分配的目标点及与其相连的有向边,形成新的有向无环图;
S11:判断新的有向无环图中目标点的个数是否为0,若是,结束当前任务分配;否则,返回步骤S2;
2.根据权利要求1所述的时序约束下基于边际成本的多机器人协同任务分配方法,其特征在于,所述步骤S3包括:
S31:根据各目标点允许最早访问的时间戳和各机器人与各目标点之间的欧式距离,计算各目标点的规划访问时间戳;
S32:根据各任务计划表中最后一个目标点的规划访问时间戳,得到各机器人访问当前任务计划表中所有已分配目标点需要的时间。
3.根据权利要求2所述的时序约束下基于边际成本的多机器人协同任务分配方法,其特征在于,所述步骤S31中,各目标点的规划访问时间戳包括当前任务计划表中第1个目标点的规划访问时间戳/>和第/>个目标点的规划访问时间戳;
其中,表示机器人当前任务计划表,/>表示/>中第一个目标点,/>为目标点/>允许最早访问的时间戳,/>表示机器人j初始位置与目标点/>之间的欧式距离,/>为机器人j的运动速度,当/>时,表示机器人j在目标点/>未被允许访问时就已经到达了该目标点,此时机器人j需等待至/>时刻才能访问目标点/>,等待时间计算为/>;若/>,则机器人到达目标点/>后立即访问,不需要等待;
4.根据权利要求1所述的时序约束下基于边际成本的多机器人协同任务分配方法,其特征在于,在所述步骤S5之前,所述方法还包括:
基于原始有向无环图,构建n行n列的邻接矩阵A,其中,A中各元素为0或1,当第a行第b列的元素为1时表示存在从目标点a指向目标点b的有向边,否则表示不存在从目标点a指向目标点b的有向边,所述有向边表示机器人访问各目标点所要遵循的时序约束,即目标点a需要在目标点b之前被机器人访问,此时称目标点b为目标点a的子目标点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310273602.3A CN116070882B (zh) | 2023-03-21 | 2023-03-21 | 时序约束下基于边际成本的多机器人协同任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310273602.3A CN116070882B (zh) | 2023-03-21 | 2023-03-21 | 时序约束下基于边际成本的多机器人协同任务分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116070882A CN116070882A (zh) | 2023-05-05 |
CN116070882B true CN116070882B (zh) | 2023-06-02 |
Family
ID=86175196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310273602.3A Active CN116070882B (zh) | 2023-03-21 | 2023-03-21 | 时序约束下基于边际成本的多机器人协同任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116070882B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113671985A (zh) * | 2021-07-28 | 2021-11-19 | 中国人民解放军32146部队 | 一种分阶段多基地无人机任务分配和航迹规划方法 |
CN114740883A (zh) * | 2022-03-09 | 2022-07-12 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种协同点侦察任务规划跨层联合优化方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108527367B (zh) * | 2018-03-28 | 2021-11-19 | 华南理工大学 | 一种多机器人协同作业任务的描述方法 |
CN113408949B (zh) * | 2021-07-15 | 2022-05-31 | 浙江大学 | 一种机器人时序任务规划方法及装置、电子设备 |
CN114091890A (zh) * | 2021-11-18 | 2022-02-25 | 南京航空航天大学 | 一种面向多机器人避碰耦合规划问题的大部件协同加工规划方法 |
-
2023
- 2023-03-21 CN CN202310273602.3A patent/CN116070882B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113671985A (zh) * | 2021-07-28 | 2021-11-19 | 中国人民解放军32146部队 | 一种分阶段多基地无人机任务分配和航迹规划方法 |
CN114740883A (zh) * | 2022-03-09 | 2022-07-12 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种协同点侦察任务规划跨层联合优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116070882A (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034468B (zh) | 一种基于布谷鸟算法的带时间窗的物流配送路径规划方法 | |
Liu et al. | Deep reinforcement learning for dynamic scheduling of a flexible job shop | |
CN110134146B (zh) | 一种不确定环境下的分布式多无人机任务分配方法 | |
CN110046865B (zh) | 分布式库存调度方法 | |
Iwata et al. | AntMap: constructing genetic linkage maps using an ant colony optimization algorithm | |
CN107895225B (zh) | 一种多Agent无冲突的合作型任务分配方法 | |
CN109685243B (zh) | 一种基于遗传算法的作业车间物流配送路径优化方法 | |
CN110705742A (zh) | 一种基于改进蚁群算法的物流配送方法 | |
CN110413611A (zh) | 数据存储、查询方法及装置 | |
CN111008521B (zh) | 生成宽表的方法、装置及计算机存储介质 | |
Xi et al. | A new method for solving buffer allocation problem in large unbalanced production lines | |
US20100005273A1 (en) | Method for selecting node in network system and system thereof | |
CN106611275A (zh) | 针对作业车间生产问题的排产算法 | |
CN113064392B (zh) | 基于矩阵车间agv调度的离散型优化方法 | |
CN110928261B (zh) | 分布式异构流水车间的分布估计调度方法及系统 | |
CN116070882B (zh) | 时序约束下基于边际成本的多机器人协同任务分配方法 | |
CN104573880B (zh) | 一种用于物流配送领域的路径优化方法 | |
CN107291746A (zh) | 一种存储和读取数据的方法及设备 | |
CN109377111B (zh) | 基于改进模拟退火算法的作业调度方法和装置 | |
CN110837950A (zh) | 一种rgv的动态调度方法 | |
CN115456268A (zh) | 一种导向辊制造资源优化配置方法、装置、设备及介质 | |
CN115438451A (zh) | 一种光伏组件串线排布确定方法、装置及电子设备 | |
CN114610058A (zh) | 一种集群飞行器多任务分布式任务分配方法 | |
CN107249029B (zh) | 主动领取任务的方法、工作节点、系统及存储介质 | |
CN109635032A (zh) | 一种数据转换的方法及终端 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |