CN116451888B - 基于多agv的柔性生产车间协同调度的方法 - Google Patents

Abstract

本发明属于车间物流配送技术领域，公开了基于多AGV的柔性生产车间协同调度的方法，包括根据车间机器的位置和加工工序的时间，AGV实时位置和订单工序集。建立的加工机器和AGV的生产车间实时数据库。改进A*算法加入实时碰撞代价对多AGV进行路径规划使路径规划后减少碰撞和等待时间。通过改进贪心方法将所有订单分配给所有AGV，得到车间内AGV运输和生产协同实时调度表。通过实时调度降低单个订单动态等待时间。本发明利用AGV实时位置信息，订单信息和加工机器信息对AGV进行路径规划，减少订单等待分配AGV的时间，避免多AGV在运输中阻塞同时减少单个订单的完成时间，进而最小化最大制造时间。

Description

基于多AGV的柔性生产车间协同调度的方法

技术领域

本发明涉及车间物流配送技术领域，更具体的说涉及一种柔性车间生产环境下的多AGV生产-物流协同调度方法。

背景技术

近年来随着工业不断的发展，制造业，尤其是柔性车间制造业的自动化生产、信息化的发展成为企业壮行升级的方向。同时，随着自动化技术和车间智能化技术的不断发展，自动导引小车(Automated Guided Vehicle,AGV)作为一种灵活高效的输送设备在制造系统中得到广泛应用。据相关资料统计，制造业中不足5％的时间用于加工装配，而超过95％的时间用于物料配送，因此物料的及时准确供应直接关系到生产线的流畅性。已有研究表明，合理的AGV分配与路径规划可有效提高物料配送效率和准确率。目前，在国内AGV数量呈现快速增长的趋势，AGV的布局都开始了应用在汽车工业、物流仓储、医疗和烟草制造等行业。由于柔性生产车间的限制。但是现有的AGV应用受制于车间的空间布局，在AGV和生产协同调度过程中往往侧重于避免AGV拥堵，而忽略了加工总时间优化，使得车间内AGV即使不发生拥堵，但是却没有达到最高的工作效率。

传统作业车间调度问题中，每个工件的加工工序是预先确定的，意味着每道工序的加工机器和加工时间是预先确定的。而在柔性作业车间调度问题中，每道工序的加工机器不用预先确定，可以在多种加工机器上选择一种进行加工，通常不同的加工机器伴随着不同的加工时间。FJSP具有生产灵活性，更贴近实际，是企业迫切需要解决的问题。有关研究表明：车间实际生产中，有效的调度方式可以提高生产效率，降低生产成本。在相关的柔性作业车间调度中考虑运输时间的柔性作业车间调度可进一步提升车间系统生产效率。

车间调度往往集中在把运输时间这个因素作为一道工序放进生产调度中，而忽略了物料设备选择以及路径的规划，集成AGV调度与生产调度的柔性作业车间问题对先有技术中柔性车间内多AGV进行调度方改进。提高车间内效率，减少单个订单的完成时间进而最小化最大制造时间。

发明内容

本发明的目的是提供一种在柔性制造车间环境行的多AGV生产和运输协同调度的方法，提高车间内单个订单的完成时间和最小化最大制造时间。

为了实现上述的目的，本发明提供基于多AGV的柔性生产车间协同调度的方法，包括以下步骤：

1)根据车间机器的位置和加工工序的时间、AGV实时位置和订单工序集，构建加工机器和AGV的生产车间实时数据库；

2)根据加工机器和AGV的生产车间实时数据库，AGV通过获得的订单工序，采用改进A*算法加入碰撞代价对多AGV进行路径规划，以选取运输到加工机器状态为空闲的机器加工；

3)通过贪心算法所有订单分配给所有AGV，得到车间内AGV运输和生产协同实时调度表。

所述订单包括工件订单的开始时间、不同工件的订单工序集和订单的交货期。

所述构建加工机器和AGV的生产车间实时数据库，包括以下步骤：

获取车间内所有的工件订单、车间内所有加工机器的位置和该机器加工工序的时间、以及机器的状态；

获取AGV实时位置、速度和当前AGV运输的工件信息；获取所有车间内设定的关键路径点、订单取货点和订单的出口点；

构建车间实时数据库。

所述采用改进A*算法加入碰撞代价对多AGV进行路径规划，包括以下步骤：

步骤1：将AGV当前所在位置I起点加入open列表中，并设置优先级为0，终点位置为J，0表示最高优先级；

步骤2：如果open列表不为空，则计算open列表中所有节点的综合代价F(N)，选取综合代价F(N)最小的节点为节点n：

步骤3：如果节点n为AGV行驶的目标终点J，则从终点节点J开始逐步追踪自身的父节点，一直达到AGV当前所在位置I起点；返回AGV当前所在起点位置I到终点J的AGV的行驶路径节点，算法结束；

步骤4：如果节点n不是目标终点，则将节点n从open列表中删除，并加入close列表中；遍历节点n所有的邻近节点m：

步骤5：如果邻近节点m在close列表中，则跳过选取下一个邻近节点；

步骤6：如果邻近节点m不在open列表中，则设置节点m的父节点n，计算节点m的综合代价F(N)，将节点m加入open列表中；返回步骤2。

所述采用改进A*算法加入碰撞代价对多AGV进行路径规划，结合AGV所在位置、加工机器空闲情况和位置信息选取空闲的机器作为目标点，采用如下的评估函数进行评估，使综合代价最小：

计算AGV当前所在位置的路径点综合代价：

F(N)＝g(n)+h(n)+s(Tn)

F(N)代表当前路径点综合代价，g(n)代表当前路径点距离起点代价，h(n)代表当前路径点距离目标点的代价，s(Tn)代表当前时间路径点到车间内所有小车实时位置的碰撞代价；所有代价均使用曼哈顿距离得到；

选择F(N)最小的路径点为AGV移动的下一个目标路径点。

通过贪心算法所有订单分配给所有AGV，包括以下步骤：

步骤1)如果在车间实时数据库有未分配的工件订单，执行步骤2)，否则，退出算法；

步骤2)判断所有AGV当前状态，如果没有处在空闲状态的AGV，等待所有AGV执行完自身工件订单任务，直到有一个AGV状态改变；否则，执行步骤3)；

步骤3)将当前未分配的工件订单分配给空闲状态AGV，AGV开始执行自身工件订单任务，返回步骤1。

所述将所有订单分配给所有AGV，通过优化目标函数实现最小化最大制造时间，通过下式实现：

MinT_c＝Min{Max{T_d|d＝1，2，3…j}}

T_c表示最大制造时间；

其中，所有AGV完成所有分配订单的时间b_i表示通过贪心方法得到AGV分配的所有订单集合；/>表示AGV执行工件订单n_j的时间；/>R表示工件的所有工序在机器中加工时间之和，o_ji表示工件j的第i个工序。

所述AGV运输和生产协同实时调度表包括：所有AGV的实时行驶路线，AGV执行订单顺序时间表；所有工件订单的工序选取的执行加工机器表；生产车间内所有加工机器加工工序的时间表。

基于多AGV的柔性生产车间协同调度系统，包括：

物理层，用于存储车间机器的位置和加工工序的时间、AGV实时位置和订单工序集；

逻辑层，通过加工机器和AGV的生产车间实时数据库，构建车间实时虚拟定位地图，采用改进A*算法加入碰撞代价对多AGV进行路径规划，以选取运输到加工机器状态为空闲的机器加工；将所有订单通过贪心算法分配给所有AGV；

调度层，用于实现AGV自身对订单任务的管理；

生产层，用于实现生产控制。

本发明具有以下有益效果及优点：

1.本发明将柔性车间生产中加工机器的选择以及路径的规划相结合，有利于有效的调度方式可以提高生产效率。

2.本发明利用AGV的实时位置信息，订单信息和加工机器信息建立车间实时定位地图，有利于AGV选取正确的加工路径。

3.本发明利用改进A*算法加入碰撞代价对多AGV进行路径规划，将出发点到目标点形成最优的路径，避免碰撞。

4.本发明通过最优路径和加工机器的选择减少单个订单的完成时间，进而最小化最大制造时间。

附图说明

为更清楚地说明本发明实例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，下面描述的附图仅仅是本发明的实施例。

图1是本发明柔性车间生产的实时定位总布局图；

图2是本发明的路径规划和生产协同调度方法流程图；

图3是本发明多AGV的柔性生产车间协同调度结构设计图。

具体实施方式

下面结合附图和实施例，对本发明内容作详细叙述：

为使本发明的上述目的、特征和有点能够更加明显易懂下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。

基于多AGV的柔性生产车间协同调度的方法，包括以下步骤：

包括多AGV的柔性生产车间协同调度结构设计。包括根据车间机器的位置和加工工序的时间，AGV实时位置和订单工序集。构建加工机器和AGV的生产车间实时数据库。改进A*算法加入碰撞代价对多AGV进行路径规划使路径规划后减少碰撞和等待时间。通过改进贪心方法将所有订单分配给所有AGV，得到车间内AGV运输和生产协同实时调度表。通过实时调度表对AGV订单进行调度降低最大制造时间。调度层通过改进贪心方法将所有订单分配给所有AGV，得到车间内AGV路径规划和生产协同实时调度表。最小化最大制造时间；

获取车间内所有的工件订单，获取车间内所有加工机器的位置和该机器加工工序的时间。获取机器的状态；

获取AGV实时时刻的位置，速度和当前AGV的工序的任务。获取所有车间内关键的路径点和订单取货点和订单的出口点；车间实时数据库建立车间实时虚拟定位地图；

根据柔性生产车间中订单中包括工件订单的开始时间，不同工件订单的工序集和订单的交货期。存在AGV运输工序可以选择加工工序相同的机器加工。订单任务中订单的工件都会有不同的生产路线。单个订单的完成时间是订单分配到AGV的时间加上订单的加工时间和运输时间。

AGV根据自身工序的任务包括AGV在获得工件订单信息，通过获得的订单工序选取运输到加工机器状态为空闲的机器加工。AGV根据自身订单运行状态和路径状态建立路径时间模型，通过运行改进A*算法加入碰撞代价对当前AGV进行路径规划防止碰撞。

多AGV的柔性生产车间协同调度结构设计。包括物理层、逻辑层、调度层和生产层；所述调度层用于实现AGV自身对订单任务的管理。物理层层用于存储AGV编号、加工任务及订单任务工序编号、订单的完成情况和实时的位置信息。加工机器二维坐标、加工的工序和状态。订单的工序集、开始加工时间和交货期。逻辑层用于实际的订单的分配。生产层用于实际的生产控制。

根据AGV自身对订单任务的管理：AGV当前的位置信息通过最近原则和机器空闲原则来选择最佳的加工机器。

最小化最大制造时间：所有AGV完成它分配的所有工件订单的时间，选取最大的时间为最大制造时间，最小化最大制造时间。

通过实时调度降低单个订单动态等待时间：单个订单的动态等待时间包括：机器空闲等待AGV运输工序到达的动态时间、机器正在加工等待空闲的动态时间和AGV运输的动态时间。单个订单的完成时间是订单分配到AGV的时间加上订单的加工时间和运输时间。

根据改进A*算法加入碰撞代价对多AGV进行路径规划：结合AGV所在位置、加工机器空闲情况和位置信息选取目标点采用如下的评估函数进行评估：

F(N)＝g(n)+h(n)+s(Tn)公式中，F(N)代表当前路径点综合优先级，g(n)代表当前路径点距离起点代价，h(n)代表当前路径点距离目标点的代价，s(Tn)代表当前时间路径点到车间内所有小车实时位置的碰撞代价。所有代价均使用曼哈顿距离计算。选择其中最小的代价点为路径点。

根据改进A*算法加入碰撞代价对多AGV进行路径规划：

步骤1：将起点加入open中，并设置优先级为0(优先级最高)；

步骤2：如果open不为空，则从open中计算选取综合代价F(N)最小的节点n：

步骤3：如果节点n为终点，则：从终点开始逐步追踪parent节点，一直达到起点；返回找到的通过目标节点和开始节点可以得到AGV的行驶路径。算法结束；

步骤4：如果节点n不是终点，则：将节点n从open中删除，并加入close中；遍历节点n所有的邻近节点m：

步骤5：如果邻近节点m在close中，则：跳过，选取下一个邻近节点

步骤6：如果邻近节点m也不在open中，则：设置节点m的parent为节点n计算节点m的综合代价将节点m加入open中。返回步骤2。

AGV自身对订单任务的管理：AGV当前的位置信息通过最近原则和机器空闲原则来选择最佳的加工机器。

最小化最大制造时间：所有AGV完成它分配的所有工件订单的时间，选取最大的时间为最大制造时间，最小化最大制造时间。

实施例1

目前在柔性作业车间调度问题中，每道工序的加工机器不用预先确定，可以在多种加工机器上选择一种进行加工，通常不同的加工机器伴随着不同的加工时间。柔性作业车间调度中考虑运输时间的柔性作业车间调度可进一步提升车间系统生产效率。

如图1所示，本发明使用二维坐标将所有的位置信息和车间生成实时的定位图建立车间实时定位地图，应用于车间内通过AGV运输工件订单完成加工任务，包括：

获取车间内所有加工机器的位置和该机器加工工序的时间。获取机器的状态；

获取AGV实时时刻的位置，速度和当前AGV的工序的任务。获取所有车间内关键的路径点和订单取货点和订单的出口点。

如图3所示：多AGV的柔性生产车间协同调度结构设计。包括物理层、逻辑层、调度层和生产层；所述调度层用于实现AGV自身对订单任务的管理。物理层层用于存储AGV编号、加工任务及订单任务工序编号、订单的完成情况和实时的位置信息。加工机器二维坐标、加工的工序和状态。订单的工序集、开始加工时间和交货期。逻辑层用于实际的订单的分配。生产层用于实际的生产控制。

AGV自身对订单任务的管理包括AGV在获得工件订单信息，通过获得的订单工序选取运输到加工机器状态为空闲的机器加工。AGV根据自身订单运行状态和路径状态建立路径时间模型，通过改进A*算法加入碰撞代价对当前AGV进行路径规划防止碰撞。

AGV根据自身状态如果电量小于一定20，则AGV状态变成加工状态去充电区充电。充电完成改变状态为空闲。

在本实施例中柔性作业车间内工件订单任务会有多个，每一个工件会用不同的生产路线及加工工序不同，没到工序只能到一台机器加工，存在相同的加工机器加工同一个工序。AGV会跟随服务一个工件订单任务。

如图1所示，加工机器1.1和加工机器1.2是加工相同工序1的并行机器。加工机器2.2和2.1是加工工序2的以此类推。

订单任务数据库包括调度层和数据层；调度层用于实现AGV自身对订单任务的管理。数据层用于存储AGV编号、加工任务及订单任务工序编号、订单的完成情况和实时的位置信息。加工机器二维坐标、加工的工序和状态。订单的工序集、开始加工时间和交货期。

在本实施例中，根据上述的任务数据库建立数学模型。柔性车间中一般以订单规划生产，且一个订单内包括多个工序加工任务。N＝{n₁，n₂，n₃，…，n_j}其中N表示订单集合。

其中每个订单n_j＝<ST_J，O_j，SF_j>，ST_J表示开始时间，O_j＝{o_j1，o_j2，o_j3，…，o_ju}表示工序集，o_jd表示订单j的第d个工序，SF_j表示为交货期。

柔性车间内会有加工机器M＝{m₁，m₂，m₃，…，m_d}，其中每个机器其中r_j表示当前加工机器的位置信息，/>表示当前工序i的加工时间，o_i表示当前机器的加工工序。R＝{r₁，r₂，r₃，…，r_j}表示位置集，每一个r_i＝<x，y>表示位置的二维坐标。

AGV集合D＝{d₁，d₂，d₃，…，d_j}，每个d_i＝<r_it，v，p_j>其中r_it表示AGVi当前的位置信息，V表示AGV速度，p_j表示任务集合。U_ij＝1表示订单n_j分配给AGVd_i。p_ij表示d_i执行n_j的路径。其中/>表示启发位置和终点位置，/>表示机器位置。d_ij表示AGV到机器位置i到机器位置j距离。b_i表示改进贪心方法得到AGVi分配的所有订单集。/>表示订单J等待机器加工的时间。

将t_nj订单中完成时间等于所有工序机器加工时长和AGV在工位之间运输时间和AGV等待机器加工的时间三者相加：r_i-1r_i表示AGV执行p_ij订单路径中第i-1的位置到i位置的距离；/>表示工件订单n_j中工序i的加工时间；其中AGVi完成所有分配订单的时间T_d就为：/>每一个订单任务中要确保每一个工件的工序加工完成：＝∑_i＝1o_ji，表示工件的所有工序在机器中加工时间之和；车间内所有的订单全部完成：/>运输期间同一时间不同AGV不可以共享同一位置：r_it≠r_jt。

基于以上规则得到优化的目标函数为最小化最大制造时间：

MinT_c＝Min{Max{T_d|d＝1，2，3…}}

在本实施例中，通过改进A*算法加入碰撞代价对当前AGV进行路径规划，具体表示为：计算AGV点前位置r_i(t)四周位置点综合优先级：结合AGV所在位置到目标点计算综合代价F(N)＝g(n)+h(n)+s(Tn)公式中，F(N)代表当前路径点综合优先级，g(n)代表当前路径点距离起点代价，h(n)代表当前路径点距离目标点的代价，s(Tn)代表当前时间路径点到车间内所有小车位置的碰撞代价。所有代价均使用曼哈顿距离计算。选择其中最小的代价点为AGV移动到下一个目标路径点。

如图2所示路径规划和生产协同调度方法流程图：

步骤1：订单任务数据库有未分配任务分配。否则结束。步骤2：订单任务数据库分配订单任务给当前空闲的AGV步骤3：判断AGV工序集完成转到步骤6。步骤4：AGV通过得到订单任务中的工序集选取加工机器，通过举例最优原则选取，设置为目标点。步骤5：AGV通过改进A*算法加入碰撞代价对当前AGV进行路径规划。步骤6：AGV移动到综合代价最小的路径点判断不是目标点，跳转到步骤5。步骤7：AGV判断工件订单任务没有完成跳转到步骤4。步骤8：AGV通过路径规划到达出口，设置AGV为空闲状态。步骤9：得到所有AGV路径规划和生产协同调度表。

综上，本发明公开了一种在柔性车间生产环境下的多AGV协同调度方法。其有益效果在于利用AGV实时位置信息，订单信息和加工机器信息对AGV进行路径规划，可以减少订单等待分配AGV的时间，避免多AGV在行进道路中阻塞同时减少单个订单的完成时间，进而最小化最大制造时间。

Claims (4)

1.基于多AGV的柔性生产车间协同调度的方法，其特征在于，包括以下步骤：

1)根据车间机器的位置和加工工序的时间、AGV实时位置和订单工序集，构建加工机器和AGV的生产车间实时数据库；

2)根据加工机器和AGV的生产车间实时数据库，AGV通过获得的订单工序，采用改进A*算法加入碰撞代价对多AGV进行路径规划，以选取运输到加工机器状态为空闲的机器加工；

所述构建加工机器和AGV的生产车间实时数据库，包括以下步骤：

获取车间内所有的工件订单、车间内所有加工机器的位置和该机器加工工序的时间、以及机器的状态；

获取AGV实时位置、速度和当前AGV运输的工件信息；获取所有车间内设定的关键路径点、订单取货点和订单的出口点；

构建车间实时数据库；

所述采用改进A*算法加入碰撞代价对多AGV进行路径规划，包括以下步骤：

步骤1：将AGV当前所在位置I起点加入open列表中，并设置优先级为0，终点位置为J，0表示最高优先级；

步骤2：如果open列表不为空，则计算open列表中所有节点的综合代价F(N)，选取综合代价F(N)最小的节点为节点n：

步骤3：如果节点n为AGV行驶的目标终点J，则从终点节点J开始逐步追踪自身的父节点，一直达到AGV当前所在位置I起点；返回AGV当前所在起点位置I到终点J的AGV的行驶路径节点，算法结束；

步骤4：如果节点n不是目标终点，则将节点n从open列表中删除，并加入close列表中；遍历节点n所有的邻近节点m：

步骤5：如果邻近节点m在close列表中，则跳过选取下一个邻近节点；

步骤6：如果邻近节点m不在open列表中，则设置节点m的父节点n，计算节点m的综合代价F(N)，将节点m加入open列表中；返回步骤2；

所述采用改进A*算法加入碰撞代价对多AGV进行路径规划，结合AGV所在位置、加工机器空闲情况和位置信息选取空闲的机器作为目标点，采用如下的评估函数进行评估，使综合代价最小：

计算AGV当前所在位置的路径点综合代价：

F(N)＝g(n)+h(n)+s(Tn)

F(N)代表当前路径点综合代价，g(n)代表当前路径点距离起点代价，h(n)代表当前路径点距离目标点的代价，s(Tn)代表当前时间路径点到车间内所有小车实时位置的碰撞代价；所有代价均使用曼哈顿距离得到；

选择F(N)最小的路径点为AGV移动的下一个目标路径点；

3)通过贪心算法将所有订单分配给所有AGV，得到车间内AGV运输和生产协同实时调度表；

通过贪心算法将所有订单分配给所有AGV，包括以下步骤：

步骤1)如果在车间实时数据库有未分配的工件订单，执行步骤2)，否则，退出算法；

步骤2)判断所有AGV当前状态，如果没有处在空闲状态的AGV，等待所有AGV执行完自身工件订单任务，直到有一个AGV状态改变；否则，执行步骤3)；

步骤3)将当前未分配的工件订单分配给空闲状态AGV，AGV开始执行自身工件订单任务，返回步骤1；

所述将所有订单分配给所有AGV，通过优化目标函数实现最小化最大制造时间，通过下式实现：

MinT_c＝Min{Max{T_d|d＝1,2,3…j}}

T_c表示最大制造时间；

其中，所有AGV完成所有分配订单的时间b_i表示通过贪心方法得到AGV分配的所有订单集合；t_nj表示AGV执行工件订单n_j的时间；/>R表示工件的所有工序在机器中加工时间之和，o_ji表示工件j的第i个工序。

2.根据权利要求1所述的基于多AGV的柔性生产车间协同调度的方法，其特征在于，所述订单包括工件订单的开始时间、不同工件的订单工序集和订单的交货期。

3.根据权利要求1所述的基于多AGV的柔性生产车间协同调度的方法，其特征在于，所述AGV运输和生产协同实时调度表包括：所有AGV的实时行驶路线，AGV执行订单顺序时间表；所有工件订单的工序选取的执行加工机器表；生产车间内所有加工机器加工工序的时间表。

4.基于多AGV的柔性生产车间协同调度系统，其特征在于，包括：

物理层，用于存储车间机器的位置和加工工序的时间、AGV实时位置和订单工序集；

逻辑层，通过加工机器和AGV的生产车间实时数据库，构建车间实时虚拟定位地图，采用改进A*算法加入碰撞代价对多AGV进行路径规划，以选取运输到加工机器状态为空闲的机器加工；将所有订单通过贪心算法分配给所有AGV；

调度层，用于实现AGV自身对订单任务的管理；

生产层，用于实现生产控制；

构建加工机器和AGV的生产车间实时数据库，包括以下步骤：

获取车间内所有的工件订单、车间内所有加工机器的位置和该机器加工工序的时间、以及机器的状态；

获取AGV实时位置、速度和当前AGV运输的工件信息；获取所有车间内设定的关键路径点、订单取货点和订单的出口点；

构建车间实时数据库；

所述采用改进A*算法加入碰撞代价对多AGV进行路径规划，包括以下步骤：

步骤1：将AGV当前所在位置I起点加入open列表中，并设置优先级为0，终点位置为J，0表示最高优先级；

步骤2：如果open列表不为空，则计算open列表中所有节点的综合代价F(N)，选取综合代价F(N)最小的节点为节点n：

步骤3：如果节点n为AGV行驶的目标终点J，则从终点节点J开始逐步追踪自身的父节点，一直达到AGV当前所在位置I起点；返回AGV当前所在起点位置I到终点J的AGV的行驶路径节点，算法结束；

步骤4：如果节点n不是目标终点，则将节点n从open列表中删除，并加入close列表中；遍历节点n所有的邻近节点m：

步骤5：如果邻近节点m在close列表中，则跳过选取下一个邻近节点；

步骤6：如果邻近节点m不在open列表中，则设置节点m的父节点n，计算节点m的综合代价F(N)，将节点m加入open列表中；返回步骤2；

所述采用改进A*算法加入碰撞代价对多AGV进行路径规划，结合AGV所在位置、加工机器空闲情况和位置信息选取空闲的机器作为目标点，采用如下的评估函数进行评估，使综合代价最小：

计算AGV当前所在位置的路径点综合代价：

F(N)＝g(n)+h(n)+s(Tn)

F(N)代表当前路径点综合代价，g(n)代表当前路径点距离起点代价，h(n)代表当前路径点距离目标点的代价，s(Tn)代表当前时间路径点到车间内所有小车实时位置的碰撞代价；所有代价均使用曼哈顿距离得到；

选择F(N)最小的路径点为AGV移动的下一个目标路径点；

通过贪心算法将所有订单分配给所有AGV，包括以下步骤：

步骤1)如果在车间实时数据库有未分配的工件订单，执行步骤2)，否则，退出算法；

步骤2)判断所有AGV当前状态，如果没有处在空闲状态的AGV，等待所有AGV执行完自身工件订单任务，直到有一个AGV状态改变；否则，执行步骤3)；

步骤3)将当前未分配的工件订单分配给空闲状态AGV，AGV开始执行自身工件订单任务，返回步骤1；

所述将所有订单分配给所有AGV，通过优化目标函数实现最小化最大制造时间，通过下式实现：

MinT_c＝Min{Max{T_d|d＝1,2,3…j}}

T_c表示最大制造时间；

其中，所有AGV完成所有分配订单的时间b_i表示通过贪心方法得到AGV分配的所有订单集合；/>表示AGV执行工件订单n_j的时间；/>R表示工件的所有工序在机器中加工时间之和，o_ji表示工件j的第i个工序。