CN118396338A - 一种多智能体系统实时任务分配与负载均衡方法及系统 - Google Patents
一种多智能体系统实时任务分配与负载均衡方法及系统 Download PDFInfo
- Publication number
- CN118396338A CN118396338A CN202410815879.9A CN202410815879A CN118396338A CN 118396338 A CN118396338 A CN 118396338A CN 202410815879 A CN202410815879 A CN 202410815879A CN 118396338 A CN118396338 A CN 118396338A
- Authority
- CN
- China
- Prior art keywords
- intelligent robot
- intelligent
- load
- task
- robot
- 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 35
- 238000012545 processing Methods 0.000 claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 238000004806 packaging method and process Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 9
- 230000005587 bubbling Effects 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 239000005022 packaging material Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 description 18
- 239000011159 matrix material Substances 0.000 description 6
- 230000008447 perception Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Manipulator (AREA)
Abstract
本发明提供一种多智能体系统实时任务分配与负载均衡方法及系统,涉及任务分配技术领域,本发明针对物流装配任务,将一个整体任务拆分成若干子任务交由不同的智能机器人执行,按照最小负载优先算法,通过智能机器人的资源利用率、执行任务情况生成评估智能机器人负载情况的负载指数,并建立轮询序列表,按照冒泡排序从小到大收集这些负载指数,有新任务到达时,优先分配给负载最低的智能机器人执行,对于每个分配到任务的智能机器人,重新计算其负载指数并更新轮询序列表,直到所有任务分配到智能机器人去执行,同时对执行任务的智能机器人进行监控,及时通过调整智能机器人的负载权重来保证智能机器人执行任务的安全和效率,维护系统的稳定性。
Description
技术领域
本发明涉及任务分配技术领域,具体为一种多智能体系统实时任务分配与负载均衡方法及系统。
背景技术
多智能体系统是由一组能够相互作用的智能体组成,它们共同工作以实现某些目标,智能机器人可以视为多智能系统的实体,其中每个机器人是一个智能体,构成了能够执行复杂任务的多智能体系统,在物流、自动化制造、家庭自动化等领域,多智能体系统与智能机器人的结合已经表现出显著效益,多智能体系统和智能机器人之间的任务配需平衡与否,对任务完成的质量甚至系统的稳定性有着明显影响。
现有技术中,公开号为CN106529776B公开了一种多智能体自主协同任务分配方法,包括:根据智能体对子任务的感知状态,构建感知矩阵,根据智能体实现子任务所具备的资源,构建资源矩阵,根据感知矩阵和资源矩阵,识别出每个任务的可行性,根据智能体对子任务的偏好程度以及智能体在多智能体系统中的重要程度,获取每个任务的可行性度,将可行性度按照从大到小的顺序将对应任务分配智能体执行。
上述方法存在的主要问题是:该方案基于对智能体对子任务感知状态和资源的理想化假设,实际情况下智能体对环境的感知和资源的利用存在不确定性和变化性,在动态的复杂环境中,建立矩阵所涉及到的数据量和计算量庞大,导致实施难度较大,因此通过构建矩阵判断任务可行性是不准确的。并且将可行性度按照从大到小的顺序分配给智能体是一种静态分配,未能动态地考虑到智能体分配到过多任务时可能出现的负载过高问题。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供一种多智能体系统实时任务分配与负载均衡方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种多智能体系统实时任务分配与负载均衡方法,具体步骤包括:
步骤1:将物流装配任务拆分为多个子任务,具体的子任务包括订单处理、货物拣选、货物包装、货物分拨、装载运输,每个子任务分配到具备对应功能的智能机器人执行;
步骤2:根据智能机器人的资源利用率,评估每个智能机器人在系统中处理负载任务的能力,生成每个智能机器人的负载权重;
步骤3:对于每个智能机器人,记录其当前的负载情况,具体包括负载权重、任务数量、任务执行时间,生成每个智能机器人的负载指数,同时生成轮询序列表,将所有智能机器人的负载指数记录在轮询序列表中;
步骤4:当一个新任务到达时,遍历轮询序列表中的所有智能机器人,找出负载指数最低的智能机器人,将任务分配给所述智能机器人,完成一次分配后,调整分配到任务的智能机器人的负载指数,并更新轮询序列表以反映新的负载情况,不断重复此步骤,直到所有子任务均由智能机器人进行执行;
步骤5:根据监控到的任务执行情况,对智能机器人的负载权重进行动态调整,当智能机器人出现异常情况时,系统调整将任务分配给其他智能机器人,确保任务顺利执行;
步骤6:将所有执行完子任务的智能机器人集成在一起,整合之后生成最终的处理结果。
进一步地,每个子任务分配到具备对应功能的智能机器人执行所依据的原理为:
在智能机器人系统中:
至少包含一个订单处理机器人,用于接收和解析订单信息;
至少包含一个货物拣选机器人,用于从仓库中准确拣选所需货物;
至少包含一个货物包装机器人,用于选择合适的包装材料和包装方式对拣选出的货物进行包装;
至少包含一个货物分拨机器人,用于将包装好的货物按照目的地和运输路线进行分拨;
至少包含一个装载运输机器人,用于将分拨好的货物运输到目的地。
进一步地,生成每个智能机器人的负载权重所依据的公式为:
;
;
其中,表示第个智能机器人的负载权重,表示每个智能机器人的初始权重常量,表示负载影响指标,表示智能机器人的CPU响应速率,表示CPU响应速率占比,表示智能机器人的内存大小,表示内存大小占比,表示网络带宽速度,表示网络带宽速度占比,并且;在物流装配任务中,主要使用到智能机器人的协同工作能力和图像识别能力,因此更加看重智能机器人的网络带宽速度和CPU响应速率,对于智能机器人的CPU响应速率、内存大小、网络带宽速度三者的比值为0.4:0.4:0.2。
进一步地,生成每个智能机器人的负载指数所依据的公式为:
;
其中,表示第个智能机器人的负载指数,表示智能机器人的异常情况,取值根据智能机器人能否正常工作决定,当智能机器人正常工作时,,当智能机器人出现异常时,,表示第个智能机器人的负载权重,表示智能机器人执行第个子任务的实际时间,表示智能机器人执行子任务的预计时间,表示第个智能机器人执行子任务的数量,、分别表示执行子任务的时间和执行子任务的数量所占权重,且,物流装配任务更加看重效率,因此执行子任务的时间和执行子任务的数量所占权重比值为0.6:0.4。
进一步地,遍历轮询序列表中的所有智能机器人,找出负载指数最低的智能机器人,将任务分配给所述智能机器人所依据的原理为:
建立并维护一个轮询序列表,采集每个智能机器人的负载指数,将所有负载指数为正的智能机器人按照随机顺序一一映射进轮询序列表中,当第一个新任务到达时,遍历轮询序列表中的所有智能机器人,选择负载指数最低的智能机器人,将新任务分配给所选择的智能机器人,对于分配到任务的智能机器人,按照公式重新计算所述智能机器人的负载指数,并映射到轮询序列表中,接着对轮询序列表中的所有智能机器人对应的负载指数按照从小到大进行冒泡排序,在之后有新任务到达时,直接分配给轮询序列表中排在第一位的智能机器人,每有一个智能机器人被分到新的任务,就重新计算智能机器人的负载指数并将轮询序列表重新排序。
进一步地,通过冒泡排序对轮询序列表中的负载指数进行排序所依据的原理为:
对于包含了个智能机器人负载指数元素的轮询序列表,进行轮迭代,每一轮迭代之后,负载指数最大的元素会沉到轮询序列表末尾,具体的步骤为:
对于当前位置的元素,比较它与位置的元素大小;
若当前位置元素大于下一个位置的元素,则交换两个元素的位置,使较大元素向后移动;
完成一轮迭代后,最大的元素会沉到轮询序列表的末尾,在下一轮迭代时,无需再考虑末尾已经排好的元素,每一轮迭代中,重复对元素的比较与位置交换操作,直到遍历完所有元素,如此生成的轮询序列表即为按照所有智能机器人的负载指数进行从小到大排序的结果。
进一步地,对智能机器人的负载权重进行动态调整所依据的原理为:
实时检测任务执行过程中每个智能机器人的任务开始时间、结束时间,以及任务执行过程中的性能指标,包括CPU利用率,内存利用率、网络带宽占用率;当某个智能机器人的负载过高或执行效率低下,增加其负载权重,进而增加负载指数,使所述智能机器人在轮询序列表中占据位置向末尾下沉,使其接收到的任务减少;对异常智能机器人的任务进行重新分配时,重新选择轮询序列表中排在第一位的智能机器人,同时将异常智能机器人的负载指数进行更新并从轮询序列表中剔除。
本发明另外还提供一种多智能体系统实时任务分配与负载均衡系统,所述系统用于实现上述的多智能体系统实时任务分配与负载均衡方法,包括:
任务分解模块,将物流装配任务拆分为多个子任务,具体的子任务包括订单处理、货物拣选、货物包装、货物分拨、装载运输,每个子任务分配到具备对应功能的智能机器人执行;
预处理模块,根据智能机器人的资源利用率,评估每个智能机器人在系统中处理负载任务的能力,生成每个智能机器人的负载权重;
负载计算模块,对于每个智能机器人,记录其当前的负载情况,具体包括负载权重、任务数量、任务执行时间,生成每个智能机器人的负载指数,同时生成轮询序列表,将所有智能机器人的负载指数记录在轮询序列表中;
任务分配模块,当一个新任务到达时,遍历轮询序列表中的所有智能机器人,找出负载指数最低的智能机器人,将任务分配给所述智能机器人,完成一次分配后,调整分配到任务的智能机器人的负载指数,并更新轮询序列表以反映新的负载情况,不断重复此步骤,直到所有子任务均由智能机器人进行执行;
监控模块,根据监控到的任务执行情况,对智能机器人的负载权重进行动态调整,当智能机器人出现异常情况时,系统调整将任务分配给其他智能机器人,确保任务顺利执行;
综合输出模块,将所有执行完子任务的智能机器人集成在一起,整合之后生成最终的处理结果。
与现有技术相比,本发明的有益效果是:
本发明将物流装配任务分解成多个子任务,并根据智能机器人的资源利用率评估其处理能力,通过动态记录智能机器人的负载指数,生成轮询序列表,按冒泡排序在轮询序列表中将智能机器人的负载指数从小到大有序排列,任务优先分配给轮询序列表中最靠前的智能机器人,并且智能机器人分配到任务后重新计算其负载指数并在轮询序列表中重新排序,实现了对智能机器人负载的动态调整,确保任务能被合理地分配;本发明还通过监控模块,实时监测智能机器人执行任务的情况,若智能机器人出现故障或负载过重,可通过改变智能机器人的负载权重来改变其负载指数在轮询序列表中的位置,达到了使智能机器人负载均衡的目的,提高系统的整理效率和稳定性。
附图说明
图1为本发明实施例的方法流程示意图;
图2为本发明实施例的系统结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”“下”“左”“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
实施例:
请参阅图1,本发明提供一种技术方案:
一种多智能体系统实时任务分配与负载均衡方法,具体步骤包括:
步骤1:将物流装配任务拆分为多个子任务,具体的子任务包括订单处理、货物拣选、货物包装、货物分拨、装载运输,每个子任务分配到具备对应功能的智能机器人执行;
本实施例中,每个子任务分配到具备对应功能的智能机器人执行所依据的原理为:
在智能机器人系统中:
至少包含一个订单处理机器人,用于接收和解析订单信息;
至少包含一个货物拣选机器人,用于从仓库中准确拣选所需货物;
至少包含一个货物包装机器人,用于选择合适的包装材料和包装方式对拣选出的货物进行包装;
至少包含一个货物分拨机器人,用于将包装好的货物按照目的地和运输路线进行分拨;
至少包含一个装载运输机器人,用于将分拨好的货物运输到目的地。
步骤2:根据智能机器人的资源利用率,评估每个智能机器人在系统中处理负载任务的能力,生成每个智能机器人的负载权重;
本实施例中,生成每个智能机器人的负载权重所依据的公式为:
;
;
其中,表示第个智能机器人的负载权重,表示每个智能机器人的初始权重常量,表示负载影响指标,表示智能机器人的CPU响应速率,表示CPU响应速率占比,表示智能机器人的内存大小,表示内存大小占比,表示网络带宽速度,表示网络带宽速度占比,并且;在物流装配任务中,主要使用到智能机器人的协同工作能力和图像识别能力,因此更加看重智能机器人的网络带宽速度和CPU响应速率,对于智能机器人的CPU响应速率、内存大小、网络带宽速度三者的比值为0.4:0.4:0.2;
负载权重反映了第个智能机器人的负载影响情况,是对负载指数进行调节主要参数,由智能机器人自身的属性决定,智能机器人负载影响指标越大,负载权重越大,;智能机器人CPU响应速率、内存大小、网络带宽速度可通过连接机器人自身的API接口,通过外部软件如Zabbix进行实时检测。
步骤3:对于每个智能机器人,记录其当前的负载情况,具体包括负载权重、任务数量、任务执行时间,生成每个智能机器人的负载指数,同时生成轮询序列表,将所有智能机器人的负载指数记录在轮询序列表中;
本实施例中,生成每个智能机器人的负载指数所依据的公式为:
;
其中,表示第个智能机器人的负载指数,表示智能机器人的异常情况,取值根据智能机器人能否正常工作决定,当智能机器人正常工作时,,当智能机器人出现异常时,,表示第个智能机器人的负载权重,表示智能机器人执行第个子任务的实际时间,表示智能机器人执行子任务的预计时间,表示第个智能机器人执行子任务的数量,、分别表示执行子任务的时间和执行子任务的数量所占权重,且,物流装配任务更加看重效率,因此执行子任务的时间和执行子任务的数量所占权重比值为0.6:0.4;
负载指数直接反映了智能机器人的承受负载情况,目的是使自身能力低、执行任务效率低、执行任务数量多的智能机器人尽可能少的被分配到新任务;负载指数由智能机器人的负载权重、智能机器人执行子任务的效率和执行子任务的数量综合决定,智能机器人的负载权重越大,对应的负载指数越大;智能机器人执行子任务的效率越低,负载指数越大;智能机器人执行子任务的数量越多,负载指数越大。
步骤4:当一个新任务到达时,遍历轮询序列表中的所有智能机器人,找出负载指数最低的智能机器人,将任务分配给所述智能机器人,完成一次分配后,调整分配到任务的智能机器人的负载指数,并更新轮询序列表以反映新的负载情况,不断重复此步骤,直到所有子任务均由智能机器人进行执行;
本实施例中,遍历轮询序列表中的所有智能机器人,找出负载指数最低的智能机器人,将任务分配给所述智能机器人所依据的原理为:
建立并维护一个轮询序列表,采集每个智能机器人的负载指数,将所有负载指数为正的智能机器人按照随机顺序一一映射进轮询序列表中,当第一个新任务到达时,遍历轮询序列表中的所有智能机器人,选择负载指数最低的智能机器人,将新任务分配给所选择的智能机器人,对于分配到任务的智能机器人,按照公式重新计算所述智能机器人的负载指数,并映射到轮询序列表中,接着对轮询序列表中的所有智能机器人对应的负载指数按照从小到大进行冒泡排序,在之后有新任务到达时,直接分配给轮询序列表中排在第一位的智能机器人,每有一个智能机器人被分到新的任务,就重新计算智能机器人的负载指数并将轮询序列表重新排序;
本实施例中,通过冒泡排序对轮询序列表中的负载指数进行排序所依据的原理为:
对于包含了个智能机器人负载指数元素的轮询序列表,进行轮迭代,每一轮迭代之后,负载指数最大的元素会沉到轮询序列表末尾,具体的步骤为:
对于当前位置的元素,比较它与位置的元素大小;
若当前位置元素大于下一个位置的元素,则交换两个元素的位置,使较大元素向后移动;
完成一轮迭代后,最大的元素会沉到轮询序列表的末尾,在下一轮迭代时,无需再考虑末尾已经排好的元素,每一轮迭代中,重复对元素的比较与位置交换操作,直到遍历完所有元素,如此生成的轮询序列表即为按照所有智能机器人的负载指数进行从小到大排序的结果。
步骤5:根据监控到的任务执行情况,对智能机器人的负载权重进行动态调整,当智能机器人出现异常情况时,系统调整将任务分配给其他智能机器人,确保任务顺利执行;
本实施例中,对智能机器人的负载权重进行动态调整所依据的原理为:
实时检测任务执行过程中每个智能机器人的任务开始时间、结束时间,以及任务执行过程中的性能指标,包括CPU利用率,内存利用率、网络带宽占用率;当某个智能机器人的负载过高或执行效率低下,增加其负载权重,进而增加负载指数,使所述智能机器人在轮询序列表中占据位置向末尾下沉,使其接收到的任务减少;对异常智能机器人的任务进行重新分配时,重新选择轮询序列表中排在第一位的智能机器人,同时将异常智能机器人的负载指数进行更新并从轮询序列表中剔除。
步骤6:将所有执行完子任务的智能机器人集成在一起,整合之后生成最终的处理结果;
本实施例中,将一件货物按照订单扫描、拣选、包装、分拨、运输的流程全部由智能机器人执行完成,即可视为一次任务成功,最终输出的处理结果包含了其中每个步骤的执行时间、执行智能机器人编号、执行任务的总时间等信息。
请参阅图2,本发明还提供一种多智能体系统实时任务分配与负载均衡系统,所述系统用于实现上述的多智能体系统实施任务分配与负载均衡方法,包括:
任务分解模块,将物流装配任务拆分为多个子任务,具体的子任务包括订单处理、货物拣选、货物包装、货物分拨、装载运输,每个子任务分配到具备对应功能的智能机器人执行;
预处理模块,根据智能机器人的资源利用率,评估每个智能机器人在系统中处理负载任务的能力,生成每个智能机器人的负载权重;
负载计算模块,对于每个智能机器人,记录其当前的负载情况,具体包括负载权重、任务数量、任务执行时间,生成每个智能机器人的负载指数,同时生成轮询序列表,将所有智能机器人的负载指数记录在轮询序列表中;
任务分配模块,当一个新任务到达时,遍历轮询序列表中的所有智能机器人,找出负载指数最低的智能机器人,将任务分配给所述智能机器人,完成一次分配后,调整分配到任务的智能机器人的负载指数,并更新轮询序列表以反映新的负载情况,不断重复此步骤,直到所有子任务均由智能机器人进行执行;
监控模块,根据监控到的任务执行情况,对智能机器人的负载权重进行动态调整,当智能机器人出现异常情况时,系统调整将任务分配给其他智能机器人,确保任务顺利执行;
综合输出模块,将所有执行完子任务的智能机器人集成在一起,整合之后生成最终的处理结果。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够通过电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方法来执行,取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (8)
1.一种多智能体系统实时任务分配与负载均衡方法,其特征在于,具体步骤包括:
步骤1:将物流装配任务拆分为多个子任务,具体的子任务包括订单处理、货物拣选、货物包装、货物分拨、装载运输,每个子任务分配到具备对应功能的智能机器人执行;
步骤2:根据智能机器人的资源利用率,评估每个智能机器人在系统中处理负载任务的能力,生成每个智能机器人的负载权重;
步骤3:对于每个智能机器人,记录其当前的负载情况,具体包括负载权重、任务数量、任务执行时间,生成每个智能机器人的负载指数,同时生成轮询序列表,将所有智能机器人的负载指数记录在轮询序列表中;
步骤4:当一个新任务到达时,遍历轮询序列表中的所有智能机器人,找出负载指数最低的智能机器人,将任务分配给所述智能机器人,完成一次分配后,调整分配到任务的智能机器人的负载指数,并更新轮询序列表以反映新的负载情况,不断重复此步骤,直到所有子任务均由智能机器人进行执行;
步骤5:根据监控到的任务执行情况,对智能机器人的负载权重进行动态调整,当智能机器人出现异常情况时,系统调整将任务分配给其他智能机器人,确保任务顺利执行;
步骤6:将所有执行完子任务的智能机器人集成在一起,整合之后生成最终的处理结果。
2.根据权利要求1所述的一种多智能体系统实时任务分配与负载均衡方法,其特征在于:所述步骤1中每个子任务分配到具备对应功能的智能机器人执行所依据的原理为:
在智能机器人系统中:
至少包含一个订单处理机器人,用于接收和解析订单信息;
至少包含一个货物拣选机器人,用于从仓库中准确拣选所需货物;
至少包含一个货物包装机器人,用于选择合适的包装材料和包装方式对拣选出的货物进行包装;
至少包含一个货物分拨机器人,用于将包装好的货物按照目的地和运输路线进行分拨;
至少包含一个装载运输机器人,用于将分拨好的货物运输到目的地。
3.根据权利要求1所述的一种多智能体系统实时任务分配与负载均衡方法,其特征在于:所述步骤2中生成每个智能机器人的负载权重所依据的公式为:
;
;
其中,表示第个智能机器人的负载权重,表示每个智能机器人的初始权重常量,表示负载影响指标,表示智能机器人的CPU响应速率,表示CPU响应速率占比,表示智能机器人的内存大小,表示内存大小占比,表示网络带宽速度,表示网络带宽速度占比,并且;在物流装配任务中,主要使用到智能机器人的协同工作能力和图像识别能力,因此更加看重智能机器人的网络带宽速度和CPU响应速率,对于智能机器人的CPU响应速率、内存大小、网络带宽速度三者的比值为0.4:0.4:0.2。
4.根据权利要求1所述的一种多智能体系统实时任务分配与负载均衡方法,其特征在于:所述步骤3中生成每个智能机器人的负载指数所依据的公式为:
;
其中,表示第个智能机器人的负载指数,表示智能机器人的异常情况,取值根据智能机器人能否正常工作决定,当智能机器人正常工作时,,当智能机器人出现异常时,,表示第个智能机器人的负载权重,表示智能机器人执行第个子任务的实际时间,表示智能机器人执行子任务的预计时间,表示第个智能机器人执行子任务的数量,、分别表示执行子任务的时间和执行子任务的数量所占权重,且,物流装配任务更加看重效率,因此执行子任务的时间和执行子任务的数量所占权重比值为0.6:0.4。
5.根据权利要求1所述的一种多智能体系统实时任务分配与负载均衡方法,其特征在于:所述步骤4中遍历轮询序列表中的所有智能机器人,找出负载指数最低的智能机器人,将任务分配给所述智能机器人所依据的原理为:
建立并维护一个轮询序列表,采集每个智能机器人的负载指数,将所有负载指数为正的智能机器人按照随机顺序一一映射进轮询序列表中,当第一个新任务到达时,遍历轮询序列表中的所有智能机器人,选择负载指数最低的智能机器人,将新任务分配给所选择的智能机器人,对于分配到任务的智能机器人,按照公式重新计算所述智能机器人的负载指数,并映射到轮询序列表中,接着对轮询序列表中的所有智能机器人对应的负载指数按照从小到大进行冒泡排序,在之后有新任务到达时,直接分配给轮询序列表中排在第一位的智能机器人,每有一个智能机器人被分到新的任务,就重新计算智能机器人的负载指数并将轮询序列表重新排序。
6.根据权利要求5所述的一种多智能体系统实时任务分配与负载均衡方法,其特征在于:
通过冒泡排序对轮询序列表中的负载指数进行排序所依据的原理为:
对于包含了个智能机器人负载指数元素的轮询序列表,进行轮迭代,每一轮迭代之后,负载指数最大的元素会沉到轮询序列表末尾,具体的步骤为:
对于当前位置的元素,比较它与位置的元素大小;
若当前位置元素大于下一个位置的元素,则交换两个元素的位置,使较大元素向后移动;
完成一轮迭代后,最大的元素会沉到轮询序列表的末尾,在下一轮迭代时,无需再考虑末尾已经排好的元素,每一轮迭代中,重复对元素的比较与位置交换操作,直到遍历完所有元素,如此生成的轮询序列表即为按照所有智能机器人的负载指数进行从小到大排序的结果。
7.根据权利要求1所述的一种多智能体系统实时任务分配与负载均衡方法,其特征在于:所述步骤5中对智能机器人的负载权重进行动态调整所依据的原理为:
实时检测任务执行过程中每个智能机器人的任务开始时间、结束时间,以及任务执行过程中的性能指标,包括CPU利用率,内存利用率、网络带宽占用率;当某个智能机器人的负载过高或执行效率低下,增加其负载权重,进而增加负载指数,使所述智能机器人在轮询序列表中占据位置向末尾下沉,使其接收到的任务减少;对异常智能机器人的任务进行重新分配时,重新选择轮询序列表中排在第一位的智能机器人,同时将异常智能机器人的负载指数进行更新并从轮询序列表中剔除。
8.一种多智能体系统实时任务分配与负载均衡系统,其特征在于:所述系统用于实现权利要求1-7任一项所述的多智能体系统实时任务分配与负载均衡方法,包括:
任务分解模块,将物流装配任务拆分为多个子任务,具体的子任务包括订单处理、货物拣选、货物包装、货物分拨、装载运输,每个子任务分配到具备对应功能的智能机器人执行;
预处理模块,根据智能机器人的资源利用率,评估每个智能机器人在系统中处理负载任务的能力,生成每个智能机器人的负载权重;
负载计算模块,对于每个智能机器人,记录其当前的负载情况,具体包括负载权重、任务数量、任务执行时间,生成每个智能机器人的负载指数,同时生成轮询序列表,将所有智能机器人的负载指数记录在轮询序列表中;
任务分配模块,当一个新任务到达时,遍历轮询序列表中的所有智能机器人,找出负载指数最低的智能机器人,将任务分配给所述智能机器人,完成一次分配后,调整分配到任务的智能机器人的负载指数,并更新轮询序列表以反映新的负载情况,不断重复此步骤,直到所有子任务均由智能机器人进行执行;
监控模块,根据监控到的任务执行情况,对智能机器人的负载权重进行动态调整,当智能机器人出现异常情况时,系统调整将任务分配给其他智能机器人,确保任务顺利执行;
综合输出模块,将所有执行完子任务的智能机器人集成在一起,整合之后生成最终的处理结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410815879.9A CN118396338B (zh) | 2024-06-24 | 2024-06-24 | 一种多智能体系统实时任务分配与负载均衡方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410815879.9A CN118396338B (zh) | 2024-06-24 | 2024-06-24 | 一种多智能体系统实时任务分配与负载均衡方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118396338A true CN118396338A (zh) | 2024-07-26 |
CN118396338B CN118396338B (zh) | 2024-09-24 |
Family
ID=92007080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410815879.9A Active CN118396338B (zh) | 2024-06-24 | 2024-06-24 | 一种多智能体系统实时任务分配与负载均衡方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118396338B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114968510A (zh) * | 2021-12-27 | 2022-08-30 | 中国空间技术研究院 | 一种基于改进蚁群算法的多目标动态任务调度方法和系统 |
CN116909742A (zh) * | 2023-07-20 | 2023-10-20 | 电子科技大学 | 多智能体协同计算资源调度方法、装置及系统 |
CN117314100A (zh) * | 2023-10-09 | 2023-12-29 | 北京理工大学 | 一种基于多智能体联盟的集中式任务分配方法 |
WO2024098438A1 (zh) * | 2022-04-28 | 2024-05-16 | 西安交通大学 | 多智能体超视距网联协同感知动态决策方法及相关装置 |
-
2024
- 2024-06-24 CN CN202410815879.9A patent/CN118396338B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114968510A (zh) * | 2021-12-27 | 2022-08-30 | 中国空间技术研究院 | 一种基于改进蚁群算法的多目标动态任务调度方法和系统 |
WO2024098438A1 (zh) * | 2022-04-28 | 2024-05-16 | 西安交通大学 | 多智能体超视距网联协同感知动态决策方法及相关装置 |
CN116909742A (zh) * | 2023-07-20 | 2023-10-20 | 电子科技大学 | 多智能体协同计算资源调度方法、装置及系统 |
CN117314100A (zh) * | 2023-10-09 | 2023-12-29 | 北京理工大学 | 一种基于多智能体联盟的集中式任务分配方法 |
Non-Patent Citations (3)
Title |
---|
YAN ZHANG 等: "Multi-robot Cooperation System Based On Wireless Network", 2019 IEEE SMARTWORLD, UBIQUITOUS INTELLIGENCE & COMPUTING, ADVANCED & TRUSTED COMPUTING, SCALABLE COMPUTING & COMMUNICATIONS, CLOUD & BIG DATA COMPUTING, INTERNET OF PEOPLE AND SMART CITY INNOVATION, 9 April 2020 (2020-04-09) * |
李明阳 等: "多智能体强化学习算法研究综述", 计算机科学与探索, 12 April 2024 (2024-04-12) * |
李珣 等: "多智能体博弈的纺织车间搬运机器人任务分配", 纺织学报, no. 07, 15 July 2020 (2020-07-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN118396338B (zh) | 2024-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10474504B2 (en) | Distributed node intra-group task scheduling method and system | |
JP6650508B2 (ja) | 倉庫管理システム及び倉庫管理方法 | |
CN108398924A (zh) | 机器人搬运车的调度方法和调度装置 | |
CN103294531A (zh) | 一种任务分配方法及系统 | |
CN110162388A (zh) | 一种任务调度方法、系统及终端设备 | |
US10929182B2 (en) | Systems and methods for scheduling a set of non-preemptive tasks in a multi-robot environment | |
KR20230067645A (ko) | 주문 처리 및 출고 방법, 기기, 시스템 및 저장 매체 | |
CN111507651A (zh) | 应用于人机混合仓库的订单数据处理方法和装置 | |
CN110232486B (zh) | 基于k最短路径的多车间综合调度方法 | |
CN114862295A (zh) | 存储仓选择方法、装置、计算机设备和存储介质 | |
CN113592203A (zh) | 一种压力传感器生产作业调度的智能优化方法及系统 | |
CN117610899B (zh) | 一种基于优先度的多机器人的任务分配方法 | |
CN113895935B (zh) | 一种化纤poy丝锭全自动智能上料设备控制方法及控制系统 | |
CN114266524A (zh) | 库区任务编排方法、装置、设备及存储介质 | |
CN113268331A (zh) | 机器人调用方法、机器人调用装置、管理系统和存储介质 | |
Liu et al. | Research on agv scheduling optimization based on hungarian algorithm | |
CN118396338B (zh) | 一种多智能体系统实时任务分配与负载均衡方法及系统 | |
CN113071839A (zh) | 机器人配置方法、装置、控制终端和仓储系统 | |
Chan et al. | Dynamic scheduling for a flexible manufacturing system-the pre-emptive approach | |
CN111580950A (zh) | 一种提升云可靠性的自适应反馈资源调度方法 | |
CN112446754B (zh) | 用于处理订单的方法和装置 | |
CN112669099A (zh) | 用于处理订单的方法和装置 | |
CN117421109B (zh) | 训练任务的调度方法、装置、计算机设备及存储介质 | |
US20230418667A1 (en) | Computing device for handling tasks in a multi-core processor, and method for operating computing device | |
US11789773B2 (en) | Computing device for handling tasks in a multi-core processor, and method for operating computing device |
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 |