[发明专利]基于混合粒子群算法的AGV优化调度方法

说明书

技术领域

本发明属于自动化立体仓库优化调度技术领域，涉及一种AGV优化调度方法，具体涉及一种基于遗传算法、模拟退火算法及蚁群算法的混合粒子群算法的自动化立体仓库输送系统AGV优化调度方法。

背景技术

AS/RS(Automated Storage and Retrieval System)系统硬件设备的研究发展己趋于完整，现代企业对AS/RS工作效率的要求增加，更多集中在对系统优化管理、调度和作业的优化。AS/RS的输送系统已经成为影响仓库作业的瓶颈，因此需要采用合适的方法解决输送系统AGV优化调度问题，以增加仓储系统的工作效率、提升企业的营业利润，降低企业物流费用，提高企业竞争力。

输送系统是自动化立体仓库的一个重要组成部分。对它调度问题的优化研究，能够使输送系统资源得到充分的利用，同时避免发生系统死锁及系统瓶颈效应，从而提高输送系统的作业效率。输送系统的调度优化实质上就是指AGV的优化调度问题，它的研究目标主要就是在多个约束条件下，将要完成的输送任务合理分配给AGV，使系统的输送能力和设备的资源利用率得到提高，进而提高自动化立体仓库系统的吞吐率，降低系统的物流成本。

粒子群算法(PSO，particle swarm optimization)起源于1987年Reynolds对鸟群社会系统的仿真实验研究。PSO是一种群智能算法，优化过程就是群体迭代过程，由粒子在其搜索空间中不断靠拢最佳点进行寻优。PSO的优势在于参数设置少，简单易操作，又具有改进空间，在科学研究与工程应用中普遍具有可行性及有效性。粒子群算法的研究按其研究方向包含了理论研究、性能改进研究、应用研究和离散算法研究四部分。理论研究主要是算法的收敛性、运算复杂性等数学性方面研究；性能改进研究主要是针对算法的缺陷以及不足；应用研究就是研究如何将算法应用到一些理论问题，或者需要解决的实际优化问题中；离散性研究是针对算法本身提出的一种研究方向。

但标准粒子群算法(参考文献：《粒子群算法及应用》)一般兼顾不了收敛速度、全局及局部精细搜索能力，且作为一种通用的随机全局搜索算法，它也存在早熟收敛和陷入局部搜索的缺点。

发明内容

本发明的目的在于提供一种基于混合粒子群算法的AGV优化调度方法，解决了自动化立体仓库输送系统优化调度的问题。

为达到上述目的，本发明采用了以下技术方案：

步骤1：将上/下包台、入/出库台及AGV定为调度对象，并以AGV完成输送任务所花费的工作时间最小作为优化调度的目标构造AGV调度优化问题数学模型；

步骤2：以基于调度对象的三维矩阵对粒子位置进行编码，并运用基于遗传算法、模拟退火算法及蚁群算法的混合粒子群算法对AGV调度优化问题数学模型进行求解，得到给定任务量下AGV的最优调度方案。

所述编码采用整数编码方式。

所述AGV调度优化问题数学模型表示为：

min{max(T₁,T₂,...,T_k,...,T_L)} (2)

T_k＝d_ik-r_ik+P_k×s_k×t_ijk+d_jk-r_jk+P_k×s_k×t_ijk

s.t d_ik≥r_ik,d_jk≥r_jk,

其中，T_k表示第k辆AGV的工作时间，L表示AGV数量；d_ik表示第k辆AGV离开第i个入/出库台的时间，r_ik表示第k辆AGV到达第i个入/出库台的时间，d_jk表示第k辆AGV离开第j个上/下包台的时间，r_jk表示第k辆AGV到达第j个上/下包台的时间，Q表示AGV的编号集合，S表示入/出库台的编号集合，S'表示上/下包台的编号集合，t_ijk表示第k辆AGV从第i个入/出库台到第j个上/下包台的时间。

所述步骤(2)具体包括以下步骤：

1)种群初始化