[发明专利]一种应用于多AGV任务调度的动态交叉遗传算法

说明书

本发明涉及任务调度、智能算法领域，具体为一种应用于多AGV(自动导引车)任务调度的动态交叉遗传算法，包括以下步骤：建立以单个和群体AGV电量消耗最少的多目标优化模型；在调度模型中引入AGV的电量损耗和负载能力等约束条件；设计了一种动态交叉遗传算法以求解出符合条件的调度方案。本发明能够在较短的时间内获得最优的AGV任务调度方案，该调度方案更贴合实际情况，能有效提高物流仓储或制造企业的生产效率，具有很好的实际应用效果。

技术领域

本发明涉及任务调度、智能算法等领域，涉及一种智能优化算法对AGV任务调度模型的求解，来获得贴合实际应用的AGV调度方法，具体为一种多AGV任务调度的动态交叉遗传算法。

背景技术

伴随着物流设备智能化和生产制造柔性化，自动导引运输车(AGV,AutomatedGuided Vehicle)被广泛应用于只能车间、智能工厂等领域。AGV是一种具有自动化、信息化、智能化等诸多优点的现代化搬运工具，在提高企业效益、降低人力资源成本等方面发挥着重要作用。AGV系统的调度算法是AGV应用中需要重点研究的内容。

AGV的任务调度是指对AGV进行任务分配的过程，需要充分地考虑完成操作的成本和所需的时间。尤其是在柔性制造系统(FMS,Flexible manufacturing system)中，FMS的性能严重依赖于AGV的调度与协调。但是，调度问题属于NP难问题，目前的主要手段是利用强大的启发式算法或采用基于Petri网的方法解决这一问题。然而调度理论难以在实际应用过程中取得令人满意的效果，主要原因在于模型过于简化。从近三十年的研究可以看出，大部分研究都是以AGV的最大完工时间最短为优化目标，将问题简化为旅行商问题(TSP)，这与实际应用中的情况严重不符，尤其是随着无轨AGV的发展，导致AGV的实际运行路线不可预测。除此之外，AGV的电量消耗也是一个值得重视的问题，如果模型过于简化，则AGV会出现因电量不足而无法完成任务的情况，导致任务调度方案不符合实际应用需求，因此采用合理的AGV系统电量管理规则可以提高系统效率并减少系统成本。

本文为解决AGV调度在实际应用中效果欠佳的问题，以单个和群体AGV电量消耗最小化为目标建立了多目标优化模型，且综合考虑了AGV的电量消耗以及负载情况，使得模型更加符合实际应用要求。

除此之外，在求解调度模型时，由于智能优化算法具备易于编程，运算速度快，求解精度高等优势，成为了目前计算调度问题的主要方法。而遗传算法由于具备较好的全局搜索和鲁棒性，应用十分广泛，但该算法存在易于陷入局部最优的缺点，同时算法在求解过程中收敛速度偏低。因此，本文则提出了一种动态交叉遗传算法，以弥补现有遗传算法在求解该调度问题的缺陷，该遗传算法在三父代交叉遗传算法的基础上，通过动态调整交叉策略，使得算法在前期运算时遗传信息更多，搜索速度更快，后期收敛时，最大限度地保留优质解的信息，从而提高算法求解精度。通过对几组实例的仿真分析，从而验证了本方法的可行性与实用性。

发明内容

AGV的任务调度本质上是一个组合优化问题，通常包括调度模型的建立、求解算法的设计，而算法的优劣将直接影响求解方案的差异。

基于现有技术存在的问题，本发明为了进一步提升AGV任务调度在实际应用中的效果，分别对调度模型和求解算法进行完善与改进。本发明建立了以单个和群体AGV电量消耗最少的多目标优化模型，在调度中模型中引入AGV的电量损耗和负载能力等约束条件，使得模型更贴合实际应用。其次，本发明对遗传算法做出了适当的改进，以更快的计算效率获得更优质的结果。

多AGV调度系统通常应用在物流或生产车间中，其环境包含货仓区域、一定数量的AGV和工作站点；除此之外，在该环境中不可避免的存在一些障碍物，如车床、箱体、货架等。根据以上实际情况，本发明在实现具体方案之前需提出相关假设条件如下：

·M个AGV配送N个站点(M<N)；

·每个站点只需要一个AGV配送；