基于 WebGL 的多AGV物流调度仿真系统的研究与应用

针对K公司汽车总装生产线中多AGV(Automated Guided Vehicle)电量分配不均、路径冲突、AGV利用率低等物流调度问题，为了提高K公司生产线中多AGV物流调度的效率，设计了一种多AGV物流调度仿真系统；利用WebGL(Web Graphics Library) 技术建立了整个生产线场景的三维模型；系统能够自动给AGV分配任务，在AGV执行任务时，将AGV的电池电量和AGV路径规划问题考虑到物流调度系统中；该系统实现了对物流调度系统中AGV运输任务的合理分配，提高了物流调度的效率；经实际应用满足了K公司汽车总装生产线多AGV物流调度工程上的应用。     

基于改进的蚁群算法（ACO）的混合多目标AGV调度

蚁群算法是一种通过模拟蚁群的寻路行为对现实问题进行优化的现代智能仿生算法。针对实现AGV任务作业调度时,行驶路径最短的实际应用需求,本文将AGV的路径优化模型转化为旅行商问题,分析了多目标AGV优化中出现的冲突问题。在本文中,尝试了一种直接通信机制来进行改进传统算法,改进后的方法能够更好地维持种群的持久性,最终对于AGV调度规划起到积极的作用,有效地提高了AGV调度系统的效率。     

基于DCOM的动态运输调度多智能体系统研究*

针对物流运输调度中的客户需求动态性和随机性问题的解决,设计了一种基于DCOM的动态运输调度多智能体系统。在多智能体系统中,设计了包括预规划智能体、实时监控智能体、决策智能体和车辆智能体四类智能体。智能体以DCOM式组件形式实现,智能体之间的通信和协调由决策智能体集中执行。通过一个实例验证了系统算法的有效性,同时也为动态运输调度问题的解决提供了一个可参考的思路。     

基于AGV的智能停车库调度系统设计

利用AGV全方位移动特性,即可在前后、左右和原地零半径旋转三个方向上独立移动,基于智能停车库的应用场景,将AGV作为控制对象,对调度系统核心模块——路径规划算法、电子地图建模、行车避障以及数据库设计等方面进行了详细研究,给出了调度系统各个分系统的设计实现以及整体的软件组织框架图,同时针对单车道和双车道两种不同的道路设计模式进行了比较。基于经典的A_^*算法,引入转弯因子,提出了一种路径规划算法,使得在起始点和目标点确定的情况下,规划的路径转弯次数最少,AGV行走更平滑,系统效率更高。经实际测试,完成了调度系统基本功能验证。     

基于GPS/GIS协同的动态车辆调度和路径规划问题研究

从物流行业信息化和智能化发展的需求出发,利用以物联网为代表的现代信息和通信技术,设计了GPS/GIS协同下的智能车辆监控和调度系统。同时,基于该调度系统具有的信息实时获取和智能处理能力,考虑配送车辆及客户需求等相关实时信息对车辆调度和路径规划的影响,构建了基于实时信息且带时间窗的动态车辆路径问题(DVRPTW)混合整数规划(MIP)模型。结合模拟实验,通过混合遗传算法寻优对车辆配送路径进行动态调整和优化,为物流行业降低企业运营成本、提高物流配送效率、改善物流服务质量提供借鉴和参考。     

考虑冲突和拥堵的自动导引车调度与路径规划协同优化

针对自动化集装箱码头自动导引车（AGV）调度与无冲突路径规划问题,提出了AGV冲突拥堵解决策略以生成无冲突路径。首先,考虑堆场缓冲支架的容量,运行路径无拥堵、节点无冲突约束,以最大完工时间最小、AGV总行驶时间最短为目标建立两阶段混合整数规划模型;其次,设计改进的自适应遗传算法、基于冲突拥堵解决策略的迪杰斯特拉算法求得AGV调度方案与无冲突路径。算例分析结果表明：改进的自适应遗传算法相较遗传算法平均求解时间降低了13.56%,且目标函数平均差距率为9.01%;基于冲突拥堵解决策略相较停车等待策略使得水平运输区拥堵度降低67.6%,AGV等待时间减少66.7%。可见,所提算法求解质量高且速度快,同时验证了所提策略的有效性。     

多AGV调度系统中的两阶段动态路径规划

为缩短AGV系统的研发周期、降低研发成本,寻求能适应不同地图的通用调度策略以及增强对实际调度任务和故障的鲁棒性,提出了一种两阶段动态路径规划策略．对多AGV调度系统应用两阶段控制策略: 采用动态路径规划进行路径生成,实时对多个AGV同时规划其路径,并通过启发式算法实现路径优化．通过系统仿真证明,该策略很好地提高了AGV调度系统的柔性,是一种能适用于不同地图的通用调度策略．     

AGV路径规划及避障算法研究综述

自动导向车(Automated Guided Vehicle, AGV)目前被广泛应用于物流、仓储、制造业和仓储等领域.AGV的路径规划和避障算法是实现AGV自主导航的关键技术,决定了AGV在复杂环境中能否高效、安全地完成任务,近年来成为AGV领域的重要研究热点之一.本文根据AGV路径规划及避障算法的原理与特点,将主流AGV路径规划及避障算法划分为局部避障路径规划算法、基于几何模型的路径规划算法、智能路径规划算法和混合算法4类,对算法的原理、工作流程、优缺点进行了深入分析,并介绍了相应的改进算法.最后,本文对AGV路径规划及避障的未来发展趋势进行展望,为AGV路径规划及避障算法的研究指出了方向.     

多AGV路径规划方法研究

针对多自动导引车(Automated Guided Vehicle,AGV)在仓储物流中的路径规划问题,提出一种基于时间窗模型的动态路径规划方法,以实现多AGV的动态路径规划。首先,利用A*算法启发式地为多个AGV规划路径;其次,计算AGV经过路径节点的时间,通过对时间窗的排布和更新解决了多AGV在路径规划中的碰撞冲突问题,而且通过动态地为多AGV分配优先级,提升了系统效率;最后,当路径中出现障碍物时,通过动态更改道路权重,重新进行路径规划,实现了实时避障。仿真实验结果表明,该算法在保证路径最优的条件下能有效避免碰撞冲突,完成无重复、无冲突的系统调度,不仅能提高系统效率,而且在动态环境下具有良好的适应性和鲁棒性。     

基于时间窗的改进两阶段AGV路径规划研究

针对自动导引车(AGV)在仓储物流搬运系统中的路径冲突问题,提出了一种基于时间窗的改进两阶段动态路径规划方法.对原有两阶段路径规划方法进行改进,在离线情况下,将时间窗原理和Di-jkstra算法相结合,顺序规划出各个AGV的路径,采用改变AGV优先级的方法在线进行路径动态规划.通过仿真实验证明了改进后算法可以减少冲突的概率,有效地避免了AGV之间的碰撞,不仅具有很好的鲁棒性和柔性,而且可以提高系统效率.     

Dynamic Scheduling and Path Planning of Automated Guided Vehicles in Automatic Container Terminal

The uninterrupted operation of the quay crane (QC) ensures that the large container ship can depart port within laytime, which effectively reduces the handling cost for the container terminal and ship owners. The QC waiting caused by automated guided vehicles (AGVs) delay in the uncertain environment can be alleviated by dynamic scheduling optimization. A dynamic scheduling process is introduced in this paper to solve the AGV scheduling and path planning problems, in which the scheduling scheme determines the starting and ending nodes of paths, and the choice of paths between nodes affects the scheduling of subsequent AGVs. This work proposes a two-stage mixed integer optimization model to minimize the transportation cost of AGVs under the constraint of laytime. A dynamic optimization algorithm, including the improved rule-based heuristic algorithm and the integration of the Dijkstra algorithm and the Q-Learning algorithm, is designed to solve the optimal AGV scheduling and path schemes. A new conflict avoidance strategy based on graph theory is also proposed to reduce the probability of path conflicts between AGVs. Numerical experiments are conducted to demonstrate the effectiveness of the proposed model and algorithm over existing methods.      

Flow-shop path planning for multi-automated guided vehicles in intelligent textile spinning cyber-physical production systems dynamic environment

Aiming at the path planning and decision-making problem, multi-automated guided vehicles (AGVs) have played an increasingly important role in the multi-stage industries, e.g., textile spinning. We recast a framework to investigate the improved genetic algorithm (GA) on multi-AGV path optimization within spinning drawing frames to solve the complex multi-AGV maneuvering scheduling decision and path planning problem. The study reported in this paper simplifies the scheduling model to meet the drawing workshop's real-time application requirements. According to the characteristics of decision variables, the model divides into two decision variables: time-independent variables and time-dependent variables. The first step is to use a GA to solve the AGV resource allocation problem based on the AGV resource pool strategy and specify the sliver can's transportation task. The second step is to determine the AGV transportation scheduling problem based on the sliver can-AGV matching information obtained in the first step. One significant advantage of the presented approach is that the fitness function is calculated based on the machine selection strategy, AGV resource pool strategy, and the process constraints, determining the scheduling sequence of the AGVs to deliver can. Moreover, it discovered that double-path decision-making constraints minimize the total path distance of all AGVs, and minimizing single-path distances of each AGVs exerted. By using the improved GA, simulation results show that the total path distance was shortened.     

基于时空A*算法的多AGV无冲突路径规划

物流中心作为快递转运的重要枢纽,其分拣效率在一定程度上影响着快递的配送时间.多台自动导引车(automatic guided vehicle,AGV)协同分拣能够大幅提高作业效率.本文研究了多AGV协同作业场景中的无冲突路径规划问题,在栅格地图建模环境的基础上,提出了基于冲突搜索的两层路径规划架构.冲突搜索与约束添加均...     

多模式智能教学系统教学规划与模式调度研究

具有多种教学模式的智能教学系统为适应不同学生的学习风格和学习要求，具有其它智能教学系统不可替代的优势，其关键问题之一是要解决教学规划和教学模式调度问题。提出了多模式智能教学系统的教学规划及教学模式调度的解决方案，以知识点关系图为基础提出了全局教学规划算法，根据对学生学习的评价和教学资源的相关特征为学生选择合适的教学模式并激活之。实验证明这种解决方案能取得令人满意的效果。     

仓储式多AGV系统的路径规划研究及仿真

对于自动导引车（Automated Guided Vehicle,AGV）的单机路径规划问题,已存在很多静态算法可以有效求解。但由于AGV间抢占系统资源的相互影响和制约,多AGV的协同作业会出现死锁、碰撞冲突等问题,静态路径规划算法无法满足实时动态作业的系统需求。智能仓储系统中,多AGV动态路径规划的核心问题不再仅是单AGV快速求解最优路径,而在于多AGV的冲突避免或解决,达到整体协调最优。拟采用两种思路解决上诉问题：一种方案是对最有效的静态算法进行改进,并引入动态机制和冲突解决策略以满足作业需求;另一种方案提出一种具备多步前瞻性的主动避障算法,优化路径并提前避开交通拥堵路段,减少冲突可能性和重新寻路代价。实验结果表明两种算法都具有良好的鲁棒性,可有效解决冲突,且后者可持续扩展AGV数量,具有更高的系统效率。     

基于头脑风暴算法的电动货车路径优化问题

针对电动货车路径优化问题,应用物流网络以及电动货车电量消耗等方面的知识,研究了电动货车的智能调度方法,构建了带时间窗的电动货车路径优化模型(electric vehicle routing problem with time window,EVRPTW)。该模型考虑了耗电量与电动货车行驶速度、载重量之间的关系,客户满意度与软时间窗之间的关系。同时,引入了计算机智能算法,充分利用了遗传算法、头脑风暴算法等优化算法的智能化特征,有效提高了电动货车的配送效率。仿真结果表明:该模型运用头脑风暴算法的最优值精确度和收敛速度都优于遗传算法,可以有效解决EVRPTW问题。所提出的模型和算法能明显提高配送中心的配送效率,节省充电成本,提高顾客满意度。针对配送中心电动货车运营调度管理的特点,借助计算机技术以及自动控制技术,进一步提高了电动货车的配送效率,为物流网络系统的智能化调度提供技术准备。     

基于高频车站及时间窗的立体轨道交通系统智能调度算法

立体轨道交通系统的车辆调度方法还未见报道,已有车辆调度算法的实时性较差。针对立体轨道交通车辆的调度问题,研究了一种结合高、低频车站判定的订单分配算法和一种结合时间窗的Dijkstra路径规划算法,即智能调度算法,以提高车辆的运行效率。首先,使用订单分配算法为订单选择合适的执行车辆,减少乘客的等待时间。其次,在订单分配算法的基础上增加了高、低频车站的判定,提前给高频车站调度车辆,以保证供需平衡。然后,将普通Dijkstra算法和时间窗判断相结合,以实现多车辆的无冲突路径规划。最后,对OpenTCS软件进行二次开发,并进行了调度算法的仿真。结果表明,当有乘客叫车时,若只有订单分配算法,乘客平均等待时间为8.043 s;结合高、低频车站进行车辆提前调度后,平均等待时间降到了5.724 s,每位乘客减少了2.319 s的等待时间。路径规划时,无论是普通的Dijkstra算法还是结合时间窗的Dijkstra算法,规划耗时都在1 ms以内,而结合时间窗的Dijkstra算法在只增加约0.1 ms耗时的情况下,解决了车辆的路径冲突问题。研究的智能调度算法减少了乘客的等待时间,提高了车辆的运行效率,实时性好,能满足立体轨道交通车辆的调度要求。     

面向快递终端的物流配送服务系统设计

针对传统的物流配送服务系统存在物流路径开销大、配送效率较低等问题,提出一种面向快递终端的物流配送服务系统改进设计方法。结合路径优化控制进行物流路径规划,建立物流配送服务网络移动快递终端节点分布模型,采用智能路径规划方法,实现物流配送服务系统的快递路径规划优化。在算法设计基础上,结合C/S面向对象模型进行物流配送服务系统的软件开发设计,物流配送服务系统的软件包括数据库管理模块、信息集成处理模块、人机交互控制模块和终端服务模块等,结合RFID射频识别和APP技术,实现系统优化设计。测试结果表明,采用该方法进行物流配送服务系统设计,降低了物流路径开销,提高了物流配送的效率。