考虑任务行程时间的多载量自动导引车系统防死锁任务调度

针对多载量自动导引车（AGV）系统的任务调度和缓冲区死锁问题,提出了考虑任务行程时间的防死锁任务调度方案。以最小化延迟率和交通负荷不均衡度为目标,建立了任务调度模型;分析了任务调度中的实际约束,并在任务行程时间约束下构建了预测模型;针对任务调度模型,提出了一种基于人工免疫-灰狼优化（AI-GWO）算法的多目标防死锁任务调度方法,利用死锁避免规则禁止即将引发工位缓冲区死锁的任务运行,并融合AI-GWO算法对任务执行顺序进行多目标优化;最后,根据AGV负载均衡度进行AGV任务分配。仿真结果表明,上述任务行程时间预测模型具有较高的准确率,任务调度模型及防死锁调度方法具有较好的优化性能和计算效率,从而显著提高了物流系统的任务准时率和路径网络的交通负荷均衡度。     

基于深度学习算法的调度自动化云平台任务优化策略研究

分析了云平台任务调度的特点和目标,从任务调度算法入手,提出了基于改进粒子群算法的电力调度自动化系统的人工智能方法,开发了云计算操作的模型。基于该算法和物理模型的运行控制考虑了 QoS 要求和平台云居民的环境负载平衡,可以有效提高所提电力调度自动化系统的云平台任务调度的效率。以电力自动化云平台为分析对象,研究其架构,将修正的 PSO 算法与云资源调度模型的结构拓扑相结合,建立三级数据节点,给出了基于改进 PSO 的云平台调度模型,旨在提高云计算资源配置效率,改善云服务质量,解决电力调度自动化系统的任务调度问题。     

自适应粒子群求解资源动态分配项目调度问题

为了解决传统任务资源固定分配难以实现动态与高效调度的问题,建立了任务资源动态分配项目调度的数学模型,给出了任务调度方案的生成算法。为了克服基本粒子群优化算法的早熟收敛问题,平衡其全局与局部搜索能力,提出了一种改进的自适应粒子群优化算法,该算法采用惯性权重因子周期性衰减和改进的变异策略以及不变位交叉法实现粒子的更新。最后对通用标准库进行了测试,结果表明,所建模型和改进算法能够有效地缩短项目工期,提高资源利用率和算法效率。     

基于改进遗传算法的物料配送多 AGV 调度优化

为解决混流作业车间中物料配送多自动导引车（ AGV）的调度优化问题,以AGV配送物料行驶时间最短为目标建立数学优化模型,提出了一种改进的遗传算法进行AGV的任务分配和配送路径优化。在算法设计过程中,采用直接反映AGV配送路径和任务分配的整数编码方式,为避免常规交叉变异过程中产生不可行解的情况,改进了交叉变异算子,采用最好－最坏交叉模式和基因段随机交换的变异模式,获得了优化的调度方案。最后,以某重型机械公司装配车间内物料输送AGV调度优化为实例,并与遗传算法和分支定界法进行对比,验证了所提方法的可行性和有效性。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

面向云计算环境任务调度的改进蚁群算法

云计算环境下的任务调度问题是一个NP完全问题,其目的是在各个处理节点上合理分配任务,优化调度策略以保证有效完成任务。以总任务完成时间最短和计算成本最低为优化目标,针对蚁群优化算法易陷入局部最优的缺陷,提出了一种求解该问题的改进蚁群算法。该算法将遗传算法的二点交叉算子融入到蚁群优化算法中,以提高蚁群优化算法的局部搜索能力。通过在云仿真平台Cloud Sim上进行仿真实验,结果表明改进蚁群算法缩短了总任务完成时间,降低了计算成本,从而证明了该算法能有效地解决云计算环境下的任务调度问题,并且其优化能力和收敛速度优于蚁群优化算法和改进离散粒子群算法。     

基于智能计算方法的AGV制造车间调度问题研究现状

基于智能制造车间物流系统中AGV的复杂动态调度问题,阐述了智能计算方法在复杂调度技术方面及其在智能制造车间AGV调度的研究应用.对群智能计算、遗传算法、人工神经网络等常见智能计算方法的特性及调度问题应用进行分析.针对群智能计算方法重点探究了粒子群算法、蚁群算法及人工蜂群算法在制造业AGV调度中的应用;结合遗传算法与柔性制造系统生产理念总结了AGV调度研究现状;在人工神经网络方法上,介绍了基于深度学习、强化学习有关的AGV调度问题研究及特点.基于智能计算方法各自计算特点对其在制造车间AGV调度应用进行了探讨,总结了智能计算方法在制造车间关于AGV智能调度的研究的发展趋势,方便未来AGV车间调度系统的技术研究选择合适的算法.     

基于智能计算方法的AGV制造车间调度问题研究现状

基于智能制造车间物流系统中AGV的复杂动态调度问题,阐述了智能计算方法在复杂调度技术方面及其在智能制造车间AGV调度的研究应用.对群智能计算、遗传算法、人工神经网络等常见智能计算方法的特性及调度问题应用进行分析.针对群智能计算方法重点探究了粒子群算法、蚁群算法及人工蜂群算法在制造业AGV调度中的应用;结合遗传算法与柔性制造系统生产理念总结了AGV调度研究现状;在人工神经网络方法上,介绍了基于深度学习、强化学习有关的AGV调度问题研究及特点.基于智能计算方法各自计算特点对其在制造车间AGV调度应用进行了探讨,总结了智能计算方法在制造车间关于AGV智能调度的研究的发展趋势,方便未来AGV车间调度系统的技术研究选择合适的算法.     

基于神经-内分泌协调机制的多AGV调度研究

为解决多AGV系统中的任务调度及协调控制问题,受神经-内分泌协调机制的启发,结合混合区域控制模型,建立了任务、制造单元及AGV之间相互刺激的激素分泌模型,并在此基础上提出了基于神经-内分泌协调机制的多AGV任务分配及调度机制。结合实例进行了调度仿真实验,验证了此方法的可行性和有效性。     

药品仓库堆垛机与AGV集成调度优化

针对药品仓库药品批次要求严苛、出入库频次较高等原因导致的堆垛机与自动导引小车(AGV)空载率高、效率低等问题,以出入库订单作业总时间最短为目标,建立了适合于药品仓库的堆垛机与AGV集成调度的混合命令序列作业时间模型.针对集成调度模型的组合优化问题,设计了改进的免疫克隆算法,构造改进记忆单元克服了原始免疫克隆算法只记忆单...     

基于改进免疫克隆选择的对等网络任务调度机制

由于对等网络的动态不确定性和任务调度本身的复杂性,使得任务调度过程中的节点搜索与负载平衡等问题很难得到有效解决。为此,应用统计的不确定性推理,从大量的节点空闲时间统计数据中寻找满足调度时间需求的空闲节点集合;同时,利用数学模型对空闲节点的动态性能参数进行拟合,再按性能高低求解出空闲节点的有序集合。在此基础上,通过改进的免疫克隆选择算法,将任务集合与空闲节点集合进行匹配来完成任务调度过程。实验结果表明,所提出的节点搜索策略能够比较准确地选择出符合任务调度要求的节点集合,同时根据所提出的节点与任务的匹配机制来处理关联任务的调度,能够有效地节省网络开销并缩短任务的完成时间。     

基于改进A*算法的AGV路径研究

路径规划能力是AGV(Automated Guided Vehicle,自动导引运输车)系统智能化程度的体现。在众多算法中,A~*算法使用代价消耗估算方式达到较快的计算能力,被广泛应用于AGV的路径规划中,但仍存在局部最优的规划问题,规划的路径上存在冗余节点和较多不必要拐点。为减少运输路径中的总能耗,缩短路径总长度和减少AGV转弯次数,采用分裂和筛选的方案对传统A~*算法进一步优化,提出改进A~*算法,使其在实际工作环境中搜索更加迅速、考虑更加周密。在传统A~*算法基础上,在未知节点的启发函数里增加转弯权值,可以在计算规划过程中考虑转向所带来的消耗,从而减少转弯次数。使用任务分裂方案可以尽可能多地选择出较优路径,其中的最优解能够实现得转弯较少,展现出比较平滑的线路。基于Ubuntu下ROS系统版本进行仿真,对比实验结果表明,改进A~*算法在规划时间、总行程以及转弯消耗等方面都优于传统A~*算法,提升了AGV的实际运行效率,减少了AGV小车的耗能,可以缩短路径搜索规划时间,更符合工厂环境对AGV的需求。     

基于改进遗传算法的多AGV调度优化

为解决生产车间多AGV任务调度的问题,提出了一种改进的遗传算法进行AGV任务的分配和路径的优化,并建立了数学模型;通过改进遗传算法的变异算子,提高种群的收敛速度和收敛性。实例仿真表明,改进的遗传算法收敛速度更快、路径更优。     

基于电量和负载均衡约束的多AGV生产车间调度研究

目前多AGV的使用大大提升了制造企业的生产效率，在调度过程中也产生了诸多问题，其中以AGV负载不均和电量限制所带来的拥堵问题尤为凸显。对此，以最小化生产调度时间和负载均衡偏差为目标，考虑AGV的电池容量、充电次数、充电时间等约束，建立了一种非线性的多目标集成优化模型，基于MFC(Minimum time selection for charged volume constraint,MFC)策略设计了自适应改进遗传算法，并通过与传统遗传算法对比分析，验证了算法的有效性。最后对AGV调度中的相关参数进行分析，得到了AGV在负载均衡时的运行规律。     

考虑充电的多AGV的作业车间调度问题

自动导引车(AGV)在生产车间的应用,给车间调度带来许多额外的需要解决的实际问题,如运输任务AGV分配、AGV电量约束、AGV数量约束等,使得其调度问题更加复杂和困难.针对多AGV运输工件的作业车间调度的特点和约束条件,建立了考虑充电约束的多AGV运输工件的作业车间调度模型,通过虚拟设备的方法设计了工件分配和AGV运输任务的两段染色体编码,设计了工件分配和AGV任务分配的集成解码方法,并设计了改进遗传算法进行求解,进一步分析了AGV数量、AGV电量和运输时间等因素对优化目标的影响,最后通过作业车间典型算例仿真验证了模型与算法的有效性.     

自动化码头双小车岸桥-AGV协同调度研究

为缩短船舶停港时间、降低运营成本,以及提高AGV重载率,自动化码头采用双小车岸桥与AGV协同的方式对集装箱进行协调装卸搬运。在考虑双小车岸桥中转平台的情况下,对后小车作业进行时间窗约束,建立以AGV空载行驶成本、AGV总行驶成本以及岸桥作业延误成本加权和最小为目标的AGV调度问题混合整数规划模型。通过CPLEX Optimization Studio进行数值试验,从4个方面对模型进行分析,验证了双小车岸桥对于AGV调度优化的优越性,并找出存在缓存区时AGV的数量配置和分派调度优化方案。     

工厂环境多AGV动态调度系统的组合优化

为解决某玻璃厂对多自动导引小车(AGV)的需求,提出了一套工厂AGV动态调度系统的软件架构。以具体的玻璃运输环境为研究对象,考虑路径冲突,AGV停车等一系列随时可能出现的现实因素,引入时间窗队列解决路径冲突问题,并利用时间窗优化Dijkstra算法。通过预处理地图信息减少算法计算时间复杂度。基于AGV系统的分布式特性提出多AGV报价竞争的路径融合算法,通过计算特征量将相似路径的订单融合成一条优化路径,缩短订单池完成的总时间。     

对等网络环境下基于相似度的任务调度策略研究

为消除对等环境下任务调度过程中的"颠簸"现象,减少网络开销,提出了能有效利用网络资源的基于相似度的任务调度算法.通过计算现行任务与历史任务之间的相似度,来确定能够直接调度的节点;通过计算任务需求资源与节点可提供资源的相似度并利用传输时间因素对其进行修正,以获取满足任务需求的有序节点集合.在此基础上,利用所提出的任务调度算法,完成任务调度过程.实验结果表明,基于相似度的任务调度算法能够有效地减少任务调度过程中的"颠簸"现象,缩短任务执行时间.     

基于冲突预测的多自动导引小车避碰决策优化

为有效解决路径冲突和避碰问题,提高多自动导引小车(AGV)系统的作业效率,提出基于冲突预测的多AGV避碰决策优化方法。结合图论提出一种基于顶点属性和实时位姿信息的冲突预测方法,在考虑路网全局状态的基础上建立避碰决策的数学评价模型,提出一种适用于多AGV系统避碰决策优化的改进粒子群优化算法,通过优化粒子运动的速度和方向避免优化算法过早收敛。采用融合遗传算法的变异思想为粒子引入变异操作,改善优化算法的全局搜索能力。最后通过实验测试表明,该优化方法可以有效解决多AGV系统路径冲突问题,还能缩短避碰过程中AGV的等待总时长,提高多AGV系统运行的安全性与效率。     

自动导向小车与加工设备多目标集成调度的聚类遗传算法

针对AGV与加工设备的集成调度问题,在考虑AGV无冲突路径规划的情况下,建立了以最大完工时间、AGV运行时间及机器总负荷为优化目标的调度优化模型,提出一种基于时间窗和Dijk-stra算法的多目标自适应聚类遗传算法.根据算法在不同迭代时期的特点,提出一种包含自适应个体交叉概率的交叉重组策略;设计了自适应种群变异概率;引...