基于蚁群-遗传融合框架的仓储群机器人任务分配

将智能仓储中的自主移动群机器人订单任务分配,建模成群机器人协同调度的多目标优化问题,将成员机器人完成拣货任务的路径代价和时间代价作为优化目标.设计了蚁群-遗传算法融合框架并在其中求解.该框架中,蚁群算法作为副算法,用于初始种群优化;遗传算法改进后作为主算法.具体地,在遗传算法轮盘赌选择算子后引入精英保留策略,并在遗传操作中加入逆转算子.针对不同数量的订单任务,使用不同规模的群机器人系统进行了任务分配仿真实验.结果表明,在本文所提的融合框架中求解,较分别使用蚁群算法或遗传算法单独求解,性能上具有明显优势,能够发挥蚁群算法鲁棒性好和遗传算法全局搜索能力强的特点,提高智能仓储系统的整体运行效率.     

智能仓储货位规划与AGV路径规划协同优化算法

智能仓储的优化一般分为货架优化和路径优化两部分:货架优化针对货物与货架两者的关系,对货物摆放位置进行优化;而路径优化主要寻找自动引导小车(automated guided vehicle,简称AGV)的最优路径.目前,大多的智能仓储优化仅对这两部分进行独立研究.在实际仓储应用中,只能以线性叠加的方式解决问题,导致问题的求解易陷入局部最优中.通过对智能仓储环节中各部分的关系进行耦合分析,提出了货位和AGV路径协同优化数学模型,将货架优化和路径规划归为一个整体;此外,提出了智能仓储协同优化框架的求解算法,包括货品相似度求解算法和改进的路径规划算法;并在以上两种算法的基础上,使用改进的遗传算法实现了货位路径协同优化.实验结果验证了所提出的智能仓储协同优化算法的有效性和稳定性.通过使用该算法,可有效提高仓储的出货效率,降低运输成本.     

改进布谷鸟搜索算法在多机器人任务分配及路径规划中的应用

针对多机器人任务分配及路径规划问题,提出一种改进布谷鸟搜索算法求解多机器人任务分配及路径规划方法.根据任务点的环境信息和在其中寻找最佳机器人位置建立数学模型,并使用改进布谷鸟搜索算法求解任务分配及路径规划.改进的策略中融合了遗传算子、2-opt、模拟退火算法的Metropolis准则和插入、交换、逆序方法.不同规模的仿...     

基于协同进化的多智能体机器人路径规划

协同进化是一种新兴的、简单有效的智能优化方法,具有较好的收敛性、鲁棒性和高效性,在多目标优化问题中得到很广泛应用。将其应用到复杂环境下多智能体机器人的路径规划中,并设计适应度评价函数。同时,引入一系列新的变异操作算子,有效地对多智能体机器人规划的路径进行优化,加速了整体的规划速度,避免规划陷入局部最优,从而获得多智能体系统的全局最优或次优解。最后给出了的仿真结果证明方法可行、有效。     

空间众包任务的路径动态调度方法

空间众包用于解决带时空约束的线下众包任务,近几年得到了快速发展.任务调度是空间众包的重要研究方向,难点在于调度过程中任务和工作者的动态不确定性.为了高效地进行任务路径动态调度,提出了同时考虑任务和工作者的不确定性的空间众包任务路径动态调度方法,该方法进行了3方面的改进.首先,扩展了调度需要考虑的因素,除了考虑新增任务的...     

多仓储机器人协同路径规划与作业避碰

针对多仓储移动机器人协同作业问题,提出了一种基于全局规划和局部调整的路径规划方法,以获得较短、无碰、避障的可行路径.在路径规划时根据当前节点到终点的距离和局部路径与起点至终点的欧氏路径的夹角设计新启发式函数,驱使机器人沿最短路行进;根据可选节点的数量提出避障规则,提高避障能力;依据路径长度对信息素进行比较更新,以精炼搜索空间、提高收敛性能,对蚁群算法加以改进寻找各自最优路径.在作业避碰时设计避碰规则有效解决仓储机器人间作业碰撞,找到最优或近优路径组合.实验结果表明了本方法的可行性、有效性.     

动态仓储环境下的多机器人路径规划方法

针对动态仓储环境下多机器人运动过程中出现的拥塞死锁问题,利用路径长度、转弯数、路径惩罚函数建立小车单任务耗时模型。模型引入阻塞惩罚函数,移除可能发生阻塞的路径增加罚值。同时针对传统遗传算法路径规划操作过程中路径交叉变异导致路径中断不可用的情况,设计重复点交叉算子,在变异操作后检查路径合法性,使算法都是在可行的解空间上进行搜索。仿真实验表明,算法能指导机器人获得动态环境下的最优路径,同时算法收敛速度大大提高。     

结合遗传算法和滚动调度的多机器人任务分配算法

研究多机器人任务分配（MRTA）的目的是提高智能工厂中机器人完成任务的效率。针对现有算法在处理大规模、多约束的MRTA时存在不足的问题，提出一种结合遗传算法和滚动调度的MRTA算法（ACGARS）。首先，在遗传算法中采用基于有向无环图（DAG）的编码方式高效地处理任务之间的优先级约束；其次，在遗传算法的初始种群中加入先验知识以提高算法的搜索效率；最后，设计基于任务组的滚动调度策略用于减小求解问题的规模，从而实现对大规模问题的高效求解。在大规模问题实例上的实验结果表明，相较于构造性启发式算法（CHA）、最小化干扰算法（MIA）和基于惩罚策略的遗传算法（GAPS）生成的方案，当任务组数为20时，所提算法生成的方案的平均订单完成时间分别缩短了30.02%、16.86%和75.65%，验证了所提算法能有效地缩短订单的平均等待时间，提升多机器人任务分配效率。     

面向智能工厂原料供应环节的多机器人任务分配方法

智能工厂下的动态定制生产带来了原料供应的动态变化，需要更加灵活的供应解决方案，在此，我们考虑任务需求和运行距离等因素，建立一个以最大化供应问题收益为目标的智能工厂供应任务优化模型，将原料供应转化为一个多机器人任务分配问题的变体，提出一种多机器人协作的原料供应解决方案，基于贪婪选择策略，产生满足当前各任务要求的供应机器人划分；运用博弈论的纳什平衡概念为任务划分寻求平衡解，进一步提升分配质量.实验表明，所提出算法能够面对不同规模的供应任务，在保证分配质量的同时在极短的时间内给出供应分配方案.     

电能计量设备检定中心智能立库调度优化研究

为有效解决电能计量设备检定中心智能立体仓库的出入库作业调度优化问题,提出了一种改进的人工鱼群算法(AFSA)。针对系统出入库作业的特点,设计了一种包含轨道引导小车(RGV)的升降机在各阶段选择信息的编码和解码方法。将记忆行为和个体交流行为引入算法,并采用自适应步长和视野范围来避免算法陷入局部最优,加快算法的后期收敛速度。结果表明,该改进算法收敛速度更快、优化率更高、得到的解最优,具有较强的实用性和鲁棒性。     

基于BDI模型的多机器人智能体系统设计

BDI模型是智能体设计的一种成熟结构,本文将BDI模型应用于多机器人智能体系统设计中．文章先从形式逻辑角度描述系统模型,然后讨论基于合同网的多机器人智能体的协作机制,最后给出基于BDI模型的多机器智能体的实现模型．     

基于禁忌搜索的智能公交调度研究

为了兼顾乘客群体和公交公司的满意度,提出了基于禁忌搜索的智能公交调度策略。其策略是以乘客群体和公交公司满意度之和最大为目标函数,采用禁忌搜索方法查找某车次公交车辆各时段的最优发车间隔,以便适应客流变化,减少乘客等车时间,并降低公交运营成本增加公交公司经济收益,从而解决基于固定发车间隔的公交调度不足。     

一种基于智能调度的可扩展并行强化学习方法

针对强化学习在大状态空间或连续状态空间中存在的“维数灾”问题,提出一种基于智能调度的可扩展并行强化学习方法——IS-SRL,并从理论上进行分析,证明其收敛性.该方法采用分而治之策略对大状态空间进行分块,使得每个分块能够调入内存独立学习.在每个分块学习了一个周期之后交换到外存上,调入下一个分块继续学习.分块之间在换入换出的过程中交换信息,以使整个学习任务收敛到最优解.同时针对各分块之间的学习顺序会显著影响学习效率的问题,提出了一种新颖的智能调度算法,该算法利用强化学习值函数更新顺序的分布特点,基于多种调度策略加权优先级的思想,把学习集中在能产生最大效益的子问题空间,保障了IS-SRL方法的学习效率.在上述调度算法中融入并行调度框架,利用多Agent同时学习,得到了IS-SRL方法的并行版本——IS-SPRL方法.实验结果表明,IS-SPRL方法具有较快的收敛速度和较好的扩展性能.     

实时数据仓库中支持QoS的更新和查询任务调度

实时数据仓库中,数据更新不再是定期批量执行,而是持续不间断地进行.因此更新与查询的执行调度成为了重要问题.提出一种支持服务质量(QoS)的更新和查询调度算法,定义了查询相关的QoS参数,包括期望的查询响应时间和可接受的实时数据延迟;根据查询任务的具体QoS要求,进行更新和查询的实时调度.实验证明该算法能够根据查询的具体QoS需求,合理地调整任务的执行顺序,为用户提供更快速的查询响应和更高的数据实时性.     

数据仓库ETL任务调度模型研究

数据仓库系统包含众多的抽取-转换-加载(ETL)任务,这些任务具有一定的优先约束关系.在多处理机环境下,如何高效地调度这些ETL任务是构建数据仓库需要研究的重要问题.对此,在对数据仓库ETL任务调度规则进行归纳总结的基础上,以数据仓库总的ETL完成时间最短为目标,建立了数据仓库ETL任务调度模型.同时结合问题的特点,采用同层划分的思想,提出基于同层划分遗传算法求解问题的方法.最后,通过应用实例验证了所建立模型和求解算法的可行性和有效性.     

基于改进遗传算法的多机器人任务分配方法

多点遍历任务是多机器人协作研究中常用的一个例子,普遍采用的单物品拍卖任务分配方法存在着无法得到全局最优解的缺点。为解决此问题,该文提出用组合拍卖的方法进行任务分配。由于组合拍卖的胜者决定问题（WDP）本身是一个NP—hard问题,怎样在短时间内获得令人满意的解是该文关心的焦点。该文通过对单亲遗传算法进行改进,提出环形染色体的概念,成功地解决了针对此任务的WDP求解问题。仿真试验表明,该算法实现简单,搜索效率高,在较短时间内能够得到满意解,满足多机器人动态任务分配的实时性要求。     

数据仓库环境下基于知识的智能查询

提出了数据仓库环境下基于知识的智能查询方法－－KBIQ方法,详细介绍了该方法中的NQL语言和KBDL语言,并阐述了一个通用智能查询工具－－KBIQ系统的实现。     

基于免疫遗传算法的智能柔性仓库货位自动化分配方法

针对没有充分考虑到货物就近存储、分配不均、入库效率低等的问题,为了有效地提高工作效率,提高空间利用率,设计了一个基于免疫遗传算法的智能柔性仓库货位自动化分配方法。将保证上轻下重的货架承重原则、先入后出的目标、关联性货物就近存储作为分配目标,采用免疫遗传算法不断迭代计算,赋予其自动化属性,对各层的个体给予同样的虚拟适度值,实现智能柔性仓库货位自动化分配。结果表明,所提出方法在应用后,能够将较重货物分配在底层,提高算法搜索效率,保证入库时间较短,满足智能柔性仓库自动化运维模式需求。     

Mixed-Load Transportation Scheduling of Multiple Agents in a Warehouse Environment

In a floor warehouse environment, where many agents transport numbers of products iteratively, efficient product transportation is required for high productivity. In general, the following facts are recognized. (i) Three kinds of jobs exist: picking, replenishment and arrangement. (ii) Mixed-load transportation can decrease the completion time of vehicles. In many former methods, however, the above facts are not considered. We propose a design methodology using a dispatching rule and a local search method based on a simulated annealing algorithm. The rule is applied to obtain the initial solution and the local search method is adopted to obtain a semi-optimal solution in consideration of mixed-load transportation. To evaluate the applicability of the proposed algorithm, we have implemented the algorithm in several product environments. The simulation results verify the effectiveness of the proposed method.