自动分拣仓库中多载量AGV调度与路径规划算法

在自动分拣仓库中,多载量自动导引小车(AGV)具有强运输能力,但其多载量特征也增加了调度与路径规划的复杂性。针对多载量AGV调度与路径规划的协同优化问题,以最小化最大搬运完成时间为目标,建立了该问题的混合整数线性规划模型,并提出一种聚类协同优化算法。算法首先定义了包裹相似度,设计聚类算法划分包裹组,使每个包裹组可由多载量AGV在一次作业中完成分拣;进而针对问题的多决策特征,设计协同进化遗传算法对包裹组进行指派和排序,并将无冲突路径规划算法引入到协同进化遗传算法的解码方案中,用以搜索最优路径并解决多AGV路径冲突,从而实现了多载量AGV调度与路径规划的协同优化。通过不同问题规模的仿真实验验证了所提算法的高效性和稳定性。

自动化分拣仓库中多AGV调度与路径规划算法

自动化分拣仓库由多自动导引小车(AGV)同时作业,对大量包裹进行快速分拣。如何为AGV确定搬运包裹序列并规划无冲突的路径,是分拣作业的关键所在。为提高分拣效率,以最小化最大搬运完成时间为目标,定义了冲突AGV的优先级,提出一种生成无路径冲突的路径规划算法;进而,综合考虑AGV调度和路径规划,提出一种改进差分进化算法,算法采用反学习方法生成初始种群,运用自适应的变异和交叉概率进行进化操作,设计动态差分进化策略来提高收敛速度,并设计交换邻域和基于关键AGV的插入邻域进行局部搜索。通过数据实验验证了算法的有效性,并对关键问题参数进行了分析。

自动化分拣仓库中多自动导引小车在线协同调度算法

针对实时动态环境下自动化分拣仓库中多自动导引小车(AGV)任务指派和路径规划的协同调度问题,以最小化加权总搬运完成时间为目标建立了混合整数线性规划模型,并提出一种集中与分散决策相结合的在线协同调度算法。算法通过集中决策实时统筹仓库系统的全局信息,并将AGV视为具有决策能力的智能体(Agent),基于分散决策策略,由各AGV自主接收实时仓库信息并确定搬运任务和行走路径。为支持AGV决策,设计了基于优先规则的指派算法和基于栅格阻塞度的路径规划算法,实现了多AGV任务指派和路径规划的协同优化,并解决了多AGV间的冲突和拥堵。通过不同规模的仿真实验验证了所提算法的有效性。