考虑负载量均衡的自动拣货系统AGV任务分配优化

为提高AGV自动拣货系统作业效率、降低作业成本,在剖析造成系统拥堵的关键影响因素基础上,提出考虑负载量均衡的AGV任务分配双层规划模型,上层考虑总成本最小,下层通过构建多目标函数来最小化系统负载量标准差和AGV空闲率。针对传统GA求解任务分配问题效率低、易陷入局部最优等问题,提出了一种改进自适应遗传算法(SAGA),引入sigmoid函数用于适应度值的转换,并参与到自适应调整交叉变异算子的操作中,加入灾变策略防止算法出现早熟的情况。最后将该算法对不同规模算例进行仿真,结果证明,相比遗传算法、自适应遗传算法、自适应灾变遗传算法、蚁群算法,该改进算法在不同规模算例实验结果中均有明显优化,表明改进算法能更好地避免早熟、提升求解质量与收敛稳定性,有效地均衡了路网负载量,降低了作业总成本。

动态优先级策略下快递分拨中心多AGV路径规划

目前快递分拨中心逐渐应用自动引导车(automated guided vehicle,AGV)进行包裹分拣作业,多AGV路径规划和路径冲突是制约分拨中心多AGV系统运行效率的关键问题。为解决上述问题,提出一种先静态后动态的两阶段路径规划方法。在静态路径规划阶段,引入转向惩罚机制对A*算法进行改进,为单个AGV进行静态路径规划,避免出现无意义转向,得到较优初始路径;在动态路径规划阶段,确定快递分拨中心中AGV常见的冲突类型并制定相应的避碰策略,设计动态优先级策略,将AGV剩余电量、是否负载并结合包裹时效性等因素作为指标对AGV发生冲突时的实时优先级进行量化,以此作为AGV等待或进行路径再规划的依据,在每辆AGV生成初始路径之后找到AGV之间的冲突节点,根据动态优先级策略及避碰规则实现多AGV动态无碰撞路径规划。案例分析结果表明,使用动态优先级策略能够有效解决多AGV路径冲突问题,且可以降低总任务完成时间和为避免冲突而额外增加的时间。