基于图论的AGV数量配置与调度优化方法

为了提高无人仓库的自动引导车(automated guided vehicle,AGV)系统运行效率,研究了大规模场景下无人仓库的AGV数量配置与调度问题。以最小化AGV数量和AGV总运输成本为目标,抽象出任务之间的时空约束来构建AGV共享网络,将数量配置与调度优化问题转化成图论当中的加权最小路径覆盖问题。计算结果表明:对比直接求解数学规划模型,图论方法在大规模场景下求解高效稳定,能够在满足任务时间要求的情况下,用更少的AGV数量以及对应运输成本最小的调度方案完成任务;针对300个任务规模的数量配置与调度问题,图论方法能够在4 s内完成求解,与数学规划模型的求解速度差距达到3个数量级,AGV数量减少10.3%。