面向大型工业仓库的多AGV综合优化调度方法

针对大型工业仓库中自动引导车(AGV)集群执行大规模任务时效率低的问题,提出一种基于分层规划的综合优化调度方法,将调度问题分解为聚合的上层任务定序分配问题和下层路径规划问题。在上层问题中生成精英解集,将下层路径规划生成的禁忌列表作为碰撞冲突约束条件融入上层问题迭代寻优过程,并在迭代搜索中,将路径规划结果反馈给上层问题并更新约束条件,通过上下两层问题的综合计算得到整体性能最优的方案。进一步将路径搜索和禁忌列表融合,实现AGV调度中相互关联的多个问题的同步优化。通过大型工业仓库实例验证该方法的有效性。研究结果表明:相较于依次优化调度方法,基于分层规划的综合优化调度方法的平均任务完成时间减少10.56%,碰撞冲突造成的延迟时间减少74.53%;相较于混合自适应大邻域搜索算法和预先规划算法,基于混合离散状态转移算法的分层规划综合调度方法对于大规模问题任务完成时间分别减少9.73%和5.54%,计算时间分别减少84.19%和86.68%。