基于迭代禁忌搜索算法的AGV单向网格布局分拣场景下的协同调度及路径规划研究

智能仓储业务作为整个智慧物流体系中的重要一环,引起了各国研究学者的广泛关注,其中关于智能仓储机器人(AGV)在包裹分拣业务中的调度及路径规划这一研究方向尤为新颖。为解决静态的多 AGV 的调度和无冲突路径问题,文献中应用了如邻域搜索等启发式方法的算法框架。本文参考了网格布局条件,对于智能仓储系统中的 AGV小车的任务调度及路径规划问题进行了建模研究,基于 MATLAB 环境设计并开发了一种迭代禁忌搜索的算法框架。经过多个仿真算例表明,在静态、小规模的任务规模下,该算法能够在短时间内得到一组次优解,用以提高机器人的分拣效率。

一种求解学区划分问题的混合启发式算法

针对目前求解学区划分问题算法搜索过程缺乏记忆,搜索效率不高,容易陷入局部最优而收敛慢等问题,该文提出一种多启动(M)框架下,迭代禁忌搜索(ITS)算法与模拟退火(SA)算法混合的M-ITS-SA算法。该算法包括构造初始解、禁忌搜索、SA算法优化与求解等。运用K-Medoids模型对学校分组后,采用M-ITS-SA算法对学区进行划分与优化,并从多个分区方案中求解最优分区方案。学区划分实验结果表明:该文提出的M-ITS-SA算法能够保证分区的空间连续性,适用于单校和多校划片,并在入学总距离上与混合元启发算法(M-ILS-SPP)保持相当的同时,大大降低了超额招生人数和总用时,具有良好的寻优能力和收敛性,优于M-ILS-SPP算法。