基于改进DQN算法的无人仓多AGV路径规划

针对无人仓中多AGV路径规划与冲突问题,以最小化总行程时间为目标,建立多AGV路径规划模型,提出一种基于动态决策的改进DQN算法。算法设计了基于单AGV静态路径规划的经验知识模型,指导AGV的学习探索方向,提前规避冲突与障碍物,加快算法收敛。同时提出基于总行程时间最短的冲突消解策略,从根本上解决多AGV路径冲突与死锁问题。最后,建立无人仓栅格地图进行仿真实验。结果表明,本文提出的模型和算法较其他DQN算法收敛速度提升13.3%,平均损失值降低26.3%。这说明该模型和算法有利于规避和化解无人仓多AGV路径规划冲突,减少多AGV总行程时间,对提高无人仓作业效率具有重要指导意义。

考虑订单拆分策略的AGV拣选效率优化方法

为提高智能仓库系统中AGV的拣选效率,针对AGV订单拣选优化问题分为AGV-货架任务分配、多AGV无冲突路径规划两个子问题进行研究,根据订单特点引入订单拆分策略,并以最小化AGV完成所有订单的总时间为目标构建数学模型。首先,设计了确定货架优先级的AGV-货架任务分配算法(AGV-shelf task allocation algorithm, ASTA)求解匹配问题。然后,提出一种带有贪婪参数并嵌入冲突消解策略的改进Q-Learning算法,得到拆分策略下最优无冲突拣选路径方案。最后,通过在40 m×40 m仓库布局中的订单集数值实验对比分析,所提算法与现有的两种算法对比结果显示,AGV完成所有订单的总时间分别平均减少11.63%和26.74%,验证了拆分策略的有效性,并且通过AGV使用数量、完成订单时间和路径冲突等待时间占比三个指标的对比验证了拆分策略和所提算法能有效缓解拥堵情况,减少行驶路径长度,提高拣选效率。此外,针对AGV数量灵敏度分析,在不同数量的AGV对行驶时间和路径冲突等待时间的影响方面,发现19台AGV数量是最佳配置,验证了模型的可行性和算法的有效性。

基于冲突搜索增强深度强化学习的多AGV路径规划方法

针对多自动引导车(Automated Guided Vehicle,AGV)路径规划问题,以最小化总行程时间为目标,提出一种基于冲突搜索(Conflict-Based Search,CBS)算法增强的分布式独立Q学习(Independent Q-Learning,IQL)算法。首先,采用栅格图法构建环境地图,并对多AGV路径规划问题进行数学化描述,涵盖了AGV间的碰撞类型和问题的基本假设。随后,将问题转化为部分可观察马尔可夫决策过程(Partially Observable Markov Decision Process,POMDP),并详细定义了观测空间、动作空间及奖励函数。进一步地,采用异步优先级经验回放架构,将IQL方法扩展到分布式环境中,并通过CBS算法引导Q网络,优化AGV在拥挤环境中的决策过程。最后,根据不同AGV数量设计了与其他深度强化学习算法的对比实验,结果表明所提方法在成功率和平均步长关键性能指标上优于对照算法,从而证实了所提方法的有效性和可行性。

不确定情景下AGV系统调度算法的仿真平台

不确定情境下的完整自动引导车(automated guided vehicle,AGV)系统调度算法,除了要包含常见的任务指派策略和路径规划算法之外,还需要包含冲突应对策略。由于存在随机性,这样的调度算法难以从理论上分析其特性,相关研究也较少。基于离散事件仿真技术,设计并开发了一个AGV系统仿真平台,可以灵活地设置调度问题,并选择调度算法中的任务指派策略、路径规划算法和路径冲突应对策略进行仿真。该平台具有可视化的界面,可以直观地观察AGV的运行状态和调度算法的表现,也可以输出最终的仿真实验统计数据。实验表明:该平台可以准确有效地对不确定情景下的调度算法进行评估与比较。

基于多智能体算法的智慧无人仓布局设计及AGV调度优化研究

智能物流是工业4.0的几大主题之一,而基于AGV系统的智能无人仓是现有技术下,物流仓储阶段智能化的一种可能形式。其中,无人仓布局和AGV调度策略都是影响无人仓技术成熟度的重要因素。考虑到无人仓布局与AGV调度策略相互影响的特征,通过将MAPF问题的研究成果与ALNS算法相结合设计AGV调度策略,实验研究了过道等布局要素对于无人仓吞吐效率的影响。实验结果表明,好的过道布局有益于提高无人仓内AGV的运行效率。

复杂环境下多AGV路径规划与调度系统研究

随着AGV技术的日趋成熟及柔性制造系统的广泛应用,提高复杂环境下AGV的工作效率和应用领域变得尤为重要,因此,开展复杂环境下多AGV的路径规划与调度系统研究是重点研究内容。文中首先对多AGV在实际运行中的冲突类型进行判定和分析,并在此基础上构建了时间窗模型;然后考虑AGV的自身特性,对常用路径规划算法中的蚁群算法和人工势场法进行推导与计算;最后根据冲突类型及AGV工作环境的多样性,分别采用交通规则法和时间窗算法对调度系统进行研究。通过分析发现:在准确判断AGV冲突类型后,对其进行精确的路径规划和调度,可以有效提高多AGV系统在复杂工作环境中的工作效率,为多AGV的发展与应用奠定坚实的基础。

考虑冲突规避的自动化集装箱码头AGV优化调度方法

合理调度自动化导引车(AGV)对于降低自动化集装箱码头的作业成本具有重要意义。针对AGV调度中的任务分配和路径规划问题,考虑AGV电量和多载等因素,结合自动化码头布局特点,以AGV作业总时间最小和多AGV作业路径无冲突分别为第一阶段和第二阶段的优化目标建立两阶段模型。设计改进模拟退火算法求解第一阶段模型,为了加速算法收敛并保证解的质量,解的改进优先考虑任务的时间成本和AGV数量;设计基于时空网络的路径规划算法求解第二阶段模型,将作业区域离散成网格网络后添加时间信息构建可更新的时空网络,在时空网络上运用最短路径算法规划路径并规避冲突。对于任务分配不均衡导致的路径规划无可行解的拥堵情况,在冲突规避基础上重新计算AGV执行任务的成本并再次进行任务分配,不断迭代直到生成多AGV间路径无冲突的调度方案。以洋山四期自动化集装箱码头为例进行仿真实验与对比分析,结果表明:与使用传统路径规划和避障策略的AGV调度方法对比,所提方法下的总作业时间平均降低了7.31%,AGV冲突数量降低为0,任务总延期时间最大降低2895 s,最大降低路网拥堵度10.79%,验证了提出方法解决冲突规避和拥堵问题的有效性。

基于时空A^(*)算法的多AGV无冲突路径规划

物流中心作为快递转运的重要枢纽,其分拣效率在一定程度上影响着快递的配送时间.多台自动导引车(automatic guided vehicle,AGV)协同分拣能够大幅提高作业效率.本文研究了多AGV协同作业场景中的无冲突路径规划问题,在栅格地图建模环境的基础上,提出了基于冲突搜索的两层路径规划架构.冲突搜索与约束添加均基于二叉树进行,当上层搜索检测到冲突并施加相应的约束后,下层搜索只需要对与新添加的约束相关联的AGV重新规划路径.采用时空A^(*)算法实现下层单AGV路径规划,同时引入冲突规避表以避免与其他已有路径发生冲突.仿真实验结果表明,本文所提的基于冲突搜索的多AGV路径规划算法可以有效解决多种路径冲突.

考虑能耗的多AGV系统路径冲突解决策略

针对多自动导航小车AGV系统路径规划中解决冲突时的部分耗电过快、能耗不平衡问题,课题组提出了一种基于能耗测算的AGV路径冲突解决策略优选方法。首先,对多AGV系统中各AGV的路径基于时间窗进行判定,在此基础上,建立了受负载和时间控制的能耗计算方法,并以系统能耗最低为目标构建AGV冲突消解模型;该模型在考虑AGV自身电量约束下预测各种消解措施下应对的能耗,最终优选出系统能耗最低的冲突解决策略;通过算例与传统冲突消解方式进行对比。研究结果表明:该解决策略可兼顾路径和系统能耗最优,完成任务的能耗较为均衡。该方法可以减少系统内的AGV的充电次数,提高多AGV系统的工作效率。

AGVS路径规划可行性判断的研究

针对AGVS(自动导引小车系统)柔性问题的研究现状,为了解决AGVS柔性可行性的判断问题,提出了一种处理因生产任务临时调整而引起的AGVS路线调整的可行性判断方法,并给出了该方法可行的严格证明。仿真实验表明,该方法完全可以用于突发情况下AGVS路线调整的可行性判断。同时,该方法能安排尽可能多的突发任务。本文还对该方法的未来研究方向做了展望。该方法具有简单易行、便于操作的特点。

基于改进A^(*)算法的多AGV路径规划研究

自动导引车AGV(Automated guided vehicle,AGV)的路径规划问题是工业生产和物流领域的关键问题,其中多AGV无碰撞路径规划是研究的难点。本文以实际工业生产现场为背景,提出一种改进的A^(*)算法,该算法利用切比雪夫距离对传统A^(*)算法的启发函数进行加权,显著地减少了A^(*)算法的搜索时间和搜索节点数,提高了传统A^(*)算法的路径搜索效率,并将改进的A^(*)算法和时间窗模型结合,通过时间窗模型提前预判多AGV路径上节点占用情况,根据生产任务需求和AGV离终点的远近程度,动态调整AGV的优先级,有效地解决了多AGV同时行驶时产生的死锁,碰撞冲突问题。试验结果表明,该算法在多AGV进行动态路径规划时,路径的搜索效率得到显著的提高,路径冲突问题也得到有效的解决。

AGVS中避碰问题的研究现状与发展趋势

介绍了自动导引小车系统(AGVS)在避碰问题方面的研究现状、解决方案,结合具体的事例,说明各种方法的优点与不足并对未来避碰问题的发展趋势进行了展望。

改进平滑A*算法的多AGV路径规划

科技的进步促使拥有众多优势的自动导引车(Automated Guided Vehicle,AGV)逐步替代人工搬运,随之产生的多AGV路径规划、协调问题也应运而生。针对上述问题,依据AGV行驶特征,构建笛卡尔坐标系环境,以传统A*算法为基础模型,通过引入3轴-2象限、路线转向数来剔除无效备选点,平滑行驶路径;以系统总工作时长最小为目标制定冲突判断标准与协调策略,实现系统运行效率最佳的目标。通过实例分析,改进A*算法单AGV线路最多可减少10.9%搜索点数和350%转向数;以时间最小为目标的协调策略能够有效避免因主观因素制定的优先度而导致系统陷入局部最优的现象。

基于速度控制的自动化码头AGV无冲突路径规划

随着劳动力成本的上升,提高码头效率成为港口发展的关键。自动引导车(AGV)是自动化码头水平运输的主要设备,但其作业过程中的冲突、拥堵、等待等问题日益突出,降低了码头的运作效率。以最小化AGV在岸桥和场桥之间的行驶距离为目标建模,选择最优行驶路径。通过检测AGV的重叠率和冲突时间,遵循先到先服务的原则,采用速度控制策略,实现AGV无冲突路径规划。仿真实验表明,该方法能有效降低AGV冲突的概率,减少岸桥和场桥设备的等待时间,提高AGV的作业效率,实现作业成本的最小化。

紧致密集Auto Store系统AGV路径规划与避碰策略

针对新兴紧致密集仓储系统Auto Store具有短途挪库作业多、顶层AGV冲突多、货架结构性角落多等特点,提出一种离线-在线两阶段AGV优化调度方法。离线路径规划阶段,给出改进双层A^(*)算法,在拓扑图建模划分搜索区域基础上,上层通过考虑冲突的启发式函数和考虑转弯的代价函数寻求可行区域,下层在此区域基础上搜索最优路径。在线AGV运行阶段,针对两AGV冲突,扩充了回退策略和路线重规划策略;针对多AGV冲突,提出一种基于贪心算法的区域避碰决策策略,以控制问题规模。最后利用Flexsim仿真进行了验证,结果表明,较于标准A^(*)算法,改进A^(*)算法能在保证搜索效率的同时获得冲突较少的初始路径方案;较于优先级策略,区域避碰策略能减少AGV等待时间;将二者相结合,能缩短整体作业完成时间,且随着AGV数量和作业任务增多,优势越明显。

基于GWM的多AGV路径冲突处理算法

针对AGV现有的路径规划方法无法解决对发任务、死锁问题等,提出了一种新的AGV路径冲突处理方法GWM,以解决更为复杂的路径冲突问题.但GWM在部分冲突场景中的处理效率不高,在此基础上又提出了基于GWM的路径冲突处理算法OCWG.该算法融合了等待法、重新规划法和GWM 3种路径处理方法,在AGV位置刷新的时候,检测其在安全距离内是否会与其他AGV发生冲突,并且能根据实时的系统状态选择合适的路径冲突处理方法,使其中一辆AGV行驶到空闲点进行让路.测试结果表明,OCWG算法的总花费时间较少,也能满足包括重复任务和对发任务在内的所有需求,而且不会出现触发碰撞警告和死锁问题.

基于贪心算法的AGVS路径规划可行性判断研究

为了解决AGVS柔性可行性的判断问题,提出了一种使用贪心算法处理因生产任务临时调整而引起的AGVS路线调整的可行性判断方法,并给出了该方法可行的严格证明,仿真实验表明该方法完全可以用于突发情况下的AGVS(自动导引小车系统)路线调整的可行性判断,同时该方法可以安排尽可能多的突发任务。

基于拟阵理论的AGVS避碰问题研究

针对AGVS(自动导引小车系统)中由于2辆以上AGV(自动导引小车)竞争同一资源(通道或缓冲区)所引起的碰撞问题,提出了一种基于拟阵的方法,仿真实验表明该方法完全可以解决这一问题,同时可以使系统因此而产生的误时最小化。

考虑路径冲突的AGV配置与调度优化

合理调度有限的码头资源以满足船舶的装卸时间要求是自动化集装箱码头的重要目标之一。针对自动化集装箱码头自动导引车(automated guided vehicle,AGV)配置与调度问题,考虑船舶装卸时间要求和AGV运输过程中的路径冲突,提出分阶段调度策略。将船舶装卸作业分为卸船阶段、装卸同步阶段、装船阶段三个阶段,在每个阶段中,建立以最小化最大完工时间和最小化AGV空载和等待时间为双目标的调度优化模型,并设计基于NSGA-Ⅱ的启发式算法求解。根据本阶段的实际完工时间,从最优解集中选择下一阶段AGV的配置与调度方案。最后对比其他调度方案表明本文调度方案能够满足集装箱船的装卸时间要求,且提高了AGV的利用率,更符合码头实际作业要求。

基于改进CBS算法的自动化码头多AGV无冲突路径规划

针对自动化集装箱码头上自动引导车(automated guided vehicle,AGV)数量增加导致冲突更频繁。提出一种改进的基于冲突的搜索(conflict based search,CBS)算法。底层采用基于曼哈顿距离的A算法,上层结合二叉树原理建立冲突树对AGV之间的冲突进行规避。以最小化AGV在岸桥和堆场之间的总路径长度为目标,使用栅格法建立AGV路网模型。考虑AGV之间的点冲突与边冲突,将自动化码头多AGV无冲突路径规划问题规约为多智能体寻径问题。实验结果表明,所提出的算法在保证堵塞率为0%的前提下,缩短总路径长度并提高运算速度,验证算法的有效性。