机器人履约系统任务分配与货架储位再指派联合优化

为优化移动机器人履约系统(robotic mobile fulfillment system,RMFS)中移动机器人运行成本,提出一种考虑移动机器人任务分配和货架储位再指派的联合优化策略。以移动机器人完成任务成本最小为优化目标,构建考虑移动机器人重载和空载成本差异的数学模型,并用遗传算法对模型进行求解。经与返回原位置及返回距离拣选台最近位置两种策略进行仿真实验对比,结果表明联合优化策略可以有效降低移动机器人完成任务成本,提高拣选效率。

基于混合蚁群遗传算法的多AGV任务分配

针对“货架到人”订单拣选过程中多AGV货架任务分配问题,在考虑订单分批的前提下,构建以最小化所有AGV总行驶距离为目标,以任务执行顺序为决策变量的数学模型。针对蚁群算法易陷入局部最优的问题,通过带惩罚机制的动态信息素更新策略进行改进并将蚁群算法的最优解作为遗传算法的初始种群,有效改进了遗传算法的局部搜索能力,具有更高的搜索效率和求解精度。针对小批量和不同AGV数量下的大批量货架搬运任务进行仿真实验,实例表明,文中所提的混合蚁群遗传算法能够提高遗传算法全局寻优的能力,提高拣选系统的整体运行效率。

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。