论文阅读|AGV调度优化研究综述
Posted 码丽莲梦露
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了论文阅读|AGV调度优化研究综述相关的知识,希望对你有一定的参考价值。
《自动导引车调度优化研究综述》
系统仿真学报/2020/西南交通大学
1 AGV调度问题定义
AGV 调度问题可描述为:制造系统中存在多个物料运输任务,多个 AGV 小车,在一定的约束条件下,需要将物料运输任务合理分派给各个 AGV 小车并指定执行先后顺序,选择最优运行路径,同时进行动态情况下的实时调度来完成 物料运输任务,使整个系统满足一定的性能优化指 标。
常采用的目标性能指标一般包括:任务完成时间最短、拖期延迟最小、AGV 利用率最高、物流成本最低等单个目标或者多个优化目标。
约束条件一般有:AGV 负载容量限制、AGV 电量有限、AGV 方向限制、运输任务顺序关系、 缓冲容量限制等。
AGV静态调度、动态调度、同时调度(资源联合调度)问题分类及特点:
2 AGV调度问题的研究方法
研究方法主要有传统分析方法、建模与仿真方法、智能优化方法、混合优化方法等。
2.1 传统分析方法
2.1.1 数学精确求解方法
整数规划、混合整数规划、分支定界等方法。
能在全局范围内获得最优解,但只能求解小规模问题。
2.1.2 基于调度规则/策略方法
包括最大输出队列、最短/ 最长旅行时间/距离、最小剩余输出队列空间、最 近/最远 AGV、最长闲置 AGV 等规则。
具有较低的时间复杂性,易于实现,同时针对系统动态变化具有一定的及时反应能力,但解的质量一般。
2.1.3 基于排队论的方法
将 AGV 调度问题表述为排队论模型进行求解。
由于排队论模型需要满足其随机规则与定义,另外复杂的排队论模型求解很难,因此实际应 用中非常受限。
2.2 建模与仿真方法
2.2.1 基于Agent方法
多智能体系统(Multi-Agent System, MAS)具有分布式人工智能的特点,利用单个 Agent 的自治、 自主和自决策的特点,通过多个 Agent 的合作来获得群体智能,可用来解决 AGV 调度优化问题,一 般采用合同网协议或改进的合同网协议作为Agent 间的协商机制。
与其他方法相比更能体现系统实时性和动 态适应性,具有较好的鲁棒性和柔性,具有更好的 冲突消解策略,其主要问题在于如何建立知识库, 通过多个 Agent 的有效协作来获得群体智能,另外 其标准化不够导致很多重复工作。
2.2.2 基于Petri网方法
Petri 网模型作为一种有效的图形化建模和描 述工具,能够较好地表达 AGV 调度系统各类元素 的逻辑状态变迁情况。
2.3 智能优化算法
利用遗传算法、粒子群算法等,根据调度过程的特点进行设计,可以得到一个还不错的满意解,但容易陷入局部最优和早熟。
以上是关于论文阅读|AGV调度优化研究综述的主要内容,如果未能解决你的问题,请参考以下文章