本发明涉及智能仓储技术领域，具体为一种基于智能体模型的立体库多向穿梭车调度系统及方法。
背景技术
仓库内物流系统是由组织管理，环节控制，操作执行及工作流程等一系列至关重要的部分所组成。仓库物流系统设计过程中的经典标准是成本最小化、服务质量、灵活性及可扩展性等。所有这些设计标准都是行业面临的主要挑战，特别是仓库内部是一个动态且不确定的环境。这种动态不确定的环境的特点就是产品种类繁多，订单需求波动大，客户对产品的质量和交货期的期望值大。为了应对这些日益严峻的问题企业必须制定特别的战略计划，其中一种方法就是借助自动化方案。
然而，目前市面上的主流自动化方案大多是定制化的缺乏柔性的系统，只能提供一种静态不灵活的硬件解决方案。针对这一点，自主移动机器人正在被逐步采用使得仓库在吞吐量效率、人工成本及空间利用率上都有所提升。
申请号为201110115288.3的中国发明专利，公开了一种发明名称为《物流仓库节点》的技术方案，“本发明提供了一种物流仓库节点及由其组成的智能物流教学系统和运行方法，包括组合式仓库、仓库搬运机械臂、got终端(显示操作终端机)、仓库万向接口以及控制器，其中所述got终端接收来自上位终端的调度信号后向该物流仓库节点的控制器发送控制信号以控制该单元内组合式仓库和仓库搬运机械臂的工作。通过本发明提供的技术方案，整个智能物流系统中各物流仓库节点可以有机结合，各模块由信息中央处理器平台软件完成集成化协作工作，可进行大规模的智能物流系统教学演示。”由于机械臂的成本较高，且不能同时处理多项任务，使得运作效率较低。
自动存储和分拣系统(as/rs)是目前市场里比较主流的物料处理系统。as/rs系统即自动化立体仓库一般由高层货架、仓储机械设备、建筑物及控制管理设施与周边设备等部分组成。货架一般用钢材或者钢筋混凝土制作。常用的仓储机械设备包括各种堆垛起重机、高架叉车、辊式或者链式输送机、巷道转移台车、升降机、自动引导小车、穿梭车等搬运设备和输送设备，以及货箱托盘等。传统的as/rs系统由货架、起重机和操作台组成。尽管该系统在一定程度上减少了劳动力并且提高了空间利用率，但是较高的投入成本与低吞吐量一定程度上限制了其发展。为了进一步提高系统的吞吐量，近年来研发出了穿梭车as/rs系统。相较传统模式，虽然在系统灵活性及吞吐量上有所提升，但提升机构的瓶颈问题依然存在。
技术实现要素：
本发明的目的在于提供一种基于智能体模型的立体库多向穿梭车调度系统及方法，具备智能化程度高，系统灵活，吞吐量大的优点。
为实现上述目的，本发明提供如下技术方案：
一种基于智能体模型的立体库多向穿梭车调度系统，包括系统环境、穿梭车智能体组、货框智能体组和操作台智能体组，其中
所述的系统环境包括多向穿梭车行驶轨道和排布在所述的多向穿梭车行驶轨道周围的货架，所述的多向穿梭车行驶轨道用以约束所述的穿梭车智能体组的行驶路径，所述的货架用以装载货框智能体；
所述穿梭车智能体组，用以接收所述的操作台智能体组的任务指令及向所述的操作台智能体组发送信息，并根据任务指令规划行进路线，行进到目标位置；
所述货框智能体组，用以装载目标，可与所述的穿梭车智能体组绑定以转移目标在货架上的位置；
所述操作台智能体组，用以选择穿梭车智能体组并派发任务指令。
作为优选，所述的穿梭车智能体组包括一个或多个穿梭车智能体；所述的货框智能体组包括一个或多个货框智能体；所述的操作台智能体组包括一个或多个操作台智能体。
一种基于智能体模型的立体库穿梭车调度方法，包括如下步骤：
s1，任务分配，操作台智能体组通过任务分配行为与穿梭车智能体组产生交互，指定穿梭车智能体组并派发目标信息任务；
s2，路径规划，所述的穿梭车智能体组根据所派发任务的目标位置信息通过路径规划行为确定行进路线；
s3，实时优化，穿梭车智能体沿着多向穿梭车行驶轨道行进，根据实时优化行为通过多向穿梭车行驶轨道自主行进到货架上的目标货框智能体组位置；
s4，穿梭车智能体组与步骤s3所述的货框智能体组产生交互，相互绑定成新智能体组；
s5，步骤s4中绑定后的新智能体组沿着多向穿梭车行驶轨道行进，自主返回所述的操作台智能体组；
s6，新路径规划，新智能体组根据货框排布行为确定新目标位置并规划新行进路线；
s7，实时优化，新智能体组沿着多向穿梭车行驶轨道行进，根据实时优化行为自主行进到新目标位置；
s8，解除绑定，新智能体组中穿梭车智能体组与货框智能体组解除绑定；
s9，解除绑定的穿梭车智能体组通过空闲穿梭车处理行为继续行进。
作为优选，所述的任务分配行为及路径规划行为，包括如下步骤：
s101，取当前时间片t中各穿梭车智能体组即时位置li及任务所指定的货框智能体组即时位置lg，其中i为穿梭车智能体组编号，g为货框智能体组编号；
s102，计算当前时间片t中任意空闲穿梭车智能体组i与任务所指定的货框智能体组g间的距离di，g；
s103，根据计算结果取di，g最小值对应的穿梭车智能体组i，并将该任务分配给穿梭车智能体组i；
s104，根据该穿梭车智能体组位置li及该货框智能体组位置lg规划行进路径。
所述的实时优化行为针对系统环境中行驶轨道交叉口的轮询调度问题采用门控策略，包括如下步骤：
s201，设定轨道交叉口所在区域为控制区域，设定交叉口由轨道集合{k1,k2，…，ki，…，kn}相互交叉而成，其中变量i表示轨道ki的序号，i∈[1，n]，n表示轨道最大数量，n≥2；
s202，轨道集合{k1,k2，…，ki，…，kn}内的各轨道中进入控制区域的穿梭车智能体组由轨道k1至轨道kn轮序通过交叉口，包括如下子步骤：
s2021，设定当前时间片t从轨道ki进入控制区域且处于控制区域内的全部穿梭车智能体组数量为
s2022，将轨道ki内全部穿梭车智能体组
s2023，从轨道k1开始至轨道kn，选择并命令从轨道ki进入控制区域的全部穿梭车智能体组数量
s2023，判断
s203，重复步骤s202直至完成基于门控策略的交叉口轮询调度问题。
本方法提供了可靠的安全性和效率性能保证。使位于交叉口的智能体组既不会发生碰撞，同时能有效有序的通过路口。相较基于穷尽策略的轮询调度，本方法更加高效。并且计算复杂度低，尤其适合系统中多交叉口同时调度。
作为优选，采用分区存储策略与随机存储策略结合的方式，将所述的货架中的存储位按纵列分区，每一纵列存储位为一个区域k，在该区域k内可随机存储货框智能体组于任一空闲的横行存储位，穿梭车智能体组完成任务所需的行进时间为：
其中pm·k为穿梭车智能体组i从操作台智能体组m前往区域k取货框的概率，pk·n为穿梭车智能体组i从区域k前往操作台智能体组n送货框的概率，tm·k为穿梭车智能体组i从操作台智能体组m前往区域k取货框所消耗的时间，tk·n为穿梭车智能体组i从区域k前往操作台智能体组n送货框所消耗的时间；如果系统中仅有一个操作台智能体组，那么pk·n＝1且tm·k＝tk·n；比较各存储位区域的货框排布的行进时间，选择行进时间最小值时所对应的存储位为新目标位置。
作为优选，所述的空闲穿梭车处理行为包括如下步骤：
s301，计算当前立体库智能体区i热能：
其中
其中tis,j和tid,j分别为第j条路线进入和离开该区i的时间片，c为常数参数项；
s302，计算当前立体库智能体区i的热力图值hi，做热扩散分析：
其中el为立体库智能体区l的热能，n为立体库智能体区总数，kp为空间扩散系数，d(i,l)为区i与区l间的距离；
s303，通过热力图值中的特征点对多个热力图进行对齐叠加处理，包括子步骤：
s3031，取新热力图中的n个最大的峰值点记为特征点p1，p2，…，pi，…，pn，其中pi＝[xi，yi]为第i个特征点的横纵坐标；
s3032，将特征点基于热力图值降序排列，即h(pi)>h(pj)其中i>j；
s3033，通过转换使特征点的重心位于热力图中央；
s3034，调整特征点使
s3035，通过平移、旋转和缩放，将新热力图与目标热力图的特征点对齐叠加得到最终热力图，即
s304，通过热力图表面匹配方法确定空闲穿梭车的行驶目标，以m＊表示空闲穿梭车智能体行驶目标的坐标：
其中shm为热力图表面，sdd,m、ssd,m为行驶目标m＊的热力图表面，tm为s303计算得出的对齐矩阵。
本方法能有效地分析智能体组群行为中与时间相关的运动信息。热扩散分析能快速的解决智能体组运动中产生的不确定性噪声。基于特征点的热力图对齐叠加方法则可以利用热力图的特征对多个热力图进行叠加。此对齐叠加方法适用于不同尺寸及旋转角度的热力图。热力图表面匹配法通过抓取及分析热力图的特性，准确识别所对应的智能体组行为。
作为优选，c的取值为1。
作为优选，所述的计算当前时间片t中任意穿梭车智能体组i与任务所指定的货框智能体组g间距离di，g的公式为：
di，g＝||li－lg||1；
该距离di，g为穿梭车智能体组i与任务所指定的货框智能体组g间的曼哈顿距离，即为两者在标准坐标系上的绝对轴距之总和。该距离计算方法有别于欧式距离，计算复杂度低速度快，尤其适合多智能体组间的距离的计算。
与现有技术相比，本发明的有益效果如下：
本发明提出了一种基于智能体模型的立体库多向穿梭车调度系统。多向穿梭车可以在立体库内任意移动且不受提升机构制约，实现系统吞吐量的极大提升。另一方面，本发明提出的智能体模型所构成的智能体系统是一个由大量具有个体行为的计算实体以及与其他实体的交互组成的离散模型。这样的模型尤其适合于大规模、复杂且高度动态的调度系统环境搭建。智能体的主要特征是能够做出独立的决定，能够在动态不可预测的环境中灵活的执行行动以及基于动机目标所产生的内部状态。
附图说明
图1是一种基于智能体模型的立体库多向穿梭车调度系统的调度方法的流程图。
图2是空闲穿梭车处理行为的流程图。
图3是一种基于智能体模型的立体库多向穿梭车调度系统的侧视图。
图4是一种基于智能体模型的立体库多向穿梭车调度系统的俯视图。
1、穿梭车智能体组，2、货框智能体组，3、操作台智能体组，4、系统环境
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种基于智能体模型的立体库多向穿梭车调度系统，包括系统环境4、穿梭车智能体组1、货框智能体组2和操作台智能体组3，其中
所述的系统环境4包括多向穿梭车行驶轨道和排布在所述的多向穿梭车行驶轨道周围的货架，所述的多向穿梭车行驶轨道用以约束所述的穿梭车智能体组1的行驶路径，所述的货架用以装载货框智能体；
所述穿梭车智能体组1，用以接收所述的操作台智能体组3的任务指令及向所述的操作台智能体组3发送信息，并根据任务指令规划行进路线，行进到目标位置；
所述货框智能体组2，用以装载目标，可与所述的穿梭车智能体组1绑定以转移目标在货架上的位置；
所述操作台智能体组3，用以选择穿梭车智能体组1并派发任务指令。
所述的穿梭车智能体组1包括一个或多个穿梭车智能体；所述的货框智能体组2包括一个或多个货框智能体；所述的操作台智能体组3包括一个或多个操作台智能体。
一种基于智能体模型的立体库穿梭车调度方法，包括如下步骤：
s1，任务分配，操作台智能体组3通过任务分配行为与穿梭车智能体组1产生交互，指定穿梭车智能体组1并派发目标信息任务；
s2，路径规划，所述的穿梭车智能体组1根据所派发任务的目标位置信息通过路径规划行为确定行进路线；
s3，实时优化，穿梭车智能体沿着多向穿梭车行驶轨道行进，根据实时优化行为通过多向穿梭车行驶轨道自主行进到货架上的目标货框智能体组2位置；
s4，穿梭车智能体组1与步骤s3所述的货框智能体组2产生交互，相互绑定成新智能体组；
s5，步骤s4中绑定后的新智能体组沿着多向穿梭车行驶轨道行进，自主返回所述的操作台智能体组3；
s6，新路径规划，新智能体组根据货框排布行为确定新目标位置并规划新行进路线；
s7，实时优化，新智能体组沿着多向穿梭车行驶轨道行进，根据实时优化行为自主行进到新目标位置；
s8，解除绑定，新智能体组中穿梭车智能体组1与货框智能体组2解除绑定；
s9，解除绑定的穿梭车智能体组1通过空闲穿梭车处理行为继续行进。
所述的任务分配行为及路径规划行为，包括如下步骤：
s101，取当前时间片t中各穿梭车智能体组1即时位置li及任务所指定的货框智能体组2即时位置lg，其中i为穿梭车智能体组1编号，g为货框智能体组2编号；
s102，计算当前时间片t中任意空闲穿梭车智能体组1i与任务所指定的货框智能体组2g间的距离di，g；
s103，根据计算结果取di，g最小值对应的穿梭车智能体组1i，并将该任务分配给穿梭车智能体组1i；
s104，根据该穿梭车智能体组1位置li及该货框智能体组2位置lg规划行进路径。
所述的实时优化行为针对系统环境4中行驶轨道交叉口的轮询调度问题采用门控策略，包括如下步骤：
s201，设定轨道交叉口所在区域为控制区域，设定交叉口由轨道集合{k1,k2，…，ki，…，kn}相互交叉而成，其中变量表示轨道的序号，∈[1，n]，n表示轨道最大数量，n≥2；作为一种优选方式，设定数值l，取距离轨道交叉口在数值l以内的区域为控制区域；
s202，轨道集合{k1,k2，…，ki，…，kn}内的各轨道中进入控制区域的穿梭车智能体组1由轨道k1至轨道kn轮序通过交叉口，包括如下子步骤：
s2021，设定当前时间片t从轨道ki进入控制区域且处于控制区域内的全部穿梭车智能体组1数量为
s2022，将轨道ki内全部穿梭车智能体组
s2023，从轨道k1开始至轨道kn，选择并命令从轨道ki进入控制区域的全部穿梭车智能体组1数量
s2023，判断
s203，重复步骤s202直至完成基于门控策略的交叉口轮询调度问题。
采用分区存储策略与随机存储策略结合的方式，将所述的货架中的存储位按纵列分区，每一纵列存储位为一个区域k，在该区域k内可随机存储货框智能体组2于任一空闲的横行存储位，穿梭车智能体组1完成任务所需的行进时间为：
其中pm·k为穿梭车智能体组1i从操作台智能体组3m前往区域k取货框的概率，pk·n为穿梭车智能体组1i从区域k前往操作台智能体组3n送货框的概率，tm·k为穿梭车智能体组1i从操作台智能体组3m前往区域k取货框所消耗的时间，tk·n为穿梭车智能体组1i从区域k前往操作台智能体组3n送货框所消耗的时间；如果系统中仅有一个操作台智能体组3，那么pk·n＝1且tm·k＝tk·n；比较各存储位区域的货框排布的行进时间，选择行进时间最小值时所对应的存储位为新目标位置。
所述的空闲穿梭车处理行为包括如下步骤：
s301，计算当前立体库智能体区i热能：
其中
其中tis,j和tid，j分别为第j条路线进入和离开该区i的时间片，c为常数参数项；
s302，计算当前立体库智能体区i的热力图值hi，做热扩散分析：
其中el为立体库智能体区l的热能，n为立体库智能体区总数，kp为空间扩散系数，d(i,l)为区i与区l间的距离；
s303，通过热力图值中的特征点对多个热力图进行对齐叠加处理，包括子步骤：
s3031，取新热力图中的n个最大的峰值点记为特征点p1，p2，…，pi，…，pn，其中pi＝[xi，yi]为第i个特征点的横纵坐标；
s3032，将特征点基于热力图值降序排列，即h(pi)>h(pj)其中i>j；
s3033，通过转换使特征点的重心位于热力图中央；
s3034，调整特征点使
s3035，通过平移、旋转和缩放，将新热力图与目标热力图的特征点对齐叠加得到最终热力图，即
s304，通过热力图表面匹配方法确定空闲穿梭车的行驶目标，以m＊表示空闲穿梭车智能体行驶目标的坐标：
其中shm为热力图表面，sdd，m、ssd，m为行驶目标m＊的热力图表面，tm为s303计算得出的对齐矩阵。
c的取值为1。
所述的计算当前时间片t中任意穿梭车智能体组1i与任务所指定的货框智能体组2g间距离di，g的公式为：
di，g＝||li－lg||1；
该距离di，g为穿梭车智能体组1i与任务所指定的货框智能体组2g间的曼哈顿距离，即为两者在标准坐标系上的绝对轴距之总和。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。