本发明涉及车辆调度
技术领域：
：，尤其涉及一种用于仓库agv数量评估的仿真方法。
背景技术：
：：随着物流行业的快速发展，提升效率、节约成本成为企业的迫切需求，作为一种在仓库内的自动化搬运车辆，被广泛应用于物流行业。agv(automatedguidedvehicle，即无人搬运车)，指装备有电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的运输车，工业应用中不需驾驶员的搬运车，以可充电之蓄电池为其动力来源。一般可透过电脑来控制其行进路线以及行为，或利用电磁轨道(electromagneticpath-followingsystem)来设立其行进路线，电磁轨道黏贴於地板上，无人搬运车则依循电磁轨道所带来的讯息进行移动与动作。然而由于agv成本较高，在仓库内部署数量过多的agv容易造成运力浪费，甚至极端情况下产生过多的路面拥堵，如果数量过少又导致达不到运量要求，如何选择agv部署数量，平衡运力与成本之间的关系成为一个很重要的实际问题。目前评估仓库内agv部署数量，主要依靠管理人员经验，预估仓库拣货任务以及一台agv的平均拣货时间，做粗略的估算，而没有建立科学、规范的评估方法。技术实现要素：本发明要解决的技术问题是针对上述现有技术的不足，提供一种用于仓库agv数量评估的仿真方法，实现对仓库agv数量的仿真评估。为解决上述技术问题，本发明所采取的技术方案是：一种用于仓库agv数量评估的仿真方法，包括以下步骤：步骤1、物流企业的订单系统周期性通过sqoop同步订单增量数据到hive数据仓库中；步骤2、设定订单抽样数据量、订单时间范围、所需agv数量范围，遗传算法的初始种群数量及最大迭代次数；步骤3、根据设定的订单抽样数据量及订单时间范围，从hive数据仓库中抽取仿真数据，即agv需要完成的搬运任务；步骤4、判断步骤2设定的agv数量范围的最大值是否小于设定的阈值，所述设定的阈值根据agv调度系统中的调度函数计算的agv完成搬运任务所需要的agv数量确定，如果小于则采用穷举法遍历agv数量范围，确定最优的完成搬运任务所需的agv数量，进而驱动agv调度系统进行agv搬运的路径规划，否则执行步骤5；所述agv调度系统为一种接收到搬运任务后，力求搬运代价最小，协调、指挥若干agv将货物搬运到指定位置的系统；步骤5、根据步骤2设定的所需agv数量范围、遗传算法的初始种群数量，随机选择k个agv数量做为初始种群，种群中每个初始种子为一个agv数量的二进制编码表示；步骤6、通过agv调度系统获取完成步骤3所抽取的搬运任务所需完成时间，作为遗传算法的适应度函数值；步骤7、根据遗传算法标准赌轮算法，进行种群交叉、变异操作；重新执行步骤6，计算每个agv数量完成搬运任务所需完成时间，直到达到最大迭代次数；步骤8、过滤掉步骤7得到的不满足完成搬运时间约束的agv数量数据，最终输出多组agv数量及其对应的完成搬运时间列表；所述完成搬运时间约束为物流企业制定的完成相应搬运任务的最长时间限制；步骤9、agv数量管理人员综合考虑时间因素和成本因素从多组agv数量及其对应的完成搬运时间列表中选择最优的agv数量。采用上述技术方案所产生的有益效果在于：本发明提供的一种用于仓库agv数量评估的仿真方法，当指定agv数量范围较大时，使用遗传算法做最优化计算，减少穷举遍历所带来的计算耗时，管理人员能够综合考虑时间因素和成本因素，根据企业的财力与效率选择最优的agv数量，进而提升了物流搬运效率，平衡了运力与成本之间的关系，节省了企业成本。附图说明图1为本发明实施例提供的一种用于仓库agv数量评估的仿真方法流程图；图2为本发明实施例提供的一种用于仓库agv数量评估的仿真方法所使用的外围系统。具体实施方式下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。本实施例中，一种用于仓库agv数量评估的仿真方法，如图1和2所示，包括以下步骤：步骤1、订单系统周期性通过sqoop同步订单增量数据到hive数据仓库中；步骤2、设定订单抽样数据量、订单时间范围、所需agv数量范围，遗传算法的初始种群数量及最大迭代次数；步骤3、根据设定的订单抽样数据量及订单时间范围，从hive数据仓库中抽取仿真数据，即agv需要完成的搬运任务；本实施例中，根据设定的抽样数据量、订单时间范围，使用sql语句createtablesim_orderasselect*fromorderwhereorder_date＞＝${begin_date}andorder_date＜＝${end_date}tablesample(${percent}percent)，从hive数据仓库中抽取仿真数据，即agv需要完成的搬运任务。步骤4、判断步骤2设定的agv数量范围的最大值是否小于设定的阈值，所述设定的阈值根据agv调度系统中的调度函数计算的agv完成搬运任务所需要的agv数量确定，如果小于则采用穷举法遍历agv数量范围，如所需agv数量范围为[3，5]，只需要分别计算3、4、5个agv完成搬运任务的时间即可，然后确定完成搬运任务所需的最优agv数量，进而驱动agv调度系统进行agv搬运的路径规划，否则执行步骤5；所述agv调度系统为一种接收到搬运任务后，力求搬运代价最小，协调、指挥若干agv将货物搬运到指定位置的系统；步骤5、根据步骤2设定的所需agv数量范围、遗传算法的初始种群数量，随机选择k个agv数量做为初始种群，种群中每个初始种子为一个agv数量的二进制编码表示；如果随机选择五个agv数量作为初始种群，五个agv数量分别为5、9、10、30、40、15，那么初始种群为：00000101、00001001、00011110、00101000、00001111。步骤6、通过agv调度系统获取完成步骤3所抽取的搬运任务所需完成时间，作为遗传算法的适应度函数值；步骤7、根据遗传算法标准赌轮算法，进行种群交叉、变异操作；重新执行步骤6，计算每个agv数量完成搬运任务所需完成时间，直到达到最大迭代次数；步骤8、过滤掉步骤7得到的不满足完成搬运时间约束的agv数量数据，最终输出多组agv数量及其对应的完成搬运时间；所述完成搬运时间约束为物流企业制定的完成相应搬运任务的最长时间限制。本实施例中，最终输出多组agv数量及其对应的完成搬运时间列表为：<agv数量1、完成搬运时间1>、<agv数量2、完成搬运时间2>、…、<agv数量n、完成搬运时间n>。步骤9、agv数量管理人员综合考虑时间因素和成本因素从多组agv数量及其对应的完成搬运时间列表中选择最优的agv数量。最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。当前第1页12当前第1页12