一种自动化码头AGV的调度方法

一种自动化码头agv的调度方法
技术领域
1.本发明涉及一种自动化码头agv的调度方法，属于物流运输规划技术领域。


背景技术：

2.在仓储物流过程中，装载、卸载、运输等环节所耗费的时间占整个物流过程时间的绝大部分，从而导致物料运输费用在总成本中占比较高。而多agv路径规划方法，对改善物流运输系统结构、降低物流运输成本、提升系统运行效率起着重要的作用，因此在仓储物流中具有巨大的应用价值。agv的路径规划主要包括3个方面的问题：1)确定从起点到目标点之间是否存在可行路径；2)规划出的路径必须是无阻塞、无冲突、无死锁的；3)规划出的路径应使得整个系统的运行效率达到最优。
3.随着全球经济和科学技术的快速发展，码头也朝着自动化方向发展。在集装箱自动化码头中，中央控制室生产过程控制系统利用无线区域网络监控agv的运行状态，并进行数据判断与传输，下达正确的任务指令。由于每个码头的机械设备配置、容忍参数、利用率等性能参数的不同，导致agv调度方法也需相应调整，调度决策的科学性也直接影响agv的承载率、耗能率以及及时性，同时agv运输集装箱的目的不仅仅是将其运载到指定的堆存处，更需要将其时间约束、运输路径、装载成本考虑在内，因此本发明从考虑成本最低、时间最短、空载率最低着手，合理规划在指定时间窗内实现agv地合理地运输。


技术实现要素：

4.本发明的目的是提供一种自动化码头agv的调度方法，综合考虑agv数量、agv路径规划、多agv、合理调度原则等影响调度结果的多种约束，建立优化模型，从而使得自动化码头agv实现更加合理的调度。
5.本发明的技术方案如下：本发明公开了1一种自动化码头agv的调度方法，包括以下步骤：
6.s1：提取相关信息得到该自动化码头agv进行运输调度的路径信息；
7.s2：根据提取到的各节点信息建立自动化码头agv调度方法的目标函数以及约束条件；
8.s3：建立整体的agv调度目标及原则；
9.s4：利用麻雀优化算法求解agv调度问题，生成麻雀优化算法初始种群并计算种群适应度；
10.s5：改进麻雀优化算法身份转变规则和位置变换规则，并进行迭代运算，直至当前迭代次数达到所设置的最大迭代次；
11.s6：输出最佳agv调度方案以及所对应的目标函数的最优值。
12.进一步地，上述自动化码头agv的调度方法，其中：所述步骤s1中的相关信息包括：
13.a{a1,a2,a3...an}表示agv的集合，
14.h{h1,h2...hn}表示货架节点的集合，
15.agvk在货架i到j的拥堵等待时间为
16.表示表示agvk从货架i到货架j进行运输，
17.表示从货架i到货架j运输的时间，
18.表示在货架i的人工操作时间，
19.(vi,mi)表示货物停靠岸的时间窗，
20.tg表示在完成运输中小车充电所需时间，
21.ts表示由于意外造成重新调度货物所产生的时间,
22.表示agvk从i到j运输过程中产生的运输成本，
23.表示在运输点i进行人工操作所产生的成本，
24.cs表示未在规定时间内运输完成产生的惩罚成本。
25.进一步地，上述自动化码头agv的调度方法，其中：步骤s2中目标函数包括：
26.目标函数1：此目标函数基于用agv进行到货存储时，要求安装完全部货物所要求的时间最短；
27.目标函数2：此目标函数基于完成任务的成本最低，其中：表示加权系数，
[0028][0029]
式中mq为货物数量，wq为货物属性价值；
[0030]
目标函数3：此目标函数基于在满足时间窗限制和自身容量限制的的情况下，安排车辆进行多任务同时运输车辆空载率最低，其中：c为一辆agv小车的容量，cu，u＝1,2,3...n，为每一项任务所占用的空间容量。
[0031]
进一步地，上述自动化码头agv的调度方法，其中：所述步骤s2中所述约束条件包括：
[0032][0033][0034][0035][0036]cu
≤c
ꢀꢀꢀ
(5)
[0037]
其中：式(1)表示完成所有搬运任务的最终时间不超过最大停船时间；式(2)表示agv小车是否在路径i和j上运输；式(3)表示一次任务需一次运输完成；式(4)表示一次集装
箱装卸由一辆agv小车完成；式(5)表示的是小车的容量约。
[0038]
进一步地，上述自动化码头agv的调度方法，其中：所述步骤s3中，agv调度目标为tf≤mi；tf为完成搬运的时间，
[0039]
agv调度原则如下：
[0040]
minc1＝mod(q
l,i
,q
r,i
)；
ꢀꢀꢀ
(1)
[0041]
minc2＝mincs；
ꢀꢀꢀ
(2)
[0042][0043][0044][0045]
式中总共需求运输的货运量为q
l
，不同种类货物的单件载重为q
r,i
＝{q
r,1
,q
r,2
,...,q
r,n
}，每辆不同装载量小车的装运量为q
li
＝{q
l,1
,q
l,2
,...,q
l,n
}，正在往运输方向运输的车辆记为xs，返回空载小车我们记为xd，则其优先级分别为lxs,lxd时间窗为(vi,mi)，有装载小车数量总运行小车数量m
ω
，发生冲突的情况记作t
p
表示完成单次货物运输所需要的时间；
[0046]
式中依次表示为：
[0047]
(1)：在从船舶停靠点调取处于空闲状态的小车的时候，根据货物的所需运载量q1，优先安排运输容纳量q1·
n，(n＝1,2,3...)即agv运输容纳量是其倍数的车辆进行运输，优先调取空闲状态小车，再调取充电状态的小车；
[0048]
(2)：在船舶调度的时间窗(vi,mi)限制的，考虑未在规定时间内运输完成产生的惩罚成本cs最小；
[0049]
(3)：在起点与终点之间的栅格网络进行路径规划时，会存在从起点往终点载重运输的小车k1，以及终点往起点返回的等待重新搬运的小车k2，往运输方向运输的车辆记为xs，返回空载小车记为xd，当有载重任务小车数量达总运行小车数量的一半，则k1优先级永远大于k2，反之亦然；
[0050]
(4)：在有发生小车运输冲突的时候，根据所设立的优先级函数l，进行车辆的合理调度：
[0051]
(5)：当有任务安排时，通过安排小车的数量qa，来使得系统的运作效率更优。
[0052]
进一步地，上述自动化码头agv的调度方法，其中：所述优先级设置的步骤如下，选定两个指标，第一个指标为该小车剩余订单量qj，第二个指标为货架号的距离sj，两种指标的顺序分别为l1，l2，则发生拥堵时，遵循以下规则：以小车运行的数量m进行参考，最终小车调度的优先级规则l为
[0053]
[0054][0055]
其中m为所有可运行的小车数量，
[0056]
该函数意义为：
[0057]
运行车辆数小于的时候，按照l1，即剩余订单量多优先；
[0058]
运行车辆数多余按照l2，即距离货架远的优先；
[0059]
运行数量在和之间的，按照上述规则，主要侧重于以运输量为主进行优先调度。
[0060]
进一步地，上述自动化码头agv的调度方法，其中：所述步骤s4中生成麻雀优化算法初始种群
[0061]
其对应的适应度
[0062]
进一步地，上述自动化码头agv的调度方法，其中：所述步骤s5中改进麻雀优化算法身份转变规则和位置变换规则，包括以下步骤：
[0063]
s5.1更新发现者位置：
[0064][0065]
其中：t代表当前迭代数，j＝1,2,3...d.r2∈[0，1]和st∈[0.5，1]分别表示预警值和安全值，q是符合正态分布的随机数,l表示一个1
×
d的矩阵，其中该矩阵内每个元素全部为1，r2《st表示小于预警范围，r2≥st表示达到预警范围；
[0066]
s5.2更新加入者位置：
[0067][0068]
其中，x
p
表示为当前发现者所占据的最优位置，x
worst
表示当前全局最差的位置，a是一个元素都为1或-1的1xd的矩阵，并且a
+
＝a
t
(aa
t
)-1
；
[0069]
s5.3更新侦察者位置：
[0070][0071]
其中:x
best
是当前全局最优位置，β为步长控制参数，是服从均值为0，方差为1的正态分布的随机数；fg和fw分别表示当前全局最佳和最差的适应度,k为[-1,1]内的随机数，ε为避免分母为0的常数；
[0072]
s5.4添加加入者发现者身份转变规则：
[0073]
设置时间t，当在所设置的时间t下未有更优位置的出现，将一定数量m的加入者直接更改为发现者，t和m均是动态变化的；
[0074]
假设算法迭代次数为n，当前迭代次数为n；
[0075]
当进行到前的时候，此时t遵循此时m遵循logn/n+1n；
[0076]
当进行到后的时候，此时t遵循此时m遵循logn-n/n+1n；
[0077]
该公式含义为前的时候，t是变小的，m是变大的，不过后面m增长率降低；
[0078]
s5.5添加加入者发现者位置变换规则：
[0079]
在发现者发现食物的时候，会存在多个加入者同时向其位置跳跃的情况，在初期不利于扩大搜索效率，设置加入每个加入者的飞行速度，从而当有一只到达加入者位置的时候，其他麻雀不允许飞过来；
[0080]
s5.6提出了麻雀优化算法关于可视程度的相关规则：
[0081]
当我加入者转变身份为发现者达到一定次数τ，视力会下降，发现者不会变看见，好处是前期可视化程度高，扩大搜索范围，后期视力下降则降低搜索范围，从而使得算法的收敛速度提高；
[0082]
s5.7判断当前迭代次数n是否达到所设置的最大迭代次数iter
max
，如果n》iter max
，则输出此时的最佳适应度的值fg作为最优目标值，与之对应的为最优目标解，从而找出最佳agv调度方案以及对应的最小值z
min
；否则继续进行步骤s5。
[0083]
进一步地，上述自动化码头agv的调度方法，其中：所述步骤s5.5具体步骤如下：
[0084]
步骤一：设置加入者飞行速度为v1，v2...vn，距离发现食物的发现者距离为d1,d2...dn；
[0085]
步骤二：当发现者发现食物时，比较每只加入者的速度vk；
[0086]
步骤三：如果其中某一只加入者的速度vk,使得dk/vk小于其他的值，则另外所有加入者保持原始操作，此速度为vk的加入者跳跃到发现者位置。
[0087]
进一步地，上述自动化码头agv的调度方法，其中：所述步骤s5.6具体步骤如下：
[0088]
步骤一：设置加入者麻雀的视力ε，发现者的可视程度γ，两者呈正相关关系即ε＝kγ(k》0),算法迭代次数为n，当前迭代次数为n；
[0089]
步骤二:判断加入者转变身份为发现者次数σ是否达到一定次数τ；
[0090]
步骤三：若σ《τ，维持原来搜索规则；若σ≥τ，ε随着此时进行改变，麻雀视力降低，相对应发现者可视化程度也降低。
[0091]
本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明所提供的自动化码头agv调度方法，弥补了当前关于agv调度方案的不足，提取码头货物的送达时间，货架的节点信息，以及车辆运行信息等，综合考虑了空载率最低的要素，建立了关于成本、时间、空载率的问题模型，考虑惩罚成本等因素，建立多agv合理调度原则，在实际问题中具有重要的现实意义；其次，本文对麻雀优化算法进行改进，加以运用到问题当中，改进的包括加入者和发现者的位置变换规则、身份变换规则，以及提出考虑构建麻雀的视力和可视化程度，使得算法减少收敛于局部最优解的情况，既能快速的求出最优解，又能合理的给出
agv路径方案。
附图说明
[0092]
图1是本发明自动化码头agv调度方法的步骤流程图；
具体实施方式
[0093]
下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整的描述，显然，所描述的实施方式仅仅是作为例示，并非用于限制本发明。
[0094]
本发明提出了一种自动化码头agv调度方法，如图1所示，包括如下步骤：
[0095]
s1：提取码头货物的送达时间，货架的节点信息以及车辆运行信息等得到该自动化码头agv进行运输调度的路径信息；
[0096]
s2：根据提取到的各节点信息建立自动化码头agv调度方法的目标函数以及约束条件；
[0097]
s3：根据车辆调度优先级规则，使得每次运输车辆的空余空间占总空间的比例减小，以此来降低空载率；根据agv数量的动态设置方法，设置agv小车数量，从而建立整体的agv调度原则；
[0098]
s4：利用麻雀优化算法求解agv调度问题，生成麻雀优化算法初始种群并计算种群适应度；
[0099]
s5：改进麻雀优化算法身份转变规则和位置变换规则，并进行迭代运算，直至当前迭代次数达到所设置的最大迭代次；
[0100]
s6：输出最佳agv调度方案以及所对应的目标函数的最优值。
[0101]
具体地，步骤s1中所涉及相关参数如下；
[0102]
a{a1,a2,a3...an}表示agv的集合，
[0103]
h{h1,h2...hn}表示货架节点的集合，
[0104]
agvk在货架i到j的拥堵等待时间为
[0105]
表示表示agvk从货架i到货架j进行运输，
[0106]
表示从货架i到货架j运输的时间，
[0107]
表示在货架i的人工操作时间，
[0108]
(vi,mi)表示货物停靠岸的时间窗，
[0109]
tg表示在完成运输中小车充电所需时间，
[0110]
ts表示由于意外造成重新调度货物所产生的时间,
[0111]
表示agvk从i到j运输过程中产生的运输成本，
[0112]
表示在运输点i进行人工操作所产生的成本，
[0113]cs
表示未在规定时间内运输完成产生的惩罚成本，
[0114]
为所设置的一个优于另一个目标的加权权重。
[0115]
步骤s2中为满足成本最低、运输时间最短、车辆空载率最低，动态设置agv数量以
及建立agv调度原则，其中目标函数和约束条件为：
[0116]
目标函数1：
[0117]
其中：a{a1,a2,a3...an}表示agv的集合，h{h1,h2...hn}表示货架节点的集合，表示agvk在货架i到j的拥堵等待时间,表示表示agvk从货架i到货架j进行运输，表示从货架i到货架j运输的时间，tg表示在完成运输中小车充电所需时间，ts表示由于意外造成重新调度货物所产生的时间。此目标函数基于用agv进行到货存储时，要求安装完全部货物所要求的时间最短。
[0118]
目标函数2：
[0119]
其中：a{a1,a2,a3...an}表示agv的集合，h{h1,h2...hn}表示货架节点的集合，表示表示agvk从货架i到货架j进行运输，表示agvk从i到j运输过程中产生的运输成本，表示在运输点i进行人工操作所产生的成本，cs表示未在规定时间内运输完成产生的惩罚成本，为所设置的一个优于另一个目标的加权权重，此目标函数基于完成任务的成本最低。
[0120]
加权系数的关系为：
[0121][0122]
式中mq为货物数量，wq为货物属性价值，
[0123]
加权系数表示其与货物数量mq以及货物属性价值wq有关,且随着商品价值与商品数量呈现动态变化。保持随着价值的提升所占优先比提升，随着数量的提升所占优先比是降低的，主要考虑价值优先规则。
[0124]
目标函数3：当安排agv进行运输的时候，一辆agv小车的容量为c，安排一次运输任务所占用的空间若小于c，那么会有剩余空间，那么会变相的增加运输成本，每一项任务所占用的空间容量为cu，u＝1,2,3...n，此目标函数要求在满足时间窗限制和自身容量限制的的情况下，安排车辆进行多任务同时运输车辆空载率最低。
[0125]
步骤s2中所述约束条件包括：
[0126][0127][0128][0129][0130]cu
≤c
ꢀꢀꢀ
(5)
[0131]
其中：式1表示完成所有搬运任务的最终时间不超过最大停船时间；式2表示agv小车是否在路径i和j上运输；式3表示一次任务需一次运输完成；式4表示一次集装箱装卸由一辆agv小车完成；式5表示的是小车的容量约束。
[0132]
步骤s3中agv数量的动态设置方法如下：
[0133][0134]
表示从货架i到货架j运输的时间，
[0135]
表示在货架i的人工操作时间，
[0136]
tg表示在完成运输中小车充电所需时间，
[0137]
ts表示由于意外造成重新调度货物所产生的时间,
[0138]
t
p
表示完成单次货物运输所需要的时间。
[0139]
步骤s3中，建立车辆调度优先级规则采用以下方法：
[0140]
当agv小车进行搬运的时候可能会发生拥堵的情况以及信号受到干扰，此时需要建立小车调度的优先级，选定两个指标，第一个指标为该小车剩余订单量qj，第二个指标为货架号的距离sj，两种指标的顺序分别为l1，l2，则发生拥堵时，遵循以下规则：以小车运行的数量m进行参考，最终小车调度的优先级规则l为(其中qa为所有可运行的小车数量，)
[0141][0142]
该函数意义为：
[0143]
运行车辆数小于的时候，按照l1，即剩余订单量多优先；
[0144]
运行车辆数多余按照l2，即距离货架远的优先；
[0145]
运行数量在和之间的，按照上述规则，主要侧重于以运输量为主进行优先调度。
[0146]
步骤s3中提出了agv的调度原则，其中：在进行agv调度的时候，应该充分考虑根据任务属性，任务的紧急程度，以及使得运输过程中减少冲突等一系列原则进行agv数量、agv优先级的合理设置，使得整个调度系统运行最优，因此，建立如下的调度目标和原则：
[0147]
假设本次总共需求运输的货运量为q
l
，不同种类货物的单件载重为q
r,i
＝{q
r,1
,q
r,2
,...,q
r,n
}每辆不同装载量小车的装运量为q
li
＝{q
l,1
,q
l,2
,...,q
l,n
}，正在往运输方向运输的车辆我们记为xs，返回空载小车我们记为xd，则其优先级分别为lxs,lxd时间窗为(vi,mi)，完成搬运的时间为tf，有装载小车数量总运行小车数量m
ω
，发生冲突的情况记作
▽c[0148]
目标是:tf≤mi；
[0149]
原则如下：
[0150]
minc1＝mod(q
l,i
,q
r,i
)；
ꢀꢀꢀ
(1)
[0151]
minc2＝mincs；
ꢀꢀꢀ
(2)
[0152][0153][0154][0155]
式中依次表示为：
[0156]
原则一：在从船舶停靠点调取处于空闲状态的小车的时候，根据货物的所需运载量q1，优先安排运输容纳量q1·
n，(n＝1,2,3...)即agv运输容纳量是其倍数的车辆进行运输，优先调取空闲状态小车，再调取充电状态的小车；
[0157]
原则二：由于船舶的调度是有时间窗(vi,mi)限制的，所以需要考虑未在规定时间内运输完成产生的惩罚成本cs最小；
[0158]
原则三：在起点与终点之间的栅格网络进行路径规划的时候，会存在从起点往终点载重运输的小车k1，以及终点往起点返回的等待重新搬运的小车k2，往运输方向运输的车辆记为xs，返回空载小车记为xd，当有载重任务小车数量达总运行小车数量的一半，则k1优先级永远大于k2，反之亦然；
[0159]
原则四：在有发生小车运输冲突的时候，根据所设立的优先级函数l，进行车辆的合理调度：
[0160]
原则五：当有任务安排时，通过安排小车的数量qa，来使得系统的运作效率更优。
[0161]
步骤s4中生成麻雀优化算法初始种群
[0162]
其对应的适应度
[0163]
步骤s5中改进麻雀优化算法身份转变规则和位置变换规则，包括以下步骤：
[0164]
s5.1更新发现者位置：
[0165][0166]
其中：t代表当前迭代数，j＝1,2,3...d.r2∈[0，1]和st∈[0.5，1]分别表示预警值和安全值。q是符合正态分布的随机数,l表示一个1
×
d的矩阵，其中该矩阵内每个元素全部为1。r2《st表示小于预警范围，r2≥st表示达到预警范围。
[0167]
s5.2更新加入者位置：
[0168][0169]
其中，x
p
表示为当前发现者所占据的最优位置，x
worst
表示当前全局最差的位置，a是一个元素都为1或-1的1xd的矩阵，并且a
+
＝a
t
(aa
t
)-1
.
[0170]
s5.3更新侦察者位置：
[0171][0172]
其中x
best
是当前全局最优位置。β为步长控制参数，是服从均值为0，方差为1的正态分布的随机数；fg和fw分别表示当前全局最佳和最差的适应度,k为[-1,1]内的随机数，ε为避免分母为0的常数。
[0173]
s5.4添加加入者发现者身份转变规则：
[0174]
设置时间t，当在所设置的时间t下未有更优位置的出现，将一定数量m的加入者直接更改为发现者，t和m均是动态变化的；
[0175]
假设算法迭代次数为n，当前迭代次数为n；
[0176]
当进行到前的时候，此时t遵循此时m遵循logn/n+1n；
[0177]
当进行到后的时候，此时t遵循此时m遵循logn-n/n+1n；
[0178]
该公式含义为前的时候，t是变小的，m是变大的，不过后面m增长率降低。
[0179]
s5.5添加加入者发现者位置变换规则：
[0180]
在发现者发现食物的时候，会存在多个加入者同时向其位置跳跃的情况，在初期不利于扩大搜索效率，可以设置加入每个加入者的飞行速度，从而当有一只到达加入者位置的时候，其他麻雀不允许飞过来，其步骤如下：
[0181]
步骤一：设置加入者飞行速度为v1，v2...vn，距离发现食物的发现者距离为d1,d2...dn；
[0182]
步骤二：当发现者发现食物时，比较每只加入者的速度vk；
[0183]
步骤三：如果其中某一只加入者的速度vk,使得dk/vk小于其他的值，则另外所有加入者保持原始操作，此速度为vk的加入者跳跃到发现者位置。
[0184]
s5.6提出了麻雀优化算法关于可视程度的相关规则：
[0185]
当我加入者转变身份为发现者达到一定次数τ，视力会下降，发现者不会变看见，好处是前期可视化程度高，扩大搜索范围，后期视力下降则降低搜索范围，从而使得算法的收敛速度提高。
[0186]
具体实施如下：
[0187]
步骤一：设置加入者麻雀的视力ε，发现者的可视程度γ，两者呈正相关关系即ε＝kγ(k》0),算法迭代次数为n，当前迭代次数为n；
[0188]
步骤二:判断加入者转变身份为发现者次数σ是否达到一定次数τ；
[0189]
步骤三：若σ《τ，维持原来搜索规则；若σ≥τ，ε随着此时进行改变，麻雀视力降低，相对应发现者可视化程度也降低。
[0190]
s5.7判断当前迭代次数n是否达到所设置的最大迭代次数iter
max
：
[0191]
if n》iter max
，则输出此时的最佳适应度的值fg作为最优目标值，与之对应的为最优目标解，从而找出最佳agv调度方案以及对应的最小值z
min
；否则继续进行步骤s5。
[0192]
本发明所提供的自动化码头agv调度方法，弥补了当前关于agv调度方案的不足，提取码头货物的送达时间，货架的节点信息，以及车辆运行信息等，综合考虑了空载率最低的要素，建立了关于成本、时间、空载率的问题模型，考虑惩罚成本等因素，建立多agv合理调度原则，在实际问题中具有重要的现实意义；其次，本文对麻雀优化算法进行改进，加以运用到问题当中，改进的包括加入者和发现者的位置变换规则、身份变换规则，以及提出考虑构建麻雀的视力和可视化程度，使得算法减少收敛于局部最优解的情况，既能快速的求出最优解，又能合理的给出agv路径方案。
[0193]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。