一种基于可变任务窗的AGV动态调度方法及装置制造方法及图纸

本发明专利技术提供了一种基于可变任务窗的AGV动态调度方法及装置，其中的方法将实时动态调度中的任务分为当前任务以及新增任务两部分，在没有新增任务时仅对当前任务窗进行调度；在出现新增任务时，将尚未完成的任务与新增任务结合成为一个新的任务窗，把此任务窗作为当前任务窗进行调度优化。并结合遗传算法进行求解，能够比较简单地实现父代染色体基因之间的信息交换。实现了动态调度以及优化调度结果的技术效果。

【技术实现步骤摘要】
一种基于可变任务窗的AGV动态调度方法及装置
本专利技术涉及AGV(自动导引车)控制方法
，具体涉及一种基于可变任务窗的AGV动态调度方法及装置。
技术介绍
我国实体经济的发展从高速发展阶段进入高质量发展阶段，物流中储运系统的更新对各大企业的发展具有重要意义，而物料储运系统中的立体仓库已经是全球发展的主要储货系统。现如今，立体仓库的运用越来越广泛，对于大货物大物流的立体仓库中必须依靠机械实现对货物的装载与转运。而AGV小车又是立体仓库中必不可少的一部分，更加上如今电商的迅速发展，物流调度的优化便显得更加重要。AGV调度的优化能有节省企业大量的时间成本，具有非常重要的研究价值。现有技术中，通常采用基于时间窗的调度方式，其主要考虑的是在实际情况中，执行任务的装置会影响其他装置的工作，然后通过时间窗的算法就是设置这些装置运动的先后顺序，保证等待的时间最短。然而，实际应用中，时间窗的调度方法主要用于防止冲突的问题，而对于立体仓库，路径较少有阻碍，不适宜采用时间窗的调度方法，采用目前的方法无法保证调度效果。由上可知，现有的调度方法存在调度效果不佳的技术问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于可变任务窗的AGV动态调度方法及装置，用以解决或者至少部分解决现有的调度方法存在调度效果不佳的技术问题。本专利技术第一方面提供了一种基于可变任务窗的AGV动态调度方法，包括：步骤S1：获取当前任务，将当前任务加入第一任务窗；步骤S2：将第一任务窗作为当前任务窗，对当前任务窗中的任务采用遗传算法计算出第一解序列，根据第一解序列进行AGV调度；步骤S3：判断当前任务窗的任务是否执行完，如果未执行完，判断是否出现新增任务，如果出现，则将第一任务窗内未完成的任务与新增任务合并为第二任务窗；步骤S4：对第二任务窗中的任务采用遗传算法计算出第二解序列，根据第二解序列进行AGV调度，重复执行步骤S3，直到当前任务窗的任务执行完。基于同样的专利技术构思，本专利技术第二方面提供了一种基于可变任务窗的AGV动态调度装置，包括：获取模块，用于获取当前任务，将当前任务加入第一任务窗；第一调度模块，用于将第一任务窗作为当前任务窗，对当前任务窗中的任务采用遗传算法计算出第一解序列，根据第一解序列进行AGV调度；合并模块，用于判断当前任务窗的任务是否执行完，如果未执行完，判断是否出现新增任务，如果出现，则将第一任务窗内未完成的任务与新增任务合并为第二任务窗；第二调度模块，用于对第二任务窗中的任务采用遗传算法计算出第二解序列，根据第二解序列进行AGV调度，重复执行步骤S3，直到当前任务窗的任务执行完。基于同样的专利技术构思，本专利技术第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被执行时实现第一方面的所述的方法。本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：在本专利技术提供的基于可变任务窗的AGV动态调度方法，首先获取当前任务，并将当前任务加入第一任务窗，然后将第一任务窗作为当前任务窗，对当前任务窗中的任务采用遗传算法计算出第一解序列，根据第一解序列进行AGV调度，也就是可以将AGV调度中的任务分为当前任务以及新增任务两部分，在没有新增任务时仅对当前任务窗中的任务进行调度，在出现新增任务时，将尚未完成的任务与新增任务结合成为一个新的第二任务窗，把第二任务窗作为当前任务窗进行调度优化。从而可以将实时动态复杂调度转变为一系列任务数量稳定的任务窗集，以每个任务窗集中的相对最优保证总体动态调度优化的最优，不仅能够实现实时调度，并且对于路径障碍较少的立体仓库的AGV调度时也能起到良好的调度优化效果。解决了现有的调度方法存在调度效果不佳的技术问题。进一步地，本专利技术提供的调度方法中，采用改进的遗传算法来求解任务解序列，设置了新的交叉算子和新的变异算子，通过父代与子代竞争产生下一计算父代的方式，可以避免优秀个体被交叉变异操作淘汰出去，从而可以得到较优的任务解序列，从而达到优化效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为一种实施例中基于可变任务窗的AGV动态调度方法的流程图；图2一种实施例中当前任务窗内的调度优化流程图；图3为一种实施例中任务窗集实现动态调度的流程图；图4为一种实施例中的初始种群的示意图；图5为一种实施例中的单次交叉过程的示意图；图6为一种实施例中的单次变异过程的示意图；图7为本一种实施例中任务窗变更示意图；图8为一种实施例中基于可变任务窗的AGV动态调度装置的结构框图；图9为本专利技术实施例中计算机可读存储介质的结构图。具体实施方式本专利技术提供了一种基于可变任务窗的AGV动态调度方法及装置，其中的方法是基于可变任务窗的直达式立体仓库动态AGV调度优化方法，用以改善现有的调度方法存在调度效果不佳的技术问题，从而实现优化调度结果的技术效果。AGV调度问题的描述为：n辆AGV执行m个任务，每辆AGV小车需要执行哪些任务，这些任务按照什么顺序执行，在满足约束条件的情况下达到最小化任务时间的目的。对于立体仓库中每辆AGV小车需要执行哪些任务，这些任务按照什么顺序执行；当一批任务还未完成时新的任务出现之后又该如何调度，是需要解决的问题。本专利技术的方法，通过采用改进的遗传算法进行对AGV小车调度问题的求解，对于实时监控的动态调度，从而解决每辆AGV小车需要执行哪些任务以及这些任务按照什么顺序执行的问题，并且采用基于可变任务窗的调度方式，将任务分成一系列任务集块(即任务窗)的形式，对每一个任务窗进行调度优化，所有任务窗结合起来实现动态的调度，从而解决当一批任务还未完成时新的任务出现之后如何调度的问题。为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例一本实施例提供了一种基于可变任务窗的AGV动态调度方法，请参见图1，该方法包括：首先执行步骤S1：获取当前任务，将当前任务加入第一任务窗。具体来说，本实施方式中的调度方法应用与直达式立体仓库中，不同于普通立体仓库，直达式立体仓库中AGV小车在空载时可以在货架下面自由行走，AGV作业时更为方便。当前任务可以根据任务分配或者给定的时间来判断，当前任务的数量根据具体的应用情况设定，第一任务窗即为一种任务集块。然后执行步骤S2：将第一任务窗作为当前任务窗，对当前任务窗中的任务采用遗传算法计算出第一解序列，根据第一解序列进行AGV调度。具体来说，当前任务窗即为需要调度的任务窗，通过遗传算法的方式可以对当前任务的调度转化为交叉和变异的过程，从而得到第一解序列。在一种实现方式中，步骤S2具体包括：步骤S2.1：获取当前任务窗中的任务对应的货位坐标及AGV的坐标信息。具体来说，直达式立体仓库具有规整的形状，每个货位横竖排列，建本文档来自技高网...

【技术保护点】
1.一种基于可变任务窗的AGV动态调度方法，其特征在于，包括：步骤S1：获取当前任务，将当前任务加入第一任务窗；步骤S2：将第一任务窗作为当前任务窗，对当前任务窗中的任务采用遗传算法计算出第一解序列，根据第一解序列进行AGV调度；步骤S3：判断当前任务窗的任务是否执行完，如果未执行完，判断是否出现新增任务，如果出现，则将第一任务窗内未完成的任务与新增任务合并为第二任务窗；步骤S4：对第二任务窗中的任务采用遗传算法计算出第二解序列，根据第二解序列进行AGV调度，重复执行步骤S3，直到当前任务窗的任务执行完。

【技术特征摘要】
1.一种基于可变任务窗的AGV动态调度方法，其特征在于，包括：步骤S1：获取当前任务，将当前任务加入第一任务窗；步骤S2：将第一任务窗作为当前任务窗，对当前任务窗中的任务采用遗传算法计算出第一解序列，根据第一解序列进行AGV调度；步骤S3：判断当前任务窗的任务是否执行完，如果未执行完，判断是否出现新增任务，如果出现，则将第一任务窗内未完成的任务与新增任务合并为第二任务窗；步骤S4：对第二任务窗中的任务采用遗传算法计算出第二解序列，根据第二解序列进行AGV调度，重复执行步骤S3，直到当前任务窗的任务执行完。2.如权利要求1所述的方法，其特征在于，步骤S2具体包括：步骤S2.1：获取当前任务窗中的任务对应的货位坐标及AGV的坐标信息；步骤S2.2：对当前任务窗中的任务对应的货位坐标、AGV的坐标信息进行编码；步骤S2.3：根据目标函数设置适应度函数，其中，目标函数为其中，Si表示每辆AGV的空载行程，适应度函数为：其中，f为目标函数值，ratio表示所有AGV小车中空载行程最大的AGV与空载行程最小的AGV之间的差值对适应度函数的影响系数，其中，Max表示所有小车中的最大空行程，Min表示所有AGV小车中的最小空行程，AGVQuantity表示所有AGV小车的数量，ChromosomeLength表示染色体中的基因长度，也是任务数量，染色体上的每一个基因表征一个货位坐标，每一条染色体表示一种任务解序列；步骤S2.4：基于适应度函数对个体进行适应度计算，对高适应度的个体进行可重复选择；步骤S2.5：在选择出来的相邻父代中，判断是否符合第一预设条件，若符合，则按照交叉算子进行交叉操作，若不符合，则保留原基因不变；步骤S2.6：判断是否符合第二预设条件，若符合，则按照变异算子进行变异操作，若否，则保留原基因不变；步骤S2.7：在当前所有父代与子代中，基于适应度函数对所有个体进行适应度计算，所有父代与子代竞争，将适应度符合预设范围的个体作为新的父代；步骤S2.8：判断当前的代数是否小于预设遗传代数，如果是，则执行步骤S2.4，如果否，则输出计算结果，将其作为第一解序列；步骤S2.9：根据第一解序列进行AGV调度。3.如权利要求2所述的方法，其特征在于，步骤S2.2中，采用十进制编码方式进行编码以存储坐标信息。4.如权利要求2所述的方法，其特征在于，步骤S2.5中的交叉算子具体包括：在父代A中随机选择一个基因的位置a，该基因对应的任务为m；在父代B中搜索该任务m所对应的基因的位置b；将父代A中位置a和位置b的对应基因互换位置，将父代B中位置a和位置b的基因互换位置；判断互换操作次数是否达到基因个数，如果未达到，则执行在父代A中随机选择一个基因的位置的步骤，如果达到，则子代为经过多次基因互换的染色体。5.如权利要求1所述的方法，其特征在于，步骤S2.5中的变异算子具体包括：在所选定需要进行变异操作的染色体中随机产生两个不同的随机数c和d，其中，c和d的数值小于基因总个数；将随机数c对应的基因与随机数d对应的...

【专利技术属性】
技术研发人员：曹小华，涂圣才，魏上峰，宋景祥，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42