基于离散的人工蜂群进化的自动导向车辆调度方法技术

基于离散的人工蜂群进化的自动导向车辆调度方法，涉及自动导向车辆(AGV)调度技术领域，特别是属于一种基于离散的人工蜂群的进化算法以解决矩阵式制造车间的送料和取货问题的调度方法。包括步骤1：初始参数设置；步骤2：解决方案的初始化；步骤3：对当前种群中每个解决方案进行离散的人工蜂群进化；步骤4：计算当前所有解决方案中的最佳总成本，更新最佳总成本f

【技术实现步骤摘要】
基于离散的人工蜂群进化的自动导向车辆调度方法


[0001]本专利技术涉及自动导向车辆(AGV)调度
，特别是属于一种基于离散的人工蜂群的进化算法以解决矩阵式制造车间的送料和取货问题的调度方法。

技术介绍

[0002]随着我国社会经济与科技的不断发展，智能制造业得到了广泛的发展。制造过程中的物料以及成品的运输是制造车间生产过程中必不可少的过程，也是车间作业调度问题的重要组成部分。传统的物料配送方式也正在慢慢的向智能化与自动化趋势发展。根据人口统计数据可以推断出，在未来的一段时间，我国的劳动力人口呈现逐年下降的趋势，进而则会导致雇佣劳动力成本增加，这个成本对企业来说是非常大的。所以如何控制劳动力成本增长及如何节省企业生产成本成为企业及国家有待解决的问题之一。
[0003]为了解决劳动力问题，多数车间的配送作业可由自动化设备进行完成。虽然前期购买自动化设备增加了企业资金投入，但对于后期的整个生产效益必然产生积极影响。生产效率的提高，产品质量得到保证，进而在总体上降低生产成本。总之，“机器人代替人”必将成为我国提高企业生产率，降低人口劳动成本的重要举措。
[0004]随着智能制造的不断发展，自动导向车辆(AGV)以其高度的灵活性、安全性和利用率成为智能矩阵制造车间的主要运输和取货工具之一。AGV中的自动导向装置能够使AGV按照预定的送料和取货路线完成运输工作。矩阵制造车间的不断扩大和顾客需求的多样化增加，多品种材料、多产品的同时运输变得更加复杂。运输需求给AGV调度系统带来了许多新的挑战。提出合理的AGV调度方法，提高服务效率，降低服务成本，已成为迫切需要解决的问题。AGV调度问题是指在规定的时间内将顾客分配到AGV，确定运输顺序，实现调度目标的过程。本专利技术的目标旨在减少AGV运输过程的总成本包括：旅行成本、时间成本AGV成本。因此，AGV调度问题是一个NP
‑
hard问题，同时送货和取货的AGV调度问题是一个更加复杂的问题。因此，研究同时送货和取货的AGV调度问题无疑对生产企业改造车间物流结构、降低车间物流成本和提升车间物流效率具有重要意义。
[0005]矩阵制造车间被划分为几个区域，每个区域需要不同的生产材料。每个区域都有一些以矩阵形式排列的工作站。每个工作站由几台数控机床和一个材料缓冲器组成。数控机床通过消耗储存在缓冲器中的材料来生产产品。当消耗的物料或产品库存在缓冲器中达到预定值时，工作站将向AGV系统发送信号，提供送货或取货服务。这个工作站叫做顾客工作站。发送信号的时间称为呼叫时间。AGV系统收到信号后，根据顾客的需求和AGV的数量计算出解决方案，AGV开始为顾客服务。从仓库出发的每辆AGV都计算旅行费用。AGV不能晚于顾客要求的时间到达，否则数控机床会关闭。但是，如果提前服务，就会产生时间成本，而时间成本会根据提前服务的程度而不同。服务完成后AGV返回仓库。因此，如何分配AGV和配送序列，使出行成本、时间成本和AGV成本最小化，是评价服务方案的重要标准。

技术实现思路

[0006]本专利技术的目的即在于提供一种基于离散的人工蜂群进化的自动导向车辆调度方法，以达到提高AGV的运输效率以及节省AGV的运输成本(AGV运输距离成本、AGV成本、提前交付的惩罚成本)的目的。
[0007]本专利技术所提供的基于离散的人工蜂群进化的自动导向车辆调度方法，其特征在于，包括以下步骤：
[0008]步骤1：初始参数设置；
[0009]设定在一个周期内发出信号的机器(顾客)数量；迭代进化的过程中产生的解决方案的数量PS；一个解决方案中的需要的AGV数量以及设置算法进化的时间、操作算子的迭代次数；
[0010]步骤2：解决方案的初始化；
[0011](2.1)构建编码方式；
[0012](2.2)采用一种基于动态的取货和送料方法分配顾客给AGV；
[0013](2.3)采用松弛时间的启发式算法产生1个解决方案；
[0014](2.4)随机产生PS
‑
1个解决方案,构建初始化种群，计算每个解决方案的总成本，找出种群中最小的总成本；最小总成本对应的初始解决方案为当前最佳解决方案；
[0015]步骤3：离散的人工蜂群进化；
[0016]对当前种群中每个解决方案进行离散的人工蜂群进化，包括以下过程：
[0017](3.1)雇佣蜂阶段：通过邻域操作算子对每个解决方案进行进化；
[0018](3.2)观察蜂阶段：按照中位数轮盘赌概率选择方法从种群中选择多个解决方案，通过邻域操作算子对解决方案进行进化，找出种群中当前最好的解决方案，对最好的解决方案进行局部搜索；
[0019](3.3)侦察蜂阶段：对于质量差的解决方案，使用基于问题的搜索算子进行局部搜索，计算总成本，如果总成本未改变，则使用基于松弛时间的启发式算法重新生成一个新的解决方案；
[0020]步骤4：计算当前所有解决方案中的最佳总成本，更新最佳总成本f
best
及其解决方案，判断进化的时间是否达到迭代循环的时间T，若达到，则进化结束，输出当前最优的解决方案及其对应的总成本，否则回到步骤3。
[0021]进一步的，在步骤2中，按照以下方法编码：将所有机器进行编号，不同AGV的任务之间用0间隔；根据收集到的任务找出距离仓库最近的任务，在满足时间和容量约束的前提下装入AGV，判断距离最近的任务是否满足时间和容量约束，满足，则装入AGV，不满足，则在编码中添加0，重复上述过程，直到呼叫任务全部装入AGV，产生初始可行解，初始化过程结束。
[0022]进一步的，按照以下公式计算总成本C
sum
，C
sum
＝C1+C2+C3，其中C1、C2和C3分别为AGV行驶距离成本、AGV的成本以及提前到达任务单元的时间惩罚成本，种群中最小的总成本f
best
对应的解决方案为当前最佳解决方案。
[0023]进一步的，在步骤(2.3)中，基于松弛时间的启发式算法，考虑顾客的紧急程度和顾客之间的距离，依次将顾客插入到AGV路线中，直到所有的顾客被分配。
[0024]进一步的，在计算总成本的过程中设置以下约束：一个周期内被分配的AGV能够在
本周期内及时返回仓库，保证下一个周期的正常运行。
[0025]进一步的，在步骤(3.1)中，在雇佣蜂阶段使用四个邻域操作算子对解决方案进行进化，所述的邻域操作算子通过相同AGV交换、相同AGV插入、不同AGV交换和不同AGV插入对每个解决方案进行全局搜索。
[0026]进一步的，在步骤(3.2)中，所述的基于问题的搜索算子的搜索方法为选择一个顾客插入到解决方案中的所有位置，并找到最佳解决方案，直到所有顾客都被考虑在内。
[0027]进一步的，邻域操作算子的实现方法如下：
[0028]相同AGV插入方法如下：从当前最佳解决方案中随机选择一辆AGV的两个位置P和p
’
，从位置p<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于离散的人工蜂群进化的自动导向车辆调度方法，其特征在于，包括以下步骤：步骤1：初始参数设置；设定在一个周期内发出信号的机器(顾客)数量；迭代进化的过程中产生的解决方案的数量PS；一个解决方案中的需要的AGV数量以及设置算法进化的时间、操作算子的迭代次数；步骤2：解决方案的初始化；(2.1)构建编码方式；(2.2)采用一种基于动态的取货和送料方法分配顾客给AGV；(2.3)采用松弛时间的启发式算法产生1个解决方案；(2.4)随机产生PS
‑
1个解决方案，构建初始化种群，计算每个解决方案的总成本，找出种群中最小的总成本；最小总成本对应的初始解决方案为当前最佳解决方案；步骤3：离散的人工蜂群进化；对当前种群中每个解决方案进行离散的人工蜂群进化，包括以下过程：(3.1)雇佣蜂阶段：通过邻域操作算子对每个解决方案进行进化；(3.2)观察蜂阶段：按照中位数轮盘赌概率选择方法从种群中选择多个解决方案，通过邻域操作算子对解决方案进行进化，找出种群中当前最好的解决方案，对最好的解决方案进行局部搜索；(3.3)侦察蜂阶段：对于质量差的解决方案，使用基于问题的搜索算子进行局部搜索，计算总成本，如果总成本未改变，则使用基于松弛时间的启发式算法重新生成一个新的解决方案；步骤4：计算当前所有解决方案中的最佳总成本，更新最佳总成本f
best
及其解决方案，判断进化的时间是否达到迭代循环的时间T，若达到，则进化结束，输出当前最优的解决方案及其对应的总成本，否则回到步骤3。2.根据权利要求1所述的基于离散的人工蜂群进化的自动导向车辆调度方法，其特征还在于，在步骤2中，按照以下方法编码：将所有机器进行编号，不同AGV的任务之间用0间隔；根据收集到的任务找出距离仓库最近的任务，在满足时间和容量约束的前提下装入AGV，判断距离最近的任务是否满足时间和容量约束，满足，则装入AGV，不满足，则在编码中添加0，重复上述过程，直到呼叫任务全部装入AGV，产生初始可行解，初始化过程结束。3.根据权利要求2所述的基于离散的人工蜂群进化的自动导向车辆调度方法，其特征还在于，按照以下公式计算总成本C
sum
，C
sum＝
C1+C2+C3，其中C1、C2和C3分别为AGV行驶距离成本、AGV的成本以及提前到达任务单元的时间惩罚成本，种群中最小的总成本f

【专利技术属性】
技术研发人员：桑红燕，张溆金，潘全科，田存伟，
申请(专利权)人：聊城大学，
类型：发明
国别省市：