一种基于改进粒子群算法和滚动窗口的AMR调度方法技术

本发明专利技术涉及一种基于改进粒子群算法和滚动窗口的AMR调度方法，属于物流自主移动机器人调度技术领域。该方法在AMR智能调度中心通过管理器与多个AMR通讯构成的物流系统中，AMR智能调度中心按初始化种群、确定个体适应度值、选出群体最优值和个体最优值、迭代判断输出、更新种群步骤完成最优调度结果方案的选择输出。本发明专利技术的以上过程可以有效避免动态过程发生干扰事件对调度可靠性的影响以及企业管理系统的冗余，并扩展了AMR调度系统的应用范围和共享性。围和共享性。围和共享性。

【技术实现步骤摘要】
一种基于改进粒子群算法和滚动窗口的AMR调度方法


[0001]本专利技术涉及一种AMR调度方法，特别是一种基于改进粒子群算法和滚动窗口的AMR调度方法，属于物流自主移动机器人调度


技术介绍

[0002]随着电商、快递和新能源等新兴行业的不断发展，传统以人工为主的仓储物流作业因无法满足实际作业需求而迅速被自动化和智能化的智能物流系统取代。自主移动机器人（Autonomous Mobile Robots，AMR）是智能物流系统的重要组成部分，面对订单多品种、小批量、短周期和多批次等特点。现有AMR的调度策略有遗传算法、蚁群算法、粒子群算法和模拟退火算法等。与遗传算法、蚁群算法和模拟退火算法相比，粒子群算法不仅具有不依赖于问题本身、采用连续值求解、适用性强的特点，而且具有并行计算速度快、需要人为调整的变量少、实现较为简单等优势。
[0003]检索可知，申请号为201910799166.7、名称为“一种用于AMR集群的调度和寻路方法及系统”的中国专利文献公开了以“将工作区域离散化、由中央服务器规划全局路线并更新交通流量、由AMR自主规避障碍物跟踪全局路线到达目的地”为主要步骤的调度方法；此外，申请号为202110590491.X、名称为“一种适用于多AMR的分布式调度系统及方法”的中国专利文献公开了另一种分布式调度方法。前者实际上通过将工作区域离散化，并由中央服务器规划全局路线来实现AMR集群调度；后者则通过UDP通信单元、UWB通信单元及TCP/IP通信单元实现AMR分布式调度。实践证明，由于上述现有技术均动态实现AMR的调度，因此在需要快速、高效的复杂转运过程中可靠性欠佳。

技术实现思路

[0004]本专利技术的目的在于：针对现有技术的不足之处，提供一种基于改进粒子群算法和滚动窗口的AMR调度方法，从而不仅可以方便、快速、高效地进行AMR调度，而且使其可靠性得到切实保证。
[0005]为了达到上述目的，本专利技术基于改进粒子群算法和滚动窗口的AMR调度方法基本技术解决方案为：在AMR智能调度中心通过管理器与多个AMR通讯构成的物流系统中，所述AMR智能调度中心按以下步骤实现各AMR的调度：步骤一、初始化种群——设定种群内共有s个粒子P
k
（k=1,2，
…
s），将每个粒子的位置编码分别表示为相应运输任务编号组成的随机数序列X
k
=[x1，x2，
…
，x
m
]、速度编码分别表示为相应运输任务编号组成的随机数序列Y
k
=[y1，y2，
…
，y
m
]；其中m为运输任务数量；任务编号至少对应包括起点编号、终点编号、执行任务耗时、需求时间在内的任务信息；步骤二、确定个体适应度值——所述个体适应度值由根据每个粒子的位置编码计算确定的至少由AMR数量和AMR行驶路程构成；判断位置编码中
的对应任务执行结束时间与继续执行下个任务耗时之和是否超过下个任务需求时间，如否则将该对应任务及之前的任务划分为一个任务集合M
j
并令一个AMR执行；如是则另加一个AMR后再进行前述判断，直至所有任务均被覆盖；以最终的任务集合M
j
数量确定AMR的数量、及求得各AMR的行驶路程，作为粒子的个体适应度值；步骤三、选出群体最优值和个体最优值——构建非劣解集和个体最优粒子集，所述非劣解集由AMR数量最少以及AMR行驶路程最短的粒子集合而成；从非劣解集中随机选取一个粒子作为群体最优值，从当前代粒子种群和个体最优粒子集中随机根据AMR数量最少或AMR行驶路程最短选取一个粒子作为个体最优值；所述个体最优粒子集由每代的个体最优值粒子集合而成；步骤四、迭代判断输出——判断迭代次数是否达到设定值，如是则输出个体最优值作为AMR的最优调度结果方案；如否则进入下一步；步骤五、更新种群——将当前种群中粒子的现速度编码更新为随机交换序列RES、个体交换序列IES和群体交换序列GES的新速度编码，并将现位置编码分别按新速度编码的随机交换序列RES、个体交换序列IES和群体交换序列GES进行位置编码内部顺序交换更新为新位置编码；返回步骤二。
[0006]本专利技术的以上过程巧妙利用并改进粒子群算法完成了AMR的静态合理调度，首先初始化确定种群中粒子数量和每个粒子的初始位置编码和速度编码；接着计算出每个粒子使用的AMR数量和AMR行驶路程（即总行驶距离）；再构建非劣解集、个体最优粒子集并选出个体最优值和群体最优值；然后通过不断对种群中粒子的位置编码和速度编码进行更新和预定次数的迭代；最后输出AMR最优的调度方案，进而为将静态过程与滚动窗口有机结合奠定了基础，结果可以有效避免动态过程发生干扰事件对调度可靠性的影响以及企业管理系统的冗余，并扩展了AMR调度系统的应用范围和共享性。
[0007]本专利技术进一步的完善是：将当前时刻动态的运输任务按任务需求时间和优先级分解为m个静态运输任务，形成分别具有相应调度时刻的滚动窗口；当到达某个调度时刻时，将得到的对应静态运输任务的最优调度结果方案输出进行AMR调度；之后循环滚动直到所有运输任务都执行完成。这样，将AMR动态运输任务划分为多个静态的运输任务，求解各静态运输任务的最优调度方案后，再按时间顺序合理分配给AMR执行，并循环滚动，直至所有AMR动态运输任务完成，从而将动态调度与静态调度有机结合，可以切实保证可靠性，快速、高效地完成复杂的AMR调度。
[0008]本专利技术再进一步的完善是：所述步骤五中，将当前种群中粒子的现位置编码分别按新速度编码的随机交换序列RES、个体交换序列IES和群体交换序列GES进行位置编码内部顺序交换，并按设定的概率进行保留更新为新位置编码。
[0009]本专利技术更进一步的完善是：所述步骤一中X
k
的随机数x
m
不重复，Y
k
的随机数y
m
允许重复。
附图说明
[0010]图1为本专利技术一个实施例的硬件结构示意图。
[0011]图2为本专利技术一个实施例的调度流程示意图。
[0012]图3为图2实施例AMR执行运输任务路线示意图。
[0013]图4为图2实施例AMR执行运输任务路线之一示意图。
[0014]图5为图2实施例AMR执行运输任务路线之二示意图。
[0015]图6为图2实施例的种群更新的交换序列产生原理示意图。
具体实施方式
[0016]下面结合附图和具体实施例对本专利技术进行详细解释说明。
[0017]实施例一本实施例基于改进粒子群算法和滚动窗口的AMR调度方法的硬件环境如图1所示，与现有技术类似，由AMR智能调度中心通过管理器与多个AMR通讯连接构成物流系统。本实施例的AMR智能调度中心由阿里云服务器和AMR智能系统构成，该AMR智能调度中心如图2所示，按以下步骤通过静态调度实现各AMR的调度：步骤一、初始化种群——设定种群内共有s个粒子Pk（k=1,2，
...

【技术保护点】

【技术特征摘要】
1.一种基于改进粒子群算法和滚动窗口的AMR调度方法，在AMR智能调度中心通过管理器与多个AMR通讯构成的物流系统中，其特征在于：所述AMR智能调度中心按以下步骤实现各AMR的调度：步骤一、初始化种群——设定种群内共有s个粒子P
k
（k=1,2，
…
s），将每个粒子的位置编码分别表示为相应运输任务编号组成的随机数序列X
k
=[x1，x2，
…
，x
m
]、速度编码分别表示为相应运输任务编号组成的随机数序列Y
k
=[y1，y2，
…
，y
m
]；其中m为运输任务数量；任务编号至少对应包括起点编号、终点编号、执行任务耗时、需求时间在内的任务信息；步骤二、确定个体适应度值——所述个体适应度值由根据每个粒子的位置编码计算确定的至少由AMR数量和AMR行驶路程构成；判断位置编码中的对应任务执行结束时间与继续执行下个任务耗时之和是否超过下个任务需求时间，如否则将该对应任务及之前的任务划分为一个任务集合M
j
并令一个AMR执行；如是则另加一个AMR后再进行前述判断，直至所有任务均被覆盖；以最终的任务集合M
j
数量确定AMR的数量、及求得各AMR的行驶路程，作为粒子的个体适应度值；步骤三、选出群体最优值和个体最优值——构建非劣解集和个体最优粒子集，所述非劣解集由AMR数量最少以及AMR行驶路程最短的粒子集合而成；从非劣解集中随机选取一个粒子作为群体最优值，从当前代粒子种群和个体最优粒子集中随机根据A...

【专利技术属性】
技术研发人员：周伟，刘泓铄，胡毅，刘进江，穆赵一，杨开伟，张浩，童一飞，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：