CN111091238B - 一种自动化集装箱码头agv智能化调度方法 - Google Patents

一种自动化集装箱码头agv智能化调度方法 Download PDF

Info

Publication number
CN111091238B
CN111091238B CN201911221549.2A CN201911221549A CN111091238B CN 111091238 B CN111091238 B CN 111091238B CN 201911221549 A CN201911221549 A CN 201911221549A CN 111091238 B CN111091238 B CN 111091238B
Authority
CN
China
Prior art keywords
agv
scheduling
genetic algorithm
agvs
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911221549.2A
Other languages
English (en)
Other versions
CN111091238A (zh
Inventor
许浩然
李永翠
于滟文
刘玉坤
鲁彦汝
王吉升
王夕铭
吴艳丽
马慧娟
杨杰敏
王罡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao New Qianwan Container Terminal Co ltd
Qingdao Port International Co Ltd
Original Assignee
Qingdao New Qianwan Container Terminal Co ltd
Qingdao Port International Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao New Qianwan Container Terminal Co ltd, Qingdao Port International Co Ltd filed Critical Qingdao New Qianwan Container Terminal Co ltd
Priority to CN201911221549.2A priority Critical patent/CN111091238B/zh
Publication of CN111091238A publication Critical patent/CN111091238A/zh
Application granted granted Critical
Publication of CN111091238B publication Critical patent/CN111091238B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Educational Administration (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种自动化集装箱码头AGV智能化调度方法，以贝位和箱区为节点，以存在调度任务关系的箱区和贝位之间的距离为边，构造AGV调度模型，并以构造的AGV调度模型取最小值为目标函数，采用遗传算法求解AGV最优路径；本发明给出了一个在有限AGV数量情况下，尽可能提高AGV利用率的路径优化模型，基于该模型可以根据AGV的作业状态与预期作业时间进行AGV路径规划，实现最短无效作业时间的AGV路径优化，能更有效减少AGV的空驶及等待时间；采用遗传算法计算，可以根据装卸船的集装箱位置和时间的推移，对AGV路径进行实时计算与优化，具有较好的全局计算性能，可有效防止计算过程收敛于局部最优解。

Description

一种自动化集装箱码头AGV智能化调度方法
技术领域
本发明属于自动化集装箱码头技术领域，具体地说，是涉及一种自动化集装箱码头AGV智能化调度方法。
背景技术
集装箱码头水平运输多以集卡为主，集卡车队的路径规划过程中，距离是非常重要的参数，为了减少集卡的燃油消耗以及提高相同燃油成本下的集卡作业量，在路径规划时，要优先考虑长度最短的路径。为了保证集卡行驶路径最短，则必然造成集卡等待岸桥或轨道吊的情况。
自动化集装箱码头中，水平运输以AGV(自动导引车)为主，AGV 使用电力驱动，机会充电，无续航限制，在其路径规划中不需要考虑燃油消耗带来的高昂成本，电力成本低廉。
在目前自动化码头AGV水平运输***的研究阶段，主要采用贪婪算法计算路径最优解，但是该算法存在陷入局部最优解的问题，在 AGV数量较少时计算结果较为准确，但是随着AGV数量增多，该算法对全局性调度的劣势越明显，会出现个别AGV路径极佳的同时其他 AGV路径明显增长，而随着码头规模的扩大，AGV数量需要几十台甚至上百台，基于贪婪算法的路径规划方法已经不能满足要求。
发明内容
本发明的目的在于提供一种自动化集装箱码头AGV智能化调度方法，给出一个在有限AGV数量情况下，尽可能提高AGV利用率的路径优化模型，一方面，基于该模型可以根据AGV的作业状态与预期作业时间进行AGV路径规划，实现最短无效作业时间的AGV路径优化，能更有效减少AGV的空驶及等待时间，在同等作业量的情况下，可以使用更少的AGV实现相同的效率；另一方面，采用遗传算法计算，可以根据装卸船的集装箱位置和时间的推移，对AGV路径进行实时计算与优化，具有较好的全局计算性能，可有效防止计算过程收敛于局部最优解。
本发明采用以下技术方案予以实现：
提出一种自动化集装箱码头AGV智能化调度方法，包括：以贝位和箱区为节点，以存在调度任务关系的箱区和贝位之间的距离为边，构造AGV调度模型：以F取最小值为目标函数采用遗传算法求解AGV最优路径；其中，p为计划作业周期内所有调度任务的总数；tij为AGV完成调度任务i后到开始执行调度任务j之前的时间间隔；xij在AGV先执行调度任务i后执行调度任务j时取值为1，否则取值为零。
进一步的，所述构造的AGV调度模型的约束条件为：
取1时AGV a先执行任务i,
取1时AGV执行完任务后结束工作；
其中，ti为AGV执行调度任务i的开始时间，gi为AGV完成调度任务i的运行时间，N为每一计划作业周期内需要AGV总数量。
进一步的，所述遗传算法的基因编码步骤中，将执行调度任务 i相对应的AGV的编号作为基因xi的取值。
进一步的，所述遗传算法的适应度函数采用所述目标函数作为判别标准。
进一步的，所述遗传算法的交叉步骤采用单点交叉；所述遗传算法的变异步骤中选取单个或者两个基因位点进行变换。
进一步的，交叉操作的遗传算子概率选值为0.4-0.9，变异操作的遗传算子概率选值为0.05-0.2。
进一步的，在所述遗传算法中，设定罚函数用以降低违反约束条件的个体的适应度；其中，M为一个正整数，当个体满足所述约束条件时取值F，不满足所述约束条件时取值F-M。
进一步的，设定AGV无效作业时间期望值为t，在遗传算法中的无效作业时间值与所述期望值的误差小于设定范围时，遗传算法终止。
进一步的，所述调度任务设定为：AGV从码头前沿运输到堆场或从堆场运输到码头前沿。
与现有技术相比，本发明的优点和积极效果是：本发明提出的自动化集装箱码头AGV智能化调度方法中，给出一个在有限AGV数量情况下，尽可能提高AGV利用率的路径优化模型以该路径优化模型为目标函数求解其最小值确定为AGV最优路径，基于该模型可以根据AGV的作业状态与预期作业时间进行AGV路径规划，实现最短无效作业时间的AGV路径优化，能更有效减少AGV的空驶及等待时间，在同等作业量的情况下，可以使用更少的AGV实现相同的效率。
本发明中，采用遗传算法对目标函数求解，可以根据装卸船的集装箱位置和时间的推移，对AGV路径进行实时计算与优化，具有较好的全局计算性能，可有效防止计算过程收敛于局部最优解；该方法是在解空间进行高效启发式搜索，而非盲目的穷举或完全随机搜索，因此计算速度更快，计算过程对资源消耗更少；该方法还具有并行计算的特点，在计算机资源充足的情况下，可通过大规模并行计算来提高计算速度。
结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。
附图说明
图1为本发明提出的自动化集装箱码头AGV智能化调度方法的流程图；
图2为本发明提出的自动化集装箱码头AGV路径规划方法建立的有向图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步详细的说明。
本发明提出的是一种自动化集装箱码头AGV智能调度方法，旨在实现最短无效作业时间，并采用遗传算法对其求解。
AGV的无效作业时间主要有等待岸桥和空载行驶两部分，因此，本发明在建立AGV路径优化模型时参考以下几点：
(1)岸桥的优先级高于AGV；即在调度过程中，如果出现机械设备需要等待的情况，可以AGV等待岸桥，但应该避免岸桥等待AGV。
(2)AGV与堆场轨道吊之间无需等待，发明申请基于AGV与堆场交互区采用支架式交互和直接交互的混合交互模式进行，即在堆场端部设置交互区，交互区建设交互支架，不论是AGV还是堆场轨道吊，先将集装箱运抵交互区，集装箱可以直接放在交互支架上，而无需等待后者，当后者到达后可直接从交互支架上取箱。
(3)各岸桥的装卸任务在装卸开始之前就已经确定，集装箱船的船期一般在船抵港前一个月由船公司制定，包括离靠港时间表，船舶配载图，箱信息等，码头调度人员会事先与船公司确认装卸计划。
本发明实施例中，设置一个调度任务为：将AGV从码头前沿运输到堆场或者堆场运输到码头前沿的过程。在开始作业前岸桥的装卸计划已经完成，岸桥的装卸量、平均装卸效率、以及作业的集装箱顺序已经给出，只要岸桥能够连续作业就可以推算出这台岸桥的每个任务的最迟开始时间，于是对该岸桥的每一个集装箱都可以判断其开始作业的时间地点和完成作业的时间地点，而且每个调度任务之间的距离也已知。
本发明实施例中，为了改变AGV固定服务每一岸桥的模式，将所有岸桥作业的AGV综合考虑，并按照作业开始时间进行排序，将岸桥因素转变为时间因素约束到AGV作业中。
基于上述，本发明提出的自动化集装箱码头AGV智能化调度方法，如图1所示，包括如下步骤：
步骤S1：以贝位和箱区为节点，以存在调度任务关系的箱区和贝位之间的距离为边建立有向图。
本发明实施例是针对不同贝位集装箱装卸时AGV的调度问题展开；以装箱为例，把码头上的贝位和箱区看成是节点以此来构造一个有向图(V，E)，其中V表示节点，代表箱区、贝位等实体；E表示边，代表各箱区之间以及各贝位之间的距离。
如果有m个出口箱区、n个需要装箱的贝位、q辆需要作业的小车，当需要装箱时，这q辆小车负责从出口箱区运送集装箱到相应的贝位。如果某出口箱区给某一贝位供箱，则用一条有距离的边将他们连起来，形成如图2所示的有向图。
步骤S2：基于有向图构造AGV调度模型。
构造AGV调度模型为：
其中，p为计划作业周期内所有调度任务的总数；tij为AGV完成调度任务i后到开始执行调度任务j之前的时间间隔，这一时间间隔包括AGV等待岸桥的时间以及在堆场中进、出口转移时空载的时间，为无效的作业时间，i,j∈p；xij在AGV先执行调度任务i后执行调度任务j时取值为1，否则取值为零，也即取1时AGV先执行任务i后执行任务j。
该构造的AGV调度模型的约束条件为：
取1时AGV a先执行任务i, (7)
取1时AGV执行完任务后结束工作； (8)
其中，ti为AGV执行调度任务i的开始时间，gi为AGV完成调度任务i的运行时间，N为每一计划作业周期内需要AGV总数量。
式(2)代表两个调度任务i，j能相继先后作业需满足的条件约束；式(3)约束任务开始次数有且仅有一次；式(4)约束任务结束次数有且仅有一次；式(5)约束AGV作业开始次数有且仅有一次；式(6)约束作业结束次数有且仅有一次；式(7)和式(8)为“0”或“1”决策变量。
步骤S3：以F取最小值为目标函数采用遗传算法求解AGV最优路径。
以上述构造的AGV调度模型为目标函数求解最小值，可以求出 AGV的调度方案，也就是AGV执行每个调度任务的顺序。
本发明实施例中，基于遗传算法在处理并行问题具有较好的收敛速度采用遗传算法对目标函数进行求解。
在遗传算法的设计中，需要把实际问题向遗传算法的设计求解中进行转换，采用遗传算法是因为该算法在集装箱、车辆等调度方面的较好应用和处理并行问题具有较好的收敛速度。用于本申请中，需要将AGV动态调度问题转化成染色体编码，并进行适应度函数的分配，然后进行一些类的交叉、变异操作。
在基因编码步骤中，本发明实施例采用实数编码方式，有别于传统的二进制编码，本发明实施例的实数编码为一串自然数编码，将执行调度任务i相对应的AGV的编号作为基因xi的取值，具体的：将一条染色体串x1、x2、……、xn记为xi，i代表调度任务，代表进出口作业的某一集装箱任务，其取值代表执行调度任务i相对应的AGV编号，因为调度任务的编号事先己知，而且是按照调度任务作业时间的先后顺序排列，所以当确定了一辆AGV来执行某一调度任务后，该调度任务在这个AGV作业中的顺序也就确定了。假设n取15，即有15 个调度任务，暂且不考虑是进口还是出口，xi的取值如表一所示:
表一
xi x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15
值 1 4 2 3 1 4 2 1 3 2 1 4 3 1 2
由上表可以看出，这15个调度任务所对应的AGV编号，若xi＝4则代表调度任务i所分配的AGV的编号为4；显然，编号为1,2,3,4的 AGV调度任务如下表二所示：
表二
AGV编号 运行路线
1 1→5→8→11→14
2 3→7→10→15
3 4→9→13
4 2→6→12
在初始种群的确定以及参数选取的步骤中，本发明采取随机化初始种群的方式，因为只有这样种群的进化才有可能遍历所有的状态，寻找到全局最优解。随机选取并不等同于盲目选取，而是在熟知可能解的情况下根据实际的AGV调度选取的一个初始种群。
在适应度函数的选取上，本发明实施例中采用目标函数作为判别标准，个体的适应度是由非支配等级共同决定，所以说每个个体对应的是优先级，而不是确定的适应度值。
在交叉操作上，采取单点交叉方法，采用这一方法目的是不使父代种群发生较大的变动，在一定程度上能够保持父代个体的优越性，即能够更大可能性的去满足约束条件，以表一给出的例子进行分析，只取前8个任务进行作为父代A(14231421)，另外随机选取一父代 B(21313141)，设定在第5个位置点进行单点交叉，则父代A、B第五个位置点之后的基因进行相互交换，得到后代个体C、D，具体情况如下所示：父代A(14231421)、父代B(21313141)在进行第五位单点交叉变操作后，得到的后代C、D分别为：子代C(14231141)、子代 D(21313421)这样以来，AGV的调度顺序就通过交叉算子的操作发生了变换，至于变异的操作就是选取一个或者两个基因位点进行变换，基因的变异在对有约束条件限制的本模型中非常有效。
在遗传算子概率的选取上，交叉的概率一般选值在(0.4-0.9)之间，而变异的概率则比较低，一般在(0.05-0.2)之间，这也符合生物进化过程实际的变化概率，本方法选取交叉概率为0.8，变异概率为 0.1。
在GA算法中，由于交叉、变异等操作的随机性及约束条件的限制，也有可能破坏掉当前群体中适应度最好的个体。这种情况反而会降低群体的平均适应度值且对遗传算法的运行效率、收敛性都可能产生不利的影响，因此应把适应度最好的个体尽量保留到下一代群体中。据前面讲的编码方式可知，每个调度任务只能由一辆AGV完成，编码同时也表明同一辆AGV中调度任务的顺序，使得到的解满足模型中的约束条件，而不需要在算法中进行再次约束。在计算过程中个体因为违反约束条件(2)中而产生不可行解。在这里考虑对适应度进行尺度变换，设定一个罚函数，降低该个体的适应度，减少该个体被遗传到下一代群体中的可能性，这种带罚函数的适应度尺度变换如下：
对于目标函数F，设罚函数为F′，惩罚值为M，其中M为一个较大的正数，从而有当个体满足约束条件时取值F，当个体不满足约束条件时取值F-M。
根据传统调度作业任务的经验，设定完成任务下小车的无效作业时间期望值为t，如果算法中的无效时间值和这个期望值的误差值在一定的可接受范围之内，设定为5％之内，则遗传算法就此终止。
应该指出的是，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (3)

1.一种自动化集装箱码头AGV智能化调度方法，其特征在于，包括：
以贝位和箱区为节点，以存在调度任务关系的箱区和贝位之间的距离为边，构造AGV调度模型：
；
以F取最小值为目标函数采用遗传算法求解AGV最优路径；
其中，p为计划作业周期内所有调度任务的总数；为AGV完成调度任务i后到开始执行调度任务j之前的时间间隔；/>在AGV先执行调度任务i后执行调度任务j时取值为1，否则取值为零；
所述构造的AGV调度模型的约束条件为：
，
，
，
，
,
,
其中，/>为AGV执行调度任务i的开始时间，/>为AGV完成调度任务i的运行时间，N为每一计划作业周期内需要AGV总数量；
在所述遗传算法中，设定罚函数，用以降低违反约束条件的个体的适应度；
其中，M为一个正整数，当个体满足所述约束条件时取值F，不满足所述约束条件时取值F-M；
所述遗传算法的基因编码步骤中，将执行调度任务i相对应的AGV的编号作为基因的取值；
所述遗传算法的适应度函数采用所述目标函数作为判别标准；
所述遗传算法的交叉步骤采用单点交叉；所述遗传算法的变异步骤中选取单个或者两个基因位点进行变换；
设定AGV无效作业时间期望值为t，在遗传算法中的无效作业时间值与所述期望值的误差小于设定范围时，遗传算法终止。
2.权利要求1所述的自动化集装箱码头AGV智能化调度方法，其特征在于，交叉操作的遗传算子概率选值为0.4-0.9，变异操作的遗传算子概率选值为0.05-0.2。
3.根据权利要求1所述的自动化集装箱码头AGV智能化调度方法，其特征在于，所述调度任务设定为：
AGV从码头前沿运输到堆场或从堆场运输到码头前沿。
CN201911221549.2A 2019-12-03 2019-12-03 一种自动化集装箱码头agv智能化调度方法 Active CN111091238B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911221549.2A CN111091238B (zh) 2019-12-03 2019-12-03 一种自动化集装箱码头agv智能化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911221549.2A CN111091238B (zh) 2019-12-03 2019-12-03 一种自动化集装箱码头agv智能化调度方法

Publications (2)

Publication Number Publication Date
CN111091238A CN111091238A (zh) 2020-05-01
CN111091238B true CN111091238B (zh) 2023-08-25

Family

ID=70393976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911221549.2A Active CN111091238B (zh) 2019-12-03 2019-12-03 一种自动化集装箱码头agv智能化调度方法

Country Status (1)

Country Link
CN (1) CN111091238B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112001064B (zh) * 2020-07-29 2022-08-23 浙江大学 一种集装箱码头间全自主水上运输调度方法及***
CN112052991B (zh) * 2020-08-24 2022-03-11 山东科技大学 一种带有岸桥缓冲区的自动化集装箱码头agv重进重出路径规划方法
CN112053046B (zh) * 2020-08-24 2022-03-11 山东科技大学 一种带有时间窗的自动化集装箱码头agv重进重出路径规划方法
CN112016749B (zh) * 2020-08-26 2024-01-19 大连海事大学 一种箱位分配与场桥调度方法
CN112559951A (zh) * 2020-11-25 2021-03-26 湖北三环智能科技有限公司 集装箱运输agv调度方法、设备、电子终端及存储介质
CN112446642A (zh) * 2020-12-11 2021-03-05 大连英达士智能科技有限公司 一种多天车调度优化方法和***
CN112379607B (zh) * 2021-01-18 2021-04-13 中联重科股份有限公司 模拟运行方法及装置、数量规划方法、装置及***
CN112712288B (zh) * 2021-01-18 2023-12-19 大连海事大学 一种内河码头干散货作业集成调度方法
CN114881327B (zh) * 2022-05-07 2023-06-09 青岛港国际股份有限公司 一种油港资源优化调度方法
CN115359656B (zh) * 2022-08-12 2024-04-02 青岛港国际股份有限公司 一种自动化集装箱码头堆场端交互区车道分配方法
CN115063088B (zh) * 2022-08-16 2022-11-08 成都秦川物联网科技股份有限公司 用于物料运输控制的工业物联网***及控制方法
CN115049324B (zh) * 2022-08-17 2022-11-04 上海国际港务（集团）股份有限公司 码头agv车调度方法、装置、计算机设备和存储介质
CN116804847A (zh) * 2023-08-23 2023-09-26 北京鑫平物流有限公司 一种集装箱搬运小车控制方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2863349A1 (en) * 2013-10-17 2015-04-22 Navis LLC System and method for integral planning and control of container flow operations in container terminals
CN104571110A (zh) * 2015-01-08 2015-04-29 北京印刷学院 一种基于rfid的自动小车导引方法和***
CN105354648A (zh) * 2015-12-12 2016-02-24 深圳力子机器人有限公司 Agv调度管理的建模及其优化方法
WO2017024677A1 (zh) * 2015-08-12 2017-02-16 上海海事大学 自动化集装箱码头全电动无人自动导航载运车自动充电装置及充电方法
CN107168316A (zh) * 2017-05-23 2017-09-15 华南理工大学 一种基于单双向混合路径的多agv调度***
CN107784396A (zh) * 2017-11-06 2018-03-09 上海海事大学 一种自动化集装箱码头关键装卸资源集成调度方法
CN107885198A (zh) * 2017-09-25 2018-04-06 湖南大学 Agv调度方法
CN108062645A (zh) * 2017-12-18 2018-05-22 青岛港国际股份有限公司 一种自动化集装箱码头agv调度方法及***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2863349A1 (en) * 2013-10-17 2015-04-22 Navis LLC System and method for integral planning and control of container flow operations in container terminals
CN104571110A (zh) * 2015-01-08 2015-04-29 北京印刷学院 一种基于rfid的自动小车导引方法和***
WO2017024677A1 (zh) * 2015-08-12 2017-02-16 上海海事大学 自动化集装箱码头全电动无人自动导航载运车自动充电装置及充电方法
CN105354648A (zh) * 2015-12-12 2016-02-24 深圳力子机器人有限公司 Agv调度管理的建模及其优化方法
CN107168316A (zh) * 2017-05-23 2017-09-15 华南理工大学 一种基于单双向混合路径的多agv调度***
CN107885198A (zh) * 2017-09-25 2018-04-06 湖南大学 Agv调度方法
CN107784396A (zh) * 2017-11-06 2018-03-09 上海海事大学 一种自动化集装箱码头关键装卸资源集成调度方法
CN108062645A (zh) * 2017-12-18 2018-05-22 青岛港国际股份有限公司 一种自动化集装箱码头agv调度方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨勇生.基于软时间窗的自动化集装箱码头AGV路径规划.《广西大学学报》.2017,第42卷(第5期),1793-1801. *

Also Published As

Publication number Publication date
CN111091238A (zh) 2020-05-01

Similar Documents

Publication Publication Date Title
CN111091238B (zh) 一种自动化集装箱码头agv智能化调度方法
CN104408589B (zh) 基于混合粒子群算法的agv优化调度方法
CN110942203B (zh) 一种自动化集装箱码头agv路径优化方法
Zhen et al. Cranes scheduling in frame bridges based automated container terminals
CN106773686B (zh) 同轨双车运行模式下堆垛机调度路径模型建立方法
CN103955818A (zh) 多层穿梭车自动仓储***的任务调度方法
CN112561194A (zh) 一种混合流水车间生产与物流集成调度方法及***
CN114358233A (zh) 基于双混合粒子群的多agv路径规划问题优化方法及***
Zhong et al. Application of hybrid GA-PSO based on intelligent control fuzzy system in the integrated scheduling in automated container terminal
Hani et al. Simulation based optimization of a train maintenance facility
CN110263970B (zh) 一种求解自动轨道小车上料调度问题的混合离散人工蜂群算法
CN108959782B (zh) 一种智能车间的布局优化方法、装置及设备
CN111027875A (zh) 一种基于自适应任务池的智能仓储多机器人任务分配方法
Piana et al. Hybrid evolutionary optimization of the operation of pipeless plants
CN113743739B (zh) 一种基于混合整数规划、组合优化算法的agv调度方法
CN112053046B (zh) 一种带有时间窗的自动化集装箱码头agv重进重出路径规划方法
CN114707707A (zh) 一种基于改进的遗传算法对agv任务调度的方法及***
CN109872023B (zh) 岸桥qc、集卡yt和龙门吊yc的集成调度模型及其ga算法
CN112561434A (zh) 一种传统集装箱码头联合调度方法和辅助调度***
CN112598316A (zh) 一种同轨双agv的物料分配及协同调度方法
CN112330185A (zh) 一种原料场智能调度方法及***
Jia et al. Optimization and simulation of port logistics decision-making system based on ant colony algorithm
CN110348791A (zh) 一种应用于多agv任务调度的动态交叉遗传算法
Ai et al. AGV Scheduling in Automated Container Terminals Considering Task Priority and Container Handling Time
Fang et al. Research on coordinated scheduling of straddle carriers and quay cranes in automated container terminals based on reinforcement learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: No.12 Jingba Road, Huangdao District, Qingdao City, Shandong Province

Applicant after: QINGDAO PORT INTERNATIONAL Co.,Ltd.

Applicant after: QINGDAO NEW QIANWAN CONTAINER TERMINAL Co.,Ltd.

Address before: The city of north port green road 266011 Shandong city of Qingdao province No. 6

Applicant before: QINGDAO PORT INTERNATIONAL Co.,Ltd.

Applicant before: QINGDAO NEW QIANWAN CONTAINER TERMINAL Co.,Ltd.

CB02 Change of applicant information
CB03 Change of inventor or designer information

Inventor after: Xu Haoran

Inventor after: Yang Jiemin

Inventor after: Wang Gang

Inventor after: Li Yongcui

Inventor after: Yu Yanwen

Inventor after: Liu Yukun

Inventor after: Lu Yanru

Inventor after: Wang Jisheng

Inventor after: Wang Ximing

Inventor after: Wu Yanli

Inventor after: Ma Huijuan

Inventor before: Yang Jiemin

Inventor before: Wu Yanli

Inventor before: Ma Huijuan

Inventor before: Xu Haoran

Inventor before: Li Yongcui

Inventor before: Wang Gang

Inventor before: Yu Yanwen

Inventor before: Liu Yukun

Inventor before: Lu Yanru

Inventor before: Wang Jisheng

Inventor before: Wang Ximing

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant