CN112184053A - 一种任务调度的方法、装置及其设备 - Google Patents
一种任务调度的方法、装置及其设备 Download PDFInfo
- Publication number
- CN112184053A CN112184053A CN202011095481.0A CN202011095481A CN112184053A CN 112184053 A CN112184053 A CN 112184053A CN 202011095481 A CN202011095481 A CN 202011095481A CN 112184053 A CN112184053 A CN 112184053A
- Authority
- CN
- China
- Prior art keywords
- task
- tasks
- execution sequence
- determining
- execution
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000003860 storage Methods 0.000 claims abstract description 17
- 239000002245 particle Substances 0.000 claims description 144
- 230000003044 adaptive effect Effects 0.000 claims description 58
- 238000004422 calculation algorithm Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 35
- 230000000694 effects Effects 0.000 claims description 33
- 238000005457 optimization Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G06Q10/06—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
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种任务调度的方法、装置及其设备,能够对属于同一执行区域的任务进行关联考虑,减少路程往复,缩短任务执行的总体时间,提高***的运行效率。该方法包括:获取多个任务,所述任务为自动导引运输车AGV执行的仓储运输任务;根据任务的起始点和目标点对已获取的任务进行分类,确定各类任务的执行顺序;按各类任务的执行顺序依次确定同类任务中各任务的执行顺序;按同类任务中各任务的执行顺序将任务下发到AGV执行。
Description
技术领域
本发明涉及智慧仓储业务领域,尤其涉及一种任务调度的方法、装置及其设备。
背景技术
随着人口老龄化加快以及人力成本升高,越来越多的企业开始重视智能制造解决方案。自动导引运输车(Automated Guided Vehicle,AGV)因具备智能化程度高、易于调度及能够降低人力成本等优点,逐渐为人们所重视。AGV调度***作为AGV的控制中枢,AGV执行的所有指令都由AGV调度***下发,AGV调度***示意图如图1所示。
传统的任务调度对实时任务的处理方式较为单一,AGV调度***接收到任务处理请求时,在服务器端不会对任务进行优化预处理,而仅仅是经过简单的订单校验转换后,就将任务下发给AGV,传统的任务调度流程如图2所示。
由于目前制造企业生产场景的业务复杂度较高,而AGV调度***不会对任务进行优化预处理,导致AGV过多地介入业务处理流程,使得AGV执行转运任务的效率低下。
发明内容
本发明提供一种任务调度的方法、装置及其设备,能够对属于同一执行区域的任务进行关联考虑,减少路程往复,缩短任务执行的总体时间,提高***的运行效率。
第一方面,本发明提供一种任务调度的方法,该方法包括:
获取多个任务,所述任务为自动导引运输车AGV执行的仓储运输任务;
根据任务的起始点和目标点对已获取的任务进行分类,确定各类任务的执行顺序;
按各类任务的执行顺序依次确定同类任务中各任务的执行顺序;
按同类任务中各任务的执行顺序将任务下发到AGV执行。
作为一种可选的实施方式,根据任务的起始点和目标点对已获取的任务进行分类,包括:
根据起始点和目标点之间的位置关系对任务进行分类;
若任务的起始点和目标点属于同一区域,则确定任务类型为同区域任务;
若任务的起始点和目标点属于不同区域,则确定任务类型为跨区域任务。
作为一种可选的实施方式,所述各类任务的执行顺序为同区域任务的执行顺序早于跨区域任务的执行顺序。
作为一种可选的实施方式,所述获取多个任务,包括如下任一或任多种:
在获取任务的过程中,若获取的任务的数量达到预设值,则停止获取任务;
在获取任务的过程中,若预设时间内获取的任务的数量低于预设值,则停止获取任务;
在获取任务的过程中,若获取的相邻两个任务的时间间隔大于预设值,则停止获取任务。
作为一种可选的实施方式,按各类任务的执行顺序依次确定同类任务中各任务的执行顺序,包括:
基于扰动变异的粒子群优化算法,按各类任务的执行顺序依次确定同类任务中各任务的执行顺序。
作为一种可选的实施方式,基于扰动变异的粒子群优化算法按各类任务的执行顺序依次确定同类任务中各任务的执行顺序,包括:
根据同类任务的数量和任务标识,确定多个粒子,其中所述粒子中包括多个元素,同一粒子包括的元素与任务标识一一对应,不同粒子包括的元素的排列顺序不同,各元素在粒子中的排列顺序表征同类任务的一种排列顺序;
通过预设目标函数确定粒子的适应值;
基于扰动变异的粒子群优化算法对每个粒子的适应值进行迭代更新,若满足终止迭代条件,则确定最后一次迭代得到的最优适应值;
根据所述最优适应值对应的粒子中各元素的排列顺序,确定同类任务中各任务的执行顺序。
作为一种可选的实施方式,通过预设目标函数确定粒子的适应值,包括:
根据各任务的路径距离、各任务的路径活跃度以及各任务的路径活跃度的方差确定粒子的适应值;其中,所述路径活跃度用于表示路径发生堵车的概率。
第二方面,本发明提供一种任务调度的装置,该装置包括:任务获取模块、任务分类模块、任务执行模块、任务下发模块,其中:
所述任务获取模块,用于获取多个任务,所述任务为AGV执行的仓储运输任务;
所述任务分类模块,用于根据任务的起始点和目标点对已获取的任务进行分类,确定各类任务的执行顺序;
所述任务执行模块,用于按各类任务的执行顺序依次确定同类任务中各任务的执行顺序;
所述任务下发模块,用于按同类任务中各任务的执行顺序将任务下发到AGV执行。
作为一种可选的实施方式,所述任务分类模块具体用于:
根据起始点和目标点之间的位置关系对任务进行分类;
若任务的起始点和目标点属于同一区域,则确定任务类型为同区域任务;
若任务的起始点和目标点属于不同区域,则确定任务类型为跨区域任务。
作为一种可选的实施方式,所述各类任务的执行顺序为同区域任务的执行顺序早于跨区域任务的执行顺序。
作为一种可选的实施方式,所述任务获取模块具体用于:
在获取任务的过程中,若获取的任务的数量达到预设值,则停止获取任务;
在获取任务的过程中,若预设时间内获取的任务的数量低于预设值,则停止获取任务;
在获取任务的过程中,若获取的相邻两个任务的时间间隔大于预设值,则停止获取任务。
作为一种可选的实施方式,所述任务执行模块具体用于:
基于扰动变异的粒子群优化算法,按各类任务的执行顺序依次确定同类任务中各任务的执行顺序。
作为一种可选的实施方式,所述任务执行模块具体用于:
根据同类任务的数量和任务标识,确定多个粒子,其中所述粒子中包括多个元素,同一粒子包括的元素与任务标识一一对应,不同粒子包括的元素的排列顺序不同,各元素在粒子中的排列顺序表征同类任务的一种排列顺序;
通过预设目标函数确定粒子的适应值;
基于扰动变异的粒子群优化算法对每个粒子的适应值进行迭代更新,若满足终止迭代条件,则确定最后一次迭代得到的最优适应值;
根据所述最优适应值对应的粒子中各元素的排列顺序,确定同类任务中各任务的执行顺序。
作为一种可选的实施方式,所述任务执行模块具体用于:
根据各任务的路径距离、各任务的路径活跃度以及各任务的路径活跃度的方差确定粒子的适应值;其中,所述路径活跃度用于表示路径发生堵车的概率。
第三方面,本发明提供一种任务调度的设备,该设备包括:处理器以及存储器,其中,所述存储器存储有程序代码,当所述程序代码被所述处理器执行时,使得所述处理器执行如下方法的步骤:
获取多个任务,所述任务为自动导引运输车AGV执行的仓储运输任务;
根据任务的起始点和目标点对已获取的任务进行分类,确定各类任务的执行顺序;
按各类任务的执行顺序依次确定同类任务中各任务的执行顺序;
按同类任务中各任务的执行顺序将任务下发到AGV执行。
作为一种可选的实施方式,所述处理器具体被配置为执行:
根据起始点和目标点之间的位置关系对任务进行分类;
若任务的起始点和目标点属于同一区域,则确定任务类型为同区域任务;
若任务的起始点和目标点属于不同区域,则确定任务类型为跨区域任务。
作为一种可选的实施方式,所述各类任务的执行顺序为同区域任务的执行顺序早于跨区域任务的执行顺序。
作为一种可选的实施方式,所述处理器具体被配置为执行:
在获取任务的过程中,若获取的任务的数量达到预设值,则停止获取任务;
在获取任务的过程中,若预设时间内获取的任务的数量低于预设值,则停止获取任务;
在获取任务的过程中,若获取的相邻两个任务的时间间隔大于预设值,则停止获取任务。
作为一种可选的实施方式,所述处理器具体被配置为执行:
基于扰动变异的粒子群优化算法,按各类任务的执行顺序依次确定同类任务中各任务的执行顺序。
作为一种可选的实施方式,所述处理器具体被配置为执行:
根据同类任务的数量和任务标识,确定多个粒子,其中所述粒子中包括多个元素,同一粒子包括的元素与任务标识一一对应,不同粒子包括的元素的排列顺序不同,各元素在粒子中的排列顺序表征同类任务的一种排列顺序;
通过预设目标函数确定粒子的适应值;
基于扰动变异的粒子群优化算法对每个粒子的适应值进行迭代更新,若满足终止迭代条件,则确定最后一次迭代得到的最优适应值;
根据所述最优适应值对应的粒子中各元素的排列顺序,确定同类任务中各任务的执行顺序。
作为一种可选的实施方式,所述处理器具体被配置为执行:
根据各任务的路径距离、各任务的路径活跃度以及各任务的路径活跃度的方差确定粒子的适应值;其中,所述路径活跃度用于表示路径发生堵车的概率。
第四方面,本发明提供一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一方面所述方法的步骤。
本发明提供的一种任务调度的方法、装置及其设备,具有以下有益效果:
通过将调度优化处理流程全部转移到调度***实现,避免AGV设备过多介入具体的业务处理场景,增加了***的健壮性及可扩展性;通过结合实际的仓储任务运行场景,将任务分类后再进行调度,可以减少路程往复,缩短任务执行的总体时间,提高***的运行效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种AGV调度***示意图;
图2为本发明实施例提供的一种传统的任务调度流程示意图;
图3为本发明实施例提供的一种任务调度的方法实施流程图;
图4为本发明实施例提供的一种任务调度的方法具体实施流程图;
图5为本发明实施例提供的一种任务调度的装置示意图;
图6为本发明实施例提供的一种任务调度的设备示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。其中,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
实施例1、目前传统的AGV调度***对接收到的任务未做优化处理即放入任务池中,被动的等待分拣台请求任务,此业务场景对AGV设备功能要求较高,导致设备本身过多介入具体的任务处理流程,当业务需求发生变化后可能需要对AGV本身的功能设计进行调整和升级。需要说明的是,一般的AGV需要执行的任务是将承载货物的货架搬运至分拣台的过程,最终由人工从分拣台拣选货物;现有技术中,由分拣台请求任务并发送到AGV设备后,需要在AGV设备端执行一定的任务优化处理,如此就存在两个问题,首先导致AGV和任务场景存在较深的业务耦合,降低了AGV设备的通用性。其次,要求AGV设备本身具备一定的业务计算能力,即具备一定的智能化,如此导致设备成本上升。
并且,传统的AGV调度***在处理批量任务时不会将批次任务做为一个整体进行调度预处理,例如某任务批次中共包含三条任务T1、T2、T3,三条任务配置的货架编号相同,但具有不同的任务目标点,由于传统的AGV调度***不会根据具体的任务参数执行相关的调度优化处理,而仅仅是随机的选择任务并下发给AGV执行,这样可能导致AGV执行过程中存在路程往复,任务执行的总体时间增加,堵车概率较高,AGV调度***的运行效率低下等问题。
为了解决上述问题,本发明实施例提供了一种任务调度的方法,能够对属于同一执行区域的任务进行关联考虑,基于各任务配置的货架位置,对目标点进行排序,使AGV可以根据距离远近依次移动到各目标点位,如此可以减少路程往复,缩短任务执行的总体时间,提高***的运行效率;并且减少AGV在执行任务时移动的总路程带来的另一个好处是可以降低堵车概率。这种执行效率的提升在多车场景中表现得尤为明显。
另外,对于实际的运行场景中可能存在多个区域,即AGV执行任务时需要跨区域执行,本发明实施例对同批次任务进行分类处理,首先处理同一区域中的任务,其次处理跨区域的任务,由此可以实现同批次任务中存在需要跨区域执行的任务时,可以避免AGV执行同一区域任务后执行跨区域任务,再次返回执行同一区域的任务,AGV只需执行一次跨区域移动,因此本发明实施例提供的方法能够有效地减少AGV跨区域移动的次数,减小AGV执行跨区域移动时通过门禁或者电梯的代价。
如图3所示,本发明实施例提供的一种任务调度的方法的实施流程如下:
步骤300、获取多个任务,所述任务为自动导引运输车AGV执行的仓储运输任务;
实施中,本发明实施例中获取的多个任务是通过第三方平台下发的任务,需要说明的是,由于第三方平台下发任务的数量和时间不可预测,本实施例可以根据第三方平台下发的任务的数量和频率,确定是否停止获取任务并对已获取的任务按本实施提供的方法进行任务调度;
作为一种可选的实施方式,通过如下方式判断是否停止获取任务:
方式1、在获取任务的过程中,若获取的任务的数量达到预设值,则停止获取任务;
需要说明的是,该方式可以应用于第三方平台下发的任务数量很少的情况。该方式下能够保证任务的数量,使得该多个任务同时进行处理,从而获得最优的调度方案。
方式2、在获取任务的过程中,若预设时间内获取的任务的数量低于预设值,则停止获取任务;
需要说明的是,该方式可以应用于第三方平台下发的任务数量很少的情况,例如1分钟内任务的数量未达标的情况下,仍会对该任务进行处理。
方式3、在获取任务的过程中,若获取的相邻两个任务的时间间隔大于预设值,则停止获取任务;
需要说明的是,该方式可以应用于第三方平台下发的任务频率很低的情况,若第三方平台下发的任务频率很低,可能经过很长时间缓存的任务数量都达不到停止获取任务的条件,因此可通过预设值调整停止获取任务的条件。
方式3、在获取任务的过程中,若获取的任务的数量达到预设值,且获取的相邻两个任务的时间间隔大于预设值,则停止获取任务。
通过上述三种方式来确定获取的任务的数量,可选的,本发明实施例能够获取第三方平台下发的同一批次的多个任务,也能够获取第三方平台下发的多个批次对应的多个任务,具体的获取任务的数量可以根据实际需求确定,本发明实施例对此不作过多限定。容易理解的是,本发明实施例可以将同一批次的多个任务作为一个任务整体进行调度处理,优化了目前的调度***的调度方案。
作为一种可选的实施方式,本发明实施例中接收第三方平台下发的任务后,不会立即对任务进行优化调度处理,而是可以先将任务缓存下来,等到满足停止获取任务的条件后,对获取的多个任务进行优化调度处理,并且,当任务处理成功后,将该处理成功的任务从缓存中删除。
通过上述方法获取多个任务后,执行下述步骤。
步骤301、根据任务的起始点和目标点对已获取的任务进行分类,确定各类任务的执行顺序;
需要说明的是,AGV在实际运行场景中执行任务时,由于实际运行场景过大或包括多个楼层时,一般会将实际运行场景划分为多个区域,AGV通常在单区域运行,但是有的任务需要跨楼层调度,对应的不同楼层之间会作为该任务执行的一个区域。因此,本发明实施例中根据任务的起始点和目标点分为两种执行任务的方式,一种方式是,起始点和目标点都在同一区域中执行,另一种方式是,起始点和目标点不在同一区域中执行,该方式下,由于AGV需要通过电梯或门禁导致执行的代价过大;
若获取的多个任务需要通过上述两种执行任务的方式完成,则为了减少AGV跨区域移动的次数,减少AGV来回往复在同区域和跨区域执行任务,本发明实施例通过如下方式对已获取的任务进行分类:
根据起始点和目标点之间的位置关系对任务进行分类;
若任务的起始点和目标点属于同一区域,则确定任务类型为同区域任务;
若任务的起始点和目标点属于不同区域,则确定任务类型为跨区域任务。
可选的,所述各类任务的执行顺序为同区域任务的执行顺序早于跨区域任务的执行顺序。
例如获取多个任务分别为T1、T2、T3,任务T1需要从P1点将货架运往P2点,任务T2需要从P1点将货架运往P3点,任务T3需要从P1点将货架运往P4点,其中P1、P2、P3点位于同一区域A,P4点位于另一区域B。此时,对当前获取的多个任务的分类结果是将任务T1、任务T2确定为同区域任务,任务T3确定为跨区域任务。
作为一种可选的实施方式,本发明实施例中还可以对跨区域任务进行分类,具体的分类方式为:
根据所述跨区域任务中对应的区域组是否相同,对跨区域任务进行分类;所述区域组包含起始点所在区域和目标点所在区域;
若所述区域组相同,则确定为跨区域任务中的一类子任务;
若所述区域组不相同,则确定为跨区域任务中的二类子任务;
实施中,所述一类子任务的执行顺序早于二类子任务的执行顺序。
例如,所述跨区域任务中包括多个任务,分别为任务R1、任务R2、任务R3,其中,任务R1对应区域组A,区域组A包括起始点所在的区域1和目标点所在的区域2;任务R2对应区域组A,区域组A包括起始点所在的区域2和目标点所在的区域1;任务R3对应区域组B,区域组B包括起始点所在的区域1和目标点所在的区域3。
通过上述步骤对任务进行分类并确定各类任务的执行顺序后,执行下述步骤。
步骤302、按各类任务的执行顺序依次确定同类任务中各任务的执行顺序;
可选的,本发明实施例中通过如下方式确定同类任务中各任务的执行顺序:
基于扰动变异的粒子群优化算法,确定同类任务中各任务的执行顺序。
需要说明的是,本实施例中提供的基于扰动变异的粒子群优化算法,是一种区别于标准粒子群算法与分簇进化粒子群算法的智能优化算法,尤其适用于大任务量及高并发场景的优化调度处理;其中,标准粒子群算法与分簇进化粒子群算法存在的不足是:在求解组合优化问题过程中,随着待求解问题规模增大,算法的求解性能会急剧恶化,主要原因是随着待求解问题规模增大,需相应的增加算法的迭代次数,导致搜索速度降低,算法求解时延增加;因此,在任务下发频率较高、***并发量较大的场景中,易出现任务订单积压;针对目前算法的缺陷,本发明实施例提供的基于扰动变异的粒子群优化算法,在求解组合优化问题时,能够在迭代过程中增加粒子个体的多样性,使种群在过分集中的时候将种群分散,从而获取一定的种群覆盖度;并且本实施例中的算法引入了遗传算法中的变异策略和高斯白噪声,加强了种群的多样性,在算法陷入局部最优时,能够使种群中的部分粒子个体通过变异飞行到其它区域继续执行搜索操作,从而跳出局部最优;同时,能够保证在目标问题规模较大时,无需增加算法的迭代次数;因此基于扰动变异的粒子群优化算法能够保证调度***的健壮性和稳定性。
实施中,基于扰动变异的粒子群优化算法,确定同类任务中各任务的执行顺序的具体实施流程如下:
1)根据同类任务的数量和任务标识,确定多个粒子,其中所述粒子中包括多个元素,同一粒子包括的元素与任务标识一一对应,不同粒子包括的元素的排列顺序不同,各元素在粒子中的排列顺序表征同类任务的一种排列顺序;
实施中,基于扰动变异的粒子群优化算法,将同类任务中的任务抽象成一维数组的粒子模型,通过如下公式表示:
Pi=[Ti,1,Ti,2,Ti,3,…,Ti,D], i∈[1,M];
其中,Pi表示种群内第i个粒子,Ti,j为粒子中的元素,Ti,j对应当前同类任务中的第j个任务。D表示任务数量,M表示粒子数量,Pi表示当前同类任务的一种排列顺序(即调度方案),粒子中的每个元素对应一个任务。
其中,本实施例中粒子群的种群规模(即粒子数量),可采用自适应的方式确定,即粒子数量是当前同类任务的数量的2倍。
2)通过预设目标函数确定粒子的适应值;
实施中,根据如下方法通过预设目标函数确定粒子的适应值:
根据各任务的路径距离、各任务的路径活跃度以及各任务的路径活跃度的方差确定粒子的适应值;其中,所述路径活跃度用于表示路径发生堵车的概率。
需要说明的是,根据获取的第三方平台下发的多个任务,能够对所述多个任务的参数信息进行解析,得到每个任务的点位信息;从而以任务的点位信息为参数,调用底层的实时路径规划算法,为当前批次的任务中的各任务生成对应的可行路径,并确定可行路径中各点位的活跃度,所述点位的活跃度用于表示该点位发生堵车的概率,也就是说该点位的活跃度越高,可能发生堵车的概率也越高。另外,获取任务的可行路径后,将此可行路径中的所有点位保存到指定集合中,待确定出粒子的适应值之后,将适应值对应的路径中的所有点位活跃度加h值,而将其他被当前任务的可行路径包含但不属于最优路径的点位活跃度减h值,h为正数,从而在粒子适应值的迭代过程中,对点位的活跃度进行更新。
具体的,本发明实施例在获取多个任务的同时,也获取了每个任务中携带的参数信息,所述参数信息包括任务的可行路径中需要经过的点位(即点的位置信息),由各点位组成任务的路径;其中,任务的可行路径是通过调用底层接口获取当前多个任务的可行路径。需要说明的是,所述参数信息中的点位为任务执行过程中的关键点位,例如将货架从A点搬至工作台W进行分拣,再搬回货架区A,则任务下发时的点位就是A—>W—>A;任务的可行路径可能是一条直线段,也可能是一条折线段。
任务的路径距离为由各点位组成的路径的总长度,若各点位组成的路径为一条直线段,则所述任务的路径距离可理解为任务起始点到目标点之间的距离,若各点位组成的路径为一条折线段,则所述任务的路径距离为该折线段的总长度,即所述任务的路径距离为,任务的可行路径中相邻点位之间距离的总和。
任务的路径活跃度是根据任务的可行路径中各点位活跃度决定的;其中,点位活跃度用于表示该点位上发生堵车的概率。任务的路径活跃度,等于该路径中各点位活跃度的总和。
任务的路径活跃度的方差是根据任务的点位活跃度方差决定的,是为了防止任务路径中活跃度过高的点位作为最优路径点,任务的路径活跃度的方差,等于该路径中各点位活跃度方差的总和。
本发明实施例中的预设目标函数可通过如下公式表示:
其中,参数di表示当前路径中第i点和第i+1点之间的实际距离;参数D表示当前同类任务的数量,若第i点和第i+1点是某个任务的起点和目标点,由于在起点和目标点之间还存在若干个其它点位,因此在计算时,需根据某任务路径中各点位实际坐标依次叠加计算;参数nj表示当前路径中第j点的活跃度,路径的活跃度就是对当前路径中各点位活跃度累加求和,其含义是对当前路径发生堵车概率的一种预估计算;参数表示当前路径中的点位活跃度均值,表示点位活跃度方差,引入方差概念是为了防止选择活跃度过高的点位做为最优路径点;参数K表示当前路径包含的点位总数,即当前路径包含的二维码总数。
根据上述预设目标函数,计算每个粒子的适应值。
3)基于扰动变异的粒子群优化算法对每个粒子的适应值进行迭代更新,若满足终止迭代条件,则确定最后一次迭代得到的最优适应值;
本发明实施例通过如下步骤对每个粒子的适应值进行迭代更新:
步骤a,对粒子群进行初始化;
具体的,在D维搜索空间按预设约束条件随机生成粒子的位置和速度,其中,D等于当前同类任务的数量,初始化同时为每个粒子赋予唯一编号ID,并按照ID将整个粒子种群划分为若干簇群;
步骤b,计算初始化后各粒子的适应值,根据各粒子的适应值为全局变量以及各分簇变量赋予初值;
步骤c,执行迭代计算,按照速度和位置更新公式分别更新粒子的速度矢量和位置矢量,随后根据变异公式执行粒子位置变异操作;
具体的速度Vi,d更新公式如下:
其中,w表示惯性权重,c1、c2、c3为学习因子;r1、r2、r3为0~1之间的随机数;pbesti,d表示第i个粒子最优值,gbestd s表示当前粒子所属簇群的最优粒子;gbestd t表示全局最优粒子;是0~1之间的随机数,表示权重系数。
具体的位置Xi,d更新公式如下:
Xi,d(t)=Xi,d(t-1)+Vi,d(t);
粒子位置的变异公式如下:
每次迭代计算过程中,粒子的速度与位置更新完成后,即按照变异公式对每个粒子Pi以概率p进行变异,也就是在种群中选取p概率的粒子按变异公式进行变异操作,其中参数p概率根据优化函数的复杂性和经验决定,通常取值范围是0.05~0.15。
步骤d,计算粒子的适应值并对粒子的适应值进行更新;
具体的,①比较粒子的当前适应值和其对应的个体最优值,如果当前适应值优于个体最优值,则用当前适应值替换个体最优值Pbest;②比较粒子的当前适应值与本簇最优粒子的本簇最优值gbestd s,如果当前适应值优于gbestd s,则更新gbestd s对应的粒子位置为当前粒子位置,否则不变;③比较粒子的当前适应值与种群的全局最优粒子的全局最优值gbestd t,如果当前适应值优于gbestd t,则更新gbestd t对应的粒子位置就是当前粒子位置,否则不变。
步骤e,判断是否满足终止迭代条件,若满足终止迭代条件,则确定最后一次迭代得到的最优适应值,否则返回步骤c;
其中,终止迭代条件可设置为最大迭代次数。
4)根据所述最优适应值对应的粒子中各元素的排列顺序,确定同类任务中各任务的执行顺序。
步骤303、按同类任务中各任务的执行顺序将任务下发到AGV执行。
可选的,本发明实施例通过如下方式,按同类任务中各任务的执行顺序将任务下发到AGV执行:
针对同类任务中的各任务,将每个任务进行拆分,得到对应的多个子任务,将多个子任务按拆分的顺序下发到AGV执行。
容易理解的是,若该同类任务中的一个任务为将货架从A点搬至工作台W进行分拣,再搬回货架区A,则可以将该任务拆分为两个子任务,分别是将货架从A点搬至工作台W,以及将货架从工作台W再搬回货架区A。
通过上述方法,本发明实施例能够按最优任务的执行顺序对多个任务进行调度。例如,获取的多个任务分别是:
任务1、将货架A1搬运至工作台W1;
任务2、将货架A1搬运至工作台W2;
任务3、将货架A1搬运至工作台W3;
任务4、将货架A1搬运至工作台W4;
其中,A1、W1、W2、W3属于同区域,A1和W4属于跨区域;且按A1到W1、W2、W3的距离由低到高的顺序,确定对应的工作台为W1、W2、W3;另外,由于AGV执行任务后都需返回任务起点,因此待该AGV任务全部执行后,使得该AGV返回任务起点。
实施中,本实施例的调度方法会先将同区域的任务按最优顺序执行,再执行跨区域的任务;具体的,对上述多个任务的执行顺序为:
A1→W1→W2→W3→W4→A1。
也就是说,本发明实施例提供了先归类后执行的调度方法,具体的,先将任务按区域进行归类,然后,对一个区域的任务按最优的执行顺序,执行完成后,再去另外一个区域按最优的执行顺序,执行当前区域的任务,从而有效地减少小车跨区域次数。
可选的,本发明实施例在对当前获取的多个任务进行调度的过程中,若没有确定出同类任务中其中一个任务的执行顺序,则将所述其中一个任务与下次获取的多个任务一起进行调度处理。
也就是说,对于当前调度成功的任务,会将其从缓存中删除;未能调度成功的任务,一方面会将其继续保留在缓存中,另一方面,在调度成功的任务执行过程中,可以继续将未能调度成功的任务与新获取的任务一起进行任务调度处理。
另外,本发明实施例中,对于停止获取任务的触发条件是依据对任务量的预估和自身的经验来确定的,当调度***按本实施例中的方法运行一段时间后,调度***会根据历史运行情况定期调整触发条件中的参数,确保以最优的处理速度来适应实际业务需求。
本发明实施例还提供一种判断任务状态变更的方法,具体判断状态:
当AGV上报子任务执行完成后,会判断当前任务是否还有后续子任务,如果有,则会继续执行后续子任务;如果所有的子任务都执行完成,则释放当前占用的AGV设备。
另外,若第一个子任务完成,则会判断当前任务是否为未能调度处理成功的任务,如果是,则立即将该任务删除,不允许再将此任务继续与其他任务进行调度优化。
实施例2、本发明实施例提供了一种任务调度的方法,如图4所示,该方法的具体实施步骤如下:
步骤400、获取多个任务,所述任务为自动导引运输车AGV执行的仓储运输任务;
步骤401、判断获取的任务的数量是否达到预设值,若是,则执行步骤402,否则返回步骤400;
步骤402、判断任务的起始点和目标点是否属于同一区域,若是,则执行步骤403,否则执行步骤404;
步骤403、确定任务类型为同区域任务;
步骤404、确定任务类型为跨区域任务;
步骤405、按照同区域任务的执行顺序早于跨区域任务的执行顺序,依次对同类任务中各任务执行下述步骤的操作;
步骤406、根据同类任务的数量和任务标识,确定多个粒子,其中所述粒子中包括多个元素,同一粒子包括的元素与任务标识一一对应,不同粒子包括的元素的排列顺序不同,各元素在粒子中的排列顺序表征同类任务的一种排列顺序;
步骤407、根据各任务的路径距离、各任务的路径活跃度以及各任务的路径活跃度的方差确定粒子的适应值;其中,所述路径活跃度用于表示路径发生堵车的概率;
步骤408、基于扰动变异的粒子群优化算法对每个粒子的适应值进行迭代更新;
步骤409、判断是否满足终止迭代条件,若是执行步骤410,否则返回步骤408;
步骤410、确定最后一次迭代得到的最优适应值;
步骤411、根据所述最优适应值对应的粒子中各元素的排列顺序,确定同类任务中各任务的执行顺序;
步骤412、按同类任务中各任务的执行顺序将任务下发到AGV执行。
实施例3、基于相同的发明构思,本发明实施例还提供了一种任务调度的装置,由于该装置即是本发明实施例中的方法中的装置,并且该装置解决问题的原理与该方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
如图5所示,该装置包括:任务获取模块500、任务分类模块501、任务执行模块502、任务下发模块503,其中:
所述任务获取模块500,用于获取多个任务,所述任务为AGV执行的仓储运输任务;
所述任务分类模块501,用于根据任务的起始点和目标点对已获取的任务进行分类,确定各类任务的执行顺序;
所述任务执行模块502,用于按各类任务的执行顺序依次确定同类任务中各任务的执行顺序;
所述任务下发模块503,用于按同类任务中各任务的执行顺序将任务下发到AGV执行。
作为一种可选的实施方式,所述任务分类模块具体用于:
根据起始点和目标点之间的位置关系对任务进行分类;
若任务的起始点和目标点属于同一区域,则确定任务类型为同区域任务;
若任务的起始点和目标点属于不同区域,则确定任务类型为跨区域任务。
作为一种可选的实施方式,所述各类任务的执行顺序为同区域任务的执行顺序早于跨区域任务的执行顺序。
作为一种可选的实施方式,所述任务获取模块具体用于:
在获取任务的过程中,若获取的任务的数量达到预设值,则停止获取任务;
在获取任务的过程中,若预设时间内获取的任务的数量低于预设值,则停止获取任务;
在获取任务的过程中,若获取的相邻两个任务的时间间隔大于预设值,则停止获取任务。
作为一种可选的实施方式,所述任务执行模块具体用于:
基于扰动变异的粒子群优化算法,按各类任务的执行顺序依次确定同类任务中各任务的执行顺序。
作为一种可选的实施方式,所述任务执行模块具体用于:
根据同类任务的数量和任务标识,确定多个粒子,其中所述粒子中包括多个元素,同一粒子包括的元素与任务标识一一对应,不同粒子包括的元素的排列顺序不同,各元素在粒子中的排列顺序表征同类任务的一种排列顺序;
通过预设目标函数确定粒子的适应值;
基于扰动变异的粒子群优化算法对每个粒子的适应值进行迭代更新,若满足终止迭代条件,则确定最后一次迭代得到的最优适应值;
根据所述最优适应值对应的粒子中各元素的排列顺序,确定同类任务中各任务的执行顺序。
作为一种可选的实施方式,所述任务执行模块具体用于:
根据各任务的路径距离、各任务的路径活跃度以及各任务的路径活跃度的方差确定粒子的适应值;其中,所述路径活跃度用于表示路径发生堵车的概率。
实施例4、基于相同的发明构思,本发明实施例还提供了一种任务调度的设备,由于该设备即是本发明实施例中的方法中的设备,并且该设备解决问题的原理与该方法相似,因此该设备的实施可以参见方法的实施,重复之处不再赘述。
如图6所示,该设备包括:处理器600以及存储器601,其中,所述存储器601存储有程序代码,当所述程序代码被所述处理器600执行时,使得所述处理器600执行如下步骤:
获取多个任务,所述任务为自动导引运输车AGV执行的仓储运输任务;
根据任务的起始点和目标点对已获取的任务进行分类,确定各类任务的执行顺序;
按各类任务的执行顺序依次确定同类任务中各任务的执行顺序;
按同类任务中各任务的执行顺序将任务下发到AGV执行。
作为一种可选的实施方式,所述处理器具体被配置为执行:
根据起始点和目标点之间的位置关系对任务进行分类;
若任务的起始点和目标点属于同一区域,则确定任务类型为同区域任务;
若任务的起始点和目标点属于不同区域,则确定任务类型为跨区域任务。
作为一种可选的实施方式,所述各类任务的执行顺序为同区域任务的执行顺序早于跨区域任务的执行顺序。
作为一种可选的实施方式,所述处理器具体被配置为执行:
在获取任务的过程中,若获取的任务的数量达到预设值,则停止获取任务;
在获取任务的过程中,若预设时间内获取的任务的数量低于预设值,则停止获取任务;
在获取任务的过程中,若获取的相邻两个任务的时间间隔大于预设值,则停止获取任务。
作为一种可选的实施方式,所述处理器具体被配置为执行:
基于扰动变异的粒子群优化算法,按各类任务的执行顺序依次确定同类任务中各任务的执行顺序。
作为一种可选的实施方式,所述处理器具体被配置为执行:
根据同类任务的数量和任务标识,确定多个粒子,其中所述粒子中包括多个元素,同一粒子包括的元素与任务标识一一对应,不同粒子包括的元素的排列顺序不同,各元素在粒子中的排列顺序表征同类任务的一种排列顺序;
通过预设目标函数确定粒子的适应值;
基于扰动变异的粒子群优化算法对每个粒子的适应值进行迭代更新,若满足终止迭代条件,则确定最后一次迭代得到的最优适应值;
根据所述最优适应值对应的粒子中各元素的排列顺序,确定同类任务中各任务的执行顺序。
作为一种可选的实施方式,所述处理器具体被配置为执行:
根据各任务的路径距离、各任务的路径活跃度以及各任务的路径活跃度的方差确定粒子的适应值;其中,所述路径活跃度用于表示路径发生堵车的概率。
本发明实施例还提供一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如下步骤:
获取多个任务,所述任务为自动导引运输车AGV执行的仓储运输任务;
根据任务的起始点和目标点对已获取的任务进行分类,确定各类任务的执行顺序;
按各类任务的执行顺序依次确定同类任务中各任务的执行顺序;
按同类任务中各任务的执行顺序将任务下发到AGV执行。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品,该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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。
Claims (10)
1.一种任务调度的方法,其特征在于,该方法包括:
获取多个任务,所述任务为自动导引运输车AGV执行的仓储运输任务;
根据任务的起始点和目标点对已获取的任务进行分类,确定各类任务的执行顺序;
按各类任务的执行顺序依次确定同类任务中各任务的执行顺序;
按同类任务中各任务的执行顺序将任务下发到AGV执行。
2.根据权利要求1所述的方法,其特征在于,根据任务的起始点和目标点对已获取的任务进行分类,包括:
根据起始点和目标点之间的位置关系对任务进行分类;
若任务的起始点和目标点属于同一区域,则确定任务类型为同区域任务;
若任务的起始点和目标点属于不同区域,则确定任务类型为跨区域任务。
3.根据权利要求2所述的方法,其特征在于,所述各类任务的执行顺序为同区域任务的执行顺序早于跨区域任务的执行顺序。
4.根据权利要求1所述的方法,其特征在于,所述获取多个任务,包括如下任一或任多种:
在获取任务的过程中,若获取的任务的数量达到预设值,则停止获取任务;
在获取任务的过程中,若预设时间内获取的任务的数量低于预设值,则停止获取任务;
在获取任务的过程中,若获取的相邻两个任务的时间间隔大于预设值,则停止获取任务。
5.根据权利要求1~4任一所述的方法,其特征在于,按各类任务的执行顺序依次确定同类任务中各任务的执行顺序,包括:
基于扰动变异的粒子群优化算法,按各类任务的执行顺序依次确定同类任务中各任务的执行顺序。
6.根据权利要求5所述的方法,其特征在于,基于扰动变异的粒子群优化算法按各类任务的执行顺序依次确定同类任务中各任务的执行顺序,包括:
根据同类任务的数量和任务标识,确定多个粒子,其中所述粒子中包括多个元素,同一粒子包括的元素与任务标识一一对应,不同粒子包括的元素的排列顺序不同,各元素在粒子中的排列顺序表征同类任务的一种排列顺序;
通过预设目标函数确定粒子的适应值;
基于扰动变异的粒子群优化算法对每个粒子的适应值进行迭代更新,若满足终止迭代条件,则确定最后一次迭代得到的最优适应值;
根据所述最优适应值对应的粒子中各元素的排列顺序,确定同类任务中各任务的执行顺序。
7.根据权利要求6所述的方法,其特征在于,通过预设目标函数确定粒子的适应值,包括:
根据各任务的路径距离、各任务的路径活跃度以及各任务的路径活跃度的方差确定粒子的适应值;其中,所述路径活跃度用于表示路径发生堵车的概率。
8.一种任务调度的装置,其特征在于,该装置包括:任务获取模块、任务分类模块、任务执行模块、任务下发模块,其中:
所述任务获取模块,用于获取多个任务,所述任务为AGV执行的仓储运输任务;
所述任务分类模块,用于根据任务的起始点和目标点对已获取的任务进行分类,确定各类任务的执行顺序;
所述任务执行模块,用于按各类任务的执行顺序依次确定同类任务中各任务的执行顺序;
所述任务下发模块,用于按同类任务中各任务的执行顺序将任务下发到AGV执行。
9.一种任务调度的设备,其特征在于,该设备包括:处理器以及存储器,其中,所述存储器存储有程序代码,当所述程序代码被所述处理器执行时,使得所述处理器执行权利要求1~7任一所述方法的步骤。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~7任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011095481.0A CN112184053B (zh) | 2020-10-14 | 2020-10-14 | 一种任务调度的方法、装置及其设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011095481.0A CN112184053B (zh) | 2020-10-14 | 2020-10-14 | 一种任务调度的方法、装置及其设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184053A true CN112184053A (zh) | 2021-01-05 |
CN112184053B CN112184053B (zh) | 2024-05-10 |
Family
ID=73950010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011095481.0A Active CN112184053B (zh) | 2020-10-14 | 2020-10-14 | 一种任务调度的方法、装置及其设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184053B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113253687A (zh) * | 2021-06-10 | 2021-08-13 | 浙江华睿科技有限公司 | 基于弧线连通性优化调度的方法及装置、电子设备 |
CN113256050A (zh) * | 2021-03-01 | 2021-08-13 | 一汽物流有限公司 | 一种机器人环形存储***与agv混合调度方法及*** |
CN113450049A (zh) * | 2021-06-02 | 2021-09-28 | 北京迈格威科技有限公司 | 一种出库站点确定方法、装置及存储介质 |
CN114355854A (zh) * | 2022-01-04 | 2022-04-15 | 四川轻化工大学 | 一种两层制造车间自动导引车和电梯联合调度方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180186572A1 (en) * | 2015-08-28 | 2018-07-05 | SSI Schäfer Automation GmbH (DE) | Storage and order-picking system |
US20190096724A1 (en) * | 2016-09-28 | 2019-03-28 | Beijing Naura Microelectronics Equipment Co., Ltd | Method and system for scheduling apparatuses on production line |
WO2019154445A2 (zh) * | 2019-04-11 | 2019-08-15 | 上海快仓智能科技有限公司 | 用于货架阵列的出入库控制方法和搬运*** |
CN110516913A (zh) * | 2019-07-31 | 2019-11-29 | 智久(厦门)机器人科技有限公司 | 一种多台自动导引装置的任务分配方法、装置及存储器 |
CN110991518A (zh) * | 2019-11-28 | 2020-04-10 | 山东大学 | 一种基于进化多任务的两阶段特征选择方法及*** |
CN111079988A (zh) * | 2019-11-28 | 2020-04-28 | 浙江大华技术股份有限公司 | 任务的执行方法、装置、存储介质及电子装置 |
US20200167727A1 (en) * | 2018-11-26 | 2020-05-28 | Hitachi Industrial Products, Ltd. | Transport System, Transport Controller, and Layout of Physical Distribution |
US20200217672A1 (en) * | 2019-01-07 | 2020-07-09 | Servicenow, Inc. | Systems and methods for comprehensive routing |
-
2020
- 2020-10-14 CN CN202011095481.0A patent/CN112184053B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180186572A1 (en) * | 2015-08-28 | 2018-07-05 | SSI Schäfer Automation GmbH (DE) | Storage and order-picking system |
US20190096724A1 (en) * | 2016-09-28 | 2019-03-28 | Beijing Naura Microelectronics Equipment Co., Ltd | Method and system for scheduling apparatuses on production line |
US20200167727A1 (en) * | 2018-11-26 | 2020-05-28 | Hitachi Industrial Products, Ltd. | Transport System, Transport Controller, and Layout of Physical Distribution |
US20200217672A1 (en) * | 2019-01-07 | 2020-07-09 | Servicenow, Inc. | Systems and methods for comprehensive routing |
WO2019154445A2 (zh) * | 2019-04-11 | 2019-08-15 | 上海快仓智能科技有限公司 | 用于货架阵列的出入库控制方法和搬运*** |
CN110516913A (zh) * | 2019-07-31 | 2019-11-29 | 智久(厦门)机器人科技有限公司 | 一种多台自动导引装置的任务分配方法、装置及存储器 |
CN110991518A (zh) * | 2019-11-28 | 2020-04-10 | 山东大学 | 一种基于进化多任务的两阶段特征选择方法及*** |
CN111079988A (zh) * | 2019-11-28 | 2020-04-28 | 浙江大华技术股份有限公司 | 任务的执行方法、装置、存储介质及电子装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256050A (zh) * | 2021-03-01 | 2021-08-13 | 一汽物流有限公司 | 一种机器人环形存储***与agv混合调度方法及*** |
CN113256050B (zh) * | 2021-03-01 | 2024-01-09 | 一汽物流有限公司 | 一种机器人环形存储***与agv混合调度方法及*** |
CN113450049A (zh) * | 2021-06-02 | 2021-09-28 | 北京迈格威科技有限公司 | 一种出库站点确定方法、装置及存储介质 |
CN113450049B (zh) * | 2021-06-02 | 2024-05-24 | 北京迈格威科技有限公司 | 一种出库站点确定方法、装置及存储介质 |
CN113253687A (zh) * | 2021-06-10 | 2021-08-13 | 浙江华睿科技有限公司 | 基于弧线连通性优化调度的方法及装置、电子设备 |
CN114355854A (zh) * | 2022-01-04 | 2022-04-15 | 四川轻化工大学 | 一种两层制造车间自动导引车和电梯联合调度方法 |
CN114355854B (zh) * | 2022-01-04 | 2023-08-04 | 四川轻化工大学 | 一种两层制造车间自动导引车和电梯联合调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112184053B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112184053A (zh) | 一种任务调度的方法、装置及其设备 | |
CN109034468B (zh) | 一种基于布谷鸟算法的带时间窗的物流配送路径规划方法 | |
Tavakkoli-Moghaddam et al. | Solving a multi-objective job shop scheduling problem with sequence-dependent setup times by a Pareto archive PSO combined with genetic operators and VNS | |
Zhang et al. | An effective multi-AGVs dispatching method applied to matrix manufacturing workshop | |
CN112733272A (zh) | 一种解决带软时间窗的车辆路径问题的方法 | |
CN113075927A (zh) | 基于预约表的仓储潜伏式多agv路径规划方法 | |
CN109472362A (zh) | 一种基于可变任务窗的agv动态调度方法及装置 | |
CN112465192B (zh) | 任务调度的方法、装置、设备及介质 | |
CN113516429B (zh) | 一种基于网络拥堵模型的多agv全局规划方法 | |
Bozanta et al. | Courier routing and assignment for food delivery service using reinforcement learning | |
Teck et al. | Optimization models for scheduling operations in robotic mobile fulfillment systems | |
Khalid et al. | Modified particle swarm algorithm for scheduling agricultural products | |
Zhang et al. | Dynamic scheduling for flexible job shop with insufficient transportation resources via graph neural network and deep reinforcement learning | |
Teck et al. | An efficient multi-agent approach to order picking and robot scheduling in a robotic mobile fulfillment system | |
Jiang | Solving multi-robot picking problem in warehouses: a simulation approach | |
Shi et al. | Task allocation and path planning of many robots with motion uncertainty in a warehouse environment | |
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 | |
Oliveira et al. | Efficient task allocation in smart warehouses with multi-delivery stations and heterogeneous robots | |
Liu et al. | Holonic manufacturing system for distributed control of automated guided vehicles | |
Zhen et al. | How to deploy robotic mobile fulfillment systems | |
CN116339257A (zh) | Agv多车调度***以及相关调度方法 | |
CN116523221A (zh) | 一种智能仓储拣选任务的优化调度方法及*** | |
CN113935612B (zh) | 一种面向钢铁产业的紧急订单物流调度方法 | |
CN115470651A (zh) | 一种基于蚁群算法的带道路与时间窗车辆路径优化方法 | |
CN112817319B (zh) | Agv车的调度方法、***及计算机可读存储介质 |
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: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Zhejiang Huarui Technology Co.,Ltd. Address before: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant before: ZHEJIANG HUARAY TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |