CN113240215A - 一种仓储agv的调度方法、***、存储介质及电子设备 - Google Patents

一种仓储agv的调度方法、***、存储介质及电子设备 Download PDF

Info

Publication number
CN113240215A
CN113240215A CN202110782061.8A CN202110782061A CN113240215A CN 113240215 A CN113240215 A CN 113240215A CN 202110782061 A CN202110782061 A CN 202110782061A CN 113240215 A CN113240215 A CN 113240215A
Authority
CN
China
Prior art keywords
solution
drosophila
agv
solutions
parent
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
Application number
CN202110782061.8A
Other languages
English (en)
Other versions
CN113240215B (zh
Inventor
钱浩
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.)
Hubei Haolan Zhizao Technology Co ltd
Original Assignee
Hubei Haolan Zhizao Technology 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 Hubei Haolan Zhizao Technology Co ltd filed Critical Hubei Haolan Zhizao Technology Co ltd
Priority to CN202110782061.8A priority Critical patent/CN113240215B/zh
Publication of CN113240215A publication Critical patent/CN113240215A/zh
Application granted granted Critical
Publication of CN113240215B publication Critical patent/CN113240215B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock 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
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders

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

Abstract

本发明涉及调度处理领域，尤其涉及一种仓储AGV的调度方法、***、存储介质及电子设备。该方法包括：步骤1，根据出入库订单信息以及AGV当前状态随机生成调度方案；步骤2，通过染色体基因的方式编码所述调度方案，初始化果蝇种群中心解;步骤3，对所述果蝇种群中心解进行嗅觉搜索，得到父辈果蝇解；步骤4，对所述父辈果蝇解进行继承机制运算，得到子辈果蝇解；步骤5，对所述子辈果蝇解进行计算，得到第一适应度函数值；步骤6，根据所述适应度函数值对所述父辈果蝇解进行更新；步骤7，对更新后的父辈果蝇解进行计算，得到最优解；步骤8，根据最优解对应的方案完成AGV的调度。通过该方法能够达到用较短时间完成出入库任务的调度规划的效果。

Description

一种仓储AGV的调度方法、***、存储介质及电子设备
技术领域
本发明涉及调度处理领域，尤其涉及一种仓储AGV的调度方法、***、存储介质及电子设备。
背景技术
随着电商规模日益扩大和社会的发展进步，对仓储的需求量也日益攀升。不同于普通仓库的码放和人为劳动力的搬运，智能仓储逐渐以无人化、智能化、高效的特点占据发展新方向。仓储智能搬运机器人（AGV）是实现货物出入库自动化搬运装卸的重要运输手段。
仓储机器人经常被用于货物搬运，以替代人工拣选进而提高拣选效率，降低人工成本。AGV可以自行按照既定轨迹运动和运输。早期的AGV通过电磁感应方式引导，其后改用磁带导引，目前主流的导引方式有激光导引、惯性导航、视觉导航。因此给出AGV的运动路径后，即可完成运输。但是在大型仓储出入库时，单台AGV杯水车薪，需要多台AGV集群协同工作，这就涉及到如何规划调度每台AGV执行哪些货物的运输任务的问题。目前现有的技术缺乏针对多台AGV集群的高效调度技术，面对多货物多AGV的情况，调度计划较为耗时，不能实现快速高效地出入库任务。
发明内容
本发明所要解决的技术问题是提供一种仓储AGV的调度方法、***、存储介质及电子设备。
本发明解决上述技术问题的技术方案如下：一种仓储AGV的调度方法，包括：
步骤1，获取待完成的出入库订单信息以及AGV当前状态，根据所述出入库订单信息以及所述AGV当前状态随机生成调度方案；
步骤2，通过染色体基因的方式编码所述调度方案，初始化果蝇种群中心解，其中，一个果蝇种群中心解对应一个调度方案;
步骤3，对所述果蝇种群中心解进行嗅觉搜索，得到父辈果蝇解；
步骤4，对所述父辈果蝇解进行继承机制运算，得到子辈果蝇解；
步骤5，对所述子辈果蝇解进行计算，得到第一适应度函数值；
步骤6，根据所述适应度函数值对所述父辈果蝇解进行更新；
步骤7，对更新后的父辈果蝇解进行计算，得到第二适应度函数，根据所述第二适应度函数确定最优解；
步骤8，判断所述最优解是否满足预设终止条件，若满足则输出最优解，根据最优解对应的方案完成AGV的调度。
本发明的有益效果是：通过利用果蝇优化算法可以用较短时间完成出入库任务的调度规划同时能够兼顾批次出入库任务总量的更新和AGV剩余电量信息，此外，由于将方案编码并选取最优解能够高效地对多台AGV集群进行调度规划，能够实现智能仓储内多批次任务、多状态小车的协同连续工作，提升工作效率和自动化程度。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，步骤3具体为：
在所述果蝇种群中心解中，随机生成M个父辈果蝇解a1、a2...aM。
进一步，步骤4具体为：
步骤401，计算顺从子辈数以及叛逆子辈数；
其中，顺从子辈数N1的计算公式为：
Figure 859341DEST_PATH_IMAGE001
叛逆子辈数N2的计算公式为：
Figure 245323DEST_PATH_IMAGE002
其中，r为顺从叛逆数量比，N为子辈果蝇解的个数；
步骤402，根据辈分系数计算基因反转阈值；
基因翻转阈值
Figure 759481DEST_PATH_IMAGE003
的计算公式为：
Figure 13745DEST_PATH_IMAGE004
其中，
Figure 562538DEST_PATH_IMAGE005
为父辈最优解，
Figure 853842DEST_PATH_IMAGE006
为随机选择的第一父辈 解，
Figure 979930DEST_PATH_IMAGE007
为随机选择的第二父辈解，
Figure 647671DEST_PATH_IMAGE008
为顺从程度或叛逆程度；
步骤403，根据所述基因反转阈值分别随机反转数量为L1的基因以及数量为L2的基因，生成N’个初代子辈果蝇解；
步骤404，在N’个初代子辈果蝇解中剔除超过预设时间阈值的初代子辈果蝇解，得到N个与所述父辈果蝇解对应的子辈果蝇解b1、b2...bN。
进一步，步骤5具体为：
通过欧氏距离之和算法对所述子辈果蝇解进行计算，得到每个子辈果蝇解的适应度函数值。
进一步，步骤6具体为：
步骤601，将N个子辈果蝇解的适应度函数值按降序排列，并选取前n%的子辈果蝇解，其中n%为预设比例值；
步骤602，将最优子辈果蝇解分别与前n%的每个子辈果蝇解的对应位置基因进行比较，若比较结果为基因不相等，则按照预设沟通概率在基因不相等的位置随机的将最优子辈果蝇解的基因替换至与最优子辈果蝇解相比较的子辈果蝇解的对应基因位置；
步骤603，选取更新后的子辈果蝇解中舒适度函数值最高的子辈果蝇解，将所述适应度函数值最高的子辈果蝇解作为与之对应的父辈果蝇解进行更替。
进一步，步骤7之后还包括：
根据所述最优解更新果蝇种群的中心位置。
进一步，步骤8具体为：
判断所述最优解是否满足预设终止条件，若满足则输出最优解，根据最优解对应的方案完成AGV的调度，若不满足，则重复步骤3至步骤7，直至得到满足预设终止条件的最优解，其中，所述预设终止条件为：在预设次数内，所述最优解无变化。
本发明解决上述技术问题的另一种技术方案如下：一种仓储AGV的调度***，包括：
获取模块，用于获取待完成的出入库订单信息以及AGV当前状态，根据所述出入库订单信息以及所述AGV当前状态随机生成调度方案；
编码模块，用于通过染色体基因的方式编码所述调度方案，初始化果蝇种群中心解，其中，一个果蝇种群中心解对应一个调度方案；
嗅觉探索模块，用于对所述果蝇种群中心解进行嗅觉搜索，得到父辈果蝇解；
继承模块，用于对所述父辈果蝇解进行继承机制运算，得到子辈果蝇解；
第一计算模块，用于对所述子辈果蝇解进行计算，得到第一适应度函数值；
更新模块，用于根据所述适应度函数值对所述父辈果蝇解进行更新；
第二计算模块，用于对更新后的父辈果蝇解进行计算，得到第二适应度函数，根据所述第二适应度函数确定最优解；
调度模块，用于判断所述最优解是否满足预设终止条件，若满足则输出最优解，根据最优解对应的方案完成AGV的调度。
本发明的有益效果是：通过利用果蝇优化算法可以用较短时间完成出入库任务的调度规划同时能够兼顾批次出入库任务总量的更新和AGV剩余电量信息，此外，由于将方案编码并选取最优解能够高效地对多台AGV集群进行调度规划，能够实现智能仓储内多批次任务、多状态小车的协同连续工作，提升工作效率和自动化程度。
进一步，嗅觉探索模块具体用于：
在所述果蝇种群中心解中，随机生成M个父辈果蝇解a1、a2...aM。
进一步，继承模块具体用于：
计算顺从子辈数以及叛逆子辈数；
其中，顺从子辈数N1的计算公式为：
Figure 50971DEST_PATH_IMAGE009
叛逆子辈数N2的计算公式为：
Figure 637810DEST_PATH_IMAGE010
其中，r为顺从叛逆数量比，N为子辈果蝇解的个数；
根据辈分系数计算基因反转阈值；
基因翻转阈值
Figure 126560DEST_PATH_IMAGE011
的计算公式为：
Figure 457047DEST_PATH_IMAGE012
其中，
Figure 714853DEST_PATH_IMAGE013
，
Figure 879118DEST_PATH_IMAGE014
为父辈最优解，
Figure 855165DEST_PATH_IMAGE015
为随机选择的第一父 辈解，
Figure 723763DEST_PATH_IMAGE016
为随机选择的第二父辈解，
Figure 101655DEST_PATH_IMAGE017
为顺从程度或叛逆程度；
根据所述基因反转阈值分别随机反转数量为L1的基因以及数量为L2的基因，生成N’个初代子辈果蝇解；
在N’个初代子辈果蝇解中剔除超过预设时间阈值的初代子辈果蝇解，得到N个与所述父辈果蝇解对应的子辈果蝇解b1、b2...bN。
进一步，第一计算模块具体用于：
通过欧氏距离之和算法对所述子辈果蝇解进行计算，得到每个子辈果蝇解的适应度函数值。
进一步，更新模块具体用于：
将N个子辈果蝇解的适应度函数值按降序排列，并选取前n%的子辈果蝇解，其中n%为预设比例值；
将最优子辈果蝇解分别与前n%的每个子辈果蝇解的对应位置基因进行比较，若比较结果为基因不相等，则按照预设沟通概率在基因不相等的位置随机的将最优子辈果蝇解的基因替换至与最优子辈果蝇解相比较的子辈果蝇解的对应基因位置；
选取更新后的子辈果蝇解中舒适度函数值最高的子辈果蝇解，将所述适应度函数值最高的子辈果蝇解作为与之对应的父辈果蝇解进行更替。
进一步，还包括位置更新模块，用于根据所述最优解更新果蝇种群的中心位置。
进一步，第二计算模块具体用于：
判断所述最优解是否满足预设终止条件，若满足则输出最优解，根据最优解对应的方案完成AGV的调度，若不满足，则重复步骤3至步骤7，直至得到满足预设终止条件的最优解，其中，所述预设终止条件为：在预设次数内，所述最优解无变化。
本发明解决上述技术问题的另一种技术方案如下：一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述任一项所述的一种仓储AGV的调度方法。
本发明的有益效果是：通过利用果蝇优化算法可以用较短时间完成出入库任务的调度规划同时能够兼顾批次出入库任务总量的更新和AGV剩余电量信息，此外，由于将方案编码并选取最优解能够高效地对多台AGV集群进行调度规划，能够实现智能仓储内多批次任务、多状态小车的协同连续工作，提升工作效率和自动化程度。
本发明解决上述技术问题的另一种技术方案如下：一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，所述处理器执行所述程序时实现如上述任一项所述的一种仓储AGV的调度方法。
本发明的有益效果是：通过利用果蝇优化算法可以用较短时间完成出入库任务的调度规划同时能够兼顾批次出入库任务总量的更新和AGV剩余电量信息，此外，由于将方案编码并选取最优解能够高效地对多台AGV集群进行调度规划，能够实现智能仓储内多批次任务、多状态小车的协同连续工作，提升工作效率和自动化程度。
附图说明
图1为本发明一种仓储AGV的调度方法实施例提供的流程示意图；
图2为本发明一种仓储AGV的调度***实施例提供的结构框架图。
具体实施方式
以下对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，一种仓储AGV的调度方法，包括：
步骤1，获取待完成的出入库订单信息以及AGV当前状态，根据所述出入库订单信息以及所述AGV当前状态随机生成调度方案；
步骤2，通过染色体基因的方式编码所述调度方案，初始化果蝇种群中心解，其中，一个果蝇种群中心解对应一个调度方案;
步骤3，对所述果蝇种群中心解进行嗅觉搜索，得到父辈果蝇解；
步骤4，对所述父辈果蝇解进行继承机制运算，得到子辈果蝇解；
步骤5，对所述子辈果蝇解进行计算，得到第一适应度函数值；
步骤6，根据所述适应度函数值对所述父辈果蝇解进行更新；
步骤7，对更新后的父辈果蝇解进行计算，得到第二适应度函数，根据所述第二适应度函数确定最优解；
步骤8，判断所述最优解是否满足预设终止条件，若满足则输出最优解，根据最优解对应的方案完成AGV的调度。
在一些可能的实施方式中，通过利用果蝇优化算法可以用较短时间完成出入库任务的调度规划同时能够兼顾批次出入库任务总量的更新和AGV剩余电量信息，此外，由于将方案编码并选取最优解能够高效地对多台AGV集群进行调度规划，能够实现智能仓储内多批次任务、多状态小车的协同连续工作，提升工作效率和自动化程度。
需要说明的是，初始化现存的出入库订单信息和AGV状态，可以理解为，智慧仓储管理***以固定周期向仓库发送成批次的订单信息，本发明以订单编号、货物坐标（货架排数，货架列数，货架层数）、出库标识符、入库标识符为例；将每个周期接收到的批次订单信息与历史未完成批次订单信息整合；并检查每一台AGV处于运输、待机、正在充电、待充电状态，以此初始化规划调度的运输目的和可用AGV条件。使用父辈子辈继承机制的果蝇优化算法，调度规划每个处于运输和待机状态的可用AGV的运输任务清单，使得在最短时间完成所述调度条件初始化确定的出入库订单信息，由于运输中AGV长时间处于匀速行驶状态，因此等价于所有出入库任务整体作业过程内AGV小车运动总距离最短，其中对于调度任务的生成过程可以通过普通果蝇优化算法，也可以通过本申请中提及的父辈子辈继承机制的果蝇优化算法，父辈子辈继承机制的果蝇优化算法的具体实施方式可参考实施例1进行辅助理解。
实施例1，初始化现存的出入库订单信息和AGV状态，根据出入库订单信息以及AGV当前状态随机生成调度方案；
以染色体基因的方式编码调度方案，初始化果蝇种群中心解，随机设置AGV集群的运输任务；
使用嗅觉搜索，在种群中心解的附近随机产生M个父辈果蝇解a1、a2...aM；
根据继承机制，在每一个父辈果蝇解a1、a2...aM上，产生N个子辈果蝇解b1、 b2...bN，即，设置子辈顺从程度为
Figure 761788DEST_PATH_IMAGE018
，子辈叛逆程度为
Figure 225130DEST_PATH_IMAGE019
，顺从叛逆数量比为r，计算顺从 子辈数为
Figure 38366DEST_PATH_IMAGE020
，叛逆子辈数为
Figure 395398DEST_PATH_IMAGE021
，根据辈分系数
Figure 635886DEST_PATH_IMAGE022
确 定基因反转阈值
Figure 320945DEST_PATH_IMAGE023
，其中
Figure 62505DEST_PATH_IMAGE024
是父辈最优解，
Figure 149410DEST_PATH_IMAGE024
为父辈最优解，
Figure 826379DEST_PATH_IMAGE025
为随机选择的第一父辈解，
Figure 857789DEST_PATH_IMAGE026
为随机选择的第二父辈解，
Figure 12827DEST_PATH_IMAGE008
为顺从程度或叛逆程度， 即，对于顺从子辈，
Figure 219817DEST_PATH_IMAGE027
，对于叛逆子辈，
Figure 67687DEST_PATH_IMAGE028
，对于顺从子辈和叛逆子辈，根据基因反转 阈值分别随机反转L1和L2个基因，检查所有子辈果蝇调度计划的合理性，剔除超过设定时间 阈值
Figure 851973DEST_PATH_IMAGE029
的子辈果蝇；
计算每种调度安排下AGV运动总耗时，即适应度函数值；
使用沟通策略交互更新父辈果蝇解a1、a2...aM和子辈果蝇解b1、b2...bN；即，沟通策略，包含父辈果蝇沟通和子辈果蝇沟通；首先子辈果蝇沟通，挑选出用时最短的子辈果蝇作为新的父辈果蝇后，再进行父辈果蝇沟通；每辈果蝇沟通过程如下：
设定沟通概率，概率范围为0-1；对所有子辈果蝇根据适应度降序排序,选择排在前n%的子辈果蝇；
除最优子辈果蝇外，针对每个排名前n%的子辈果蝇，比较该果蝇与最优子辈果蝇的每个基因；若两个果蝇对应位置上的基因不相等，则按沟通概率随机替换该果蝇对应位置的基因，选取适应度函数值最高的子辈果蝇作为对应的父辈果蝇；
对更新后的父辈果蝇解进行计算，根据最优解更新果蝇种群的中心位置；判断是否满足终止条件，若是，则输出最优解，否则继续迭代计算，即重复本申请中的步骤3至步骤7。
此外，在计算处理过程中会实时监测AGV的剩余电量和批次订单信息，若接收下一批次订单，或在运AGV执行一趟运输任务后需要进入充电区，则触发激活条件，重新刷新AGV当前状态等信息，设计当前所有可用AGV在执行完此趟运输任务之后的新的调度计划。
优选地，在上述任意实施例中，步骤3具体为：
在所述果蝇种群中心解中，随机生成M个父辈果蝇解a1、a2...aM。
优选地，在上述任意实施例中，步骤4具体为：
步骤401，计算顺从子辈数以及叛逆子辈数；
其中，顺从子辈数N1的计算公式为：
Figure 810701DEST_PATH_IMAGE030
叛逆子辈数N2的计算公式为：
Figure 341040DEST_PATH_IMAGE031
其中，r为顺从叛逆数量比，N为子辈果蝇解的个数；
步骤402，根据辈分系数计算基因反转阈值；
基因翻转阈值
Figure 484445DEST_PATH_IMAGE032
的计算公式为：
Figure 631393DEST_PATH_IMAGE033
其中，
Figure 393812DEST_PATH_IMAGE034
为父辈最优解，
Figure 309816DEST_PATH_IMAGE035
为随机选择的 第一父辈解，
Figure 92964DEST_PATH_IMAGE036
为随机选择的第二父辈解，
Figure 727208DEST_PATH_IMAGE037
为顺从程度或叛逆程度；
步骤403，根据所述基因反转阈值分别随机反转数量为L1的基因以及数量为L2的基因，生成N’个初代子辈果蝇解；
步骤404，在N’个初代子辈果蝇解中剔除超过预设时间阈值的初代子辈果蝇解，得到N个与所述父辈果蝇解对应的子辈果蝇解b1、b2...bN。
优选地，在上述任意实施例中，步骤5具体为：
通过欧氏距离之和算法对所述子辈果蝇解进行计算，得到每个子辈果蝇解的适应度函数值。
优选地，在上述任意实施例中，步骤6具体为：
步骤601，将N个子辈果蝇解的适应度函数值按降序排列，并选取前n%的子辈果蝇解，其中n%为预设比例值；
步骤602，将最优子辈果蝇解分别与前n%的每个子辈果蝇解的对应位置基因进行比较，若比较结果为基因不相等，则按照预设沟通概率在基因不相等的位置随机的将最优子辈果蝇解的基因替换至与最优子辈果蝇解相比较的子辈果蝇解的对应基因位置；
步骤603，选取更新后的子辈果蝇解中舒适度函数值最高的子辈果蝇解，将所述适应度函数值最高的子辈果蝇解作为与之对应的父辈果蝇解进行更替。
优选地，在上述任意实施例中，步骤7之后还包括：
根据所述最优解更新果蝇种群的中心位置。
优选地，在上述任意实施例中，步骤8具体为：
判断所述最优解是否满足预设终止条件，若满足则输出最优解，根据最优解对应的方案完成AGV的调度，若不满足，则重复步骤3至步骤7，直至得到满足预设终止条件的最优解，其中，所述预设终止条件为：在预设次数内，所述最优解无变化。
如图2所示，一种仓储AGV的调度***，包括：
获取模块100，用于获取待完成的出入库订单信息以及AGV当前状态，根据所述出入库订单信息以及所述AGV当前状态随机生成调度方案；
编码模块200，用于通过染色体基因的方式编码所述调度方案，初始化果蝇种群中心解，其中，一个果蝇种群中心解对应一个调度方案；
嗅觉探索模块300，用于对所述果蝇种群中心解进行嗅觉搜索，得到父辈果蝇解；
继承模块400，用于对所述父辈果蝇解进行继承机制运算，得到子辈果蝇解；
第一计算模块500，用于对所述子辈果蝇解进行计算，得到第一适应度函数值；
更新模块600，用于根据所述适应度函数值对所述父辈果蝇解进行更新；
第二计算模块700，用于对更新后的父辈果蝇解进行计算，得到第二适应度函数，根据所述第二适应度函数确定最优解；
调度模块800，用于判断所述最优解是否满足预设终止条件，若满足则输出最优解，根据最优解对应的方案完成AGV的调度。
在一些可能的实施方式中，通过利用果蝇优化算法可以用较短时间完成出入库任务的调度规划同时能够兼顾批次出入库任务总量的更新和AGV剩余电量信息，此外，由于将方案编码并选取最优解能够高效地对多台AGV集群进行调度规划，能够实现智能仓储内多批次任务、多状态小车的协同连续工作，提升工作效率和自动化程度。
优选地，在上述任意实施例中，嗅觉探索模块300具体用于：
在所述果蝇种群中心解中，随机生成M个父辈果蝇解a1、a2...aM。
优选地，在上述任意实施例中，继承模块400具体用于：
计算顺从子辈数以及叛逆子辈数；
其中，顺从子辈数N1的计算公式为：
Figure 27739DEST_PATH_IMAGE038
叛逆子辈数N2的计算公式为：
Figure 188462DEST_PATH_IMAGE039
其中，r为顺从叛逆数量比，N为子辈果蝇解的个数；
根据辈分系数计算基因反转阈值；
基因翻转阈值
Figure 738917DEST_PATH_IMAGE040
的计算公式为：
Figure 860456DEST_PATH_IMAGE041
其中，
Figure 699099DEST_PATH_IMAGE042
为父辈最优解，
Figure 448749DEST_PATH_IMAGE043
为随机选择的 第一父辈解，
Figure 980225DEST_PATH_IMAGE044
为随机选择的第二父辈解，
Figure 57902DEST_PATH_IMAGE045
为顺从程度或叛逆程度；
根据所述基因反转阈值分别随机反转数量为L1的基因以及数量为L2的基因，生成N’个初代子辈果蝇解；
在N’个初代子辈果蝇解中剔除超过预设时间阈值的初代子辈果蝇解，得到N个与所述父辈果蝇解对应的子辈果蝇解b1、b2...bN。
优选地，在上述任意实施例中，第一计算模块500具体用于：
通过欧氏距离之和算法对所述子辈果蝇解进行计算，得到每个子辈果蝇解的适应度函数值。
优选地，在上述任意实施例中，更新模块600具体用于：
将N个子辈果蝇解的适应度函数值按降序排列，并选取前n%的子辈果蝇解，其中n%为预设比例值；
将最优子辈果蝇解分别与前n%的每个子辈果蝇解的对应位置基因进行比较，若比较结果为基因不相等，则按照预设沟通概率在基因不相等的位置随机的将最优子辈果蝇解的基因替换至与最优子辈果蝇解相比较的子辈果蝇解的对应基因位置；
选取更新后的子辈果蝇解中舒适度函数值最高的子辈果蝇解，将所述适应度函数值最高的子辈果蝇解作为与之对应的父辈果蝇解进行更替。
优选地，在上述任意实施例中，还包括位置更新模块，用于根据所述最优解更新果蝇种群的中心位置。
优选地，在上述任意实施例中，第二计算模块700具体用于：
判断所述最优解是否满足预设终止条件，若满足则输出最优解，根据最优解对应的方案完成AGV的调度，若不满足，则重复嗅觉探索模块300至第二计算模块700的内容，直至得到满足预设终止条件的最优解，其中，所述预设终止条件为：在预设次数内，所述最优解无变化。
本发明解决上述技术问题的另一种技术方案如下：一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述任一项所述的一种仓储AGV的调度方法。
在一些可能的实施方式中，通过利用果蝇优化算法可以用较短时间完成出入库任务的调度规划同时能够兼顾批次出入库任务总量的更新和AGV剩余电量信息，此外，由于将方案编码并选取最优解能够高效地对多台AGV集群进行调度规划，能够实现智能仓储内多批次任务、多状态小车的协同连续工作，提升工作效率和自动化程度。
本发明解决上述技术问题的另一种技术方案如下：一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，所述处理器执行所述程序时实现如上述任一项所述的一种仓储AGV的调度方法。
在一些可能的实施方式中，通过利用果蝇优化算法可以用较短时间完成出入库任务的调度规划同时能够兼顾批次出入库任务总量的更新和AGV剩余电量信息，此外，由于将方案编码并选取最优解能够高效地对多台AGV集群进行调度规划，能够实现智能仓储内多批次任务、多状态小车的协同连续工作，提升工作效率和自动化程度。
读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的方法实施例仅仅是示意性的，例如，步骤的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个步骤可以结合或者可以集成到另一个步骤，或一些特征可以忽略，或不执行。
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种仓储AGV的调度方法，其特征在于，包括：
步骤1，获取待完成的出入库订单信息以及AGV当前状态，根据所述出入库订单信息以及所述AGV当前状态随机生成调度方案；
步骤2，通过染色体基因的方式编码所述调度方案，初始化果蝇种群中心解，其中，一个果蝇种群中心解对应一个调度方案;
步骤3，对所述果蝇种群中心解进行嗅觉搜索，得到父辈果蝇解；
步骤4，对所述父辈果蝇解进行继承机制运算，得到子辈果蝇解；
步骤5，对所述子辈果蝇解进行计算，得到第一适应度函数值；
步骤6，根据所述适应度函数值对所述父辈果蝇解进行更新；
步骤7，对更新后的父辈果蝇解进行计算，得到第二适应度函数，根据所述第二适应度函数确定最优解；
步骤8，判断所述最优解是否满足预设终止条件，若满足则输出最优解，根据最优解对应的方案完成AGV的调度。
2.根据权利要求1所述的一种仓储AGV的调度方法，其特征在于，步骤3具体为：
在所述果蝇种群中心解中，随机生成M个父辈果蝇解a1、a2...aM。
3.根据权利要求2所述的一种仓储AGV的调度方法，其特征在于，步骤4具体为：
步骤401，计算顺从子辈数以及叛逆子辈数；
其中，顺从子辈数N1的计算公式为：
Figure 816890DEST_PATH_IMAGE001
叛逆子辈数N2的计算公式为：
Figure 561992DEST_PATH_IMAGE002
其中，r为顺从叛逆数量比，N为子辈果蝇解的个数；
步骤402，根据辈分系数计算基因反转阈值；
基因翻转阈值
Figure 264369DEST_PATH_IMAGE003
的计算公式为：
Figure 953976DEST_PATH_IMAGE004
其中，
Figure 400001DEST_PATH_IMAGE005
，
Figure 999609DEST_PATH_IMAGE006
为父辈最优解，
Figure 872887DEST_PATH_IMAGE007
为随机选择的第一父辈 解，
Figure 315370DEST_PATH_IMAGE008
为随机选择的第二父辈解，
Figure 299507DEST_PATH_IMAGE009
为顺从程度或叛逆程度；
步骤403，根据所述基因反转阈值分别随机反转数量为L1的基因以及数量为L2的基因，生成N’个初代子辈果蝇解；
步骤404，在N’个初代子辈果蝇解中剔除超过预设时间阈值的初代子辈果蝇解，得到N个与所述父辈果蝇解对应的子辈果蝇解b1、b2...bN。
4.根据权利要求1所述的一种仓储AGV的调度方法，其特征在于，步骤5具体为：
通过欧氏距离之和算法对所述子辈果蝇解进行计算，得到每个子辈果蝇解的适应度函数值。
5.根据权利要求4所述的一种仓储AGV的调度方法，其特征在于，步骤6具体为：
步骤601，将N个子辈果蝇解的适应度函数值按降序排列，并选取前n%的子辈果蝇解，其中n%为预设比例值；
步骤602，将最优子辈果蝇解分别与前n%的每个子辈果蝇解的对应位置基因进行比较，若比较结果为基因不相等，则按照预设沟通概率在基因不相等的位置随机的将最优子辈果蝇解的基因替换至与最优子辈果蝇解相比较的子辈果蝇解的对应基因位置；
步骤603，选取更新后的子辈果蝇解中舒适度函数值最高的子辈果蝇解，将所述适应度函数值最高的子辈果蝇解作为与之对应的父辈果蝇解进行更替。
6.根据权利要求1所述的一种仓储AGV的调度方法，其特征在于，步骤7之后还包括：
根据所述最优解更新果蝇种群的中心位置。
7.根据权利要求1所述的一种仓储AGV的调度方法，其特征在于，步骤8具体为：
判断所述最优解是否满足预设终止条件，若满足则输出最优解，根据最优解对应的方案完成AGV的调度，若不满足，则重复步骤3至步骤7，直至得到满足预设终止条件的最优解，其中，所述预设终止条件为：在预设次数内，所述最优解无变化。
8.一种仓储AGV的调度***，其特征在于，包括：
获取模块，用于获取待完成的出入库订单信息以及AGV当前状态，根据所述出入库订单信息以及所述AGV当前状态随机生成调度方案；
编码模块，用于通过染色体基因的方式编码所述调度方案，初始化果蝇种群中心解，其中，一个果蝇种群中心解对应一个调度方案；
嗅觉探索模块，用于对所述果蝇种群中心解进行嗅觉搜索，得到父辈果蝇解；
继承模块，用于对所述父辈果蝇解进行继承机制运算，得到子辈果蝇解；
第一计算模块，用于对所述子辈果蝇解进行计算，得到第一适应度函数值；
更新模块，用于根据所述适应度函数值对所述父辈果蝇解进行更新；
第二计算模块，用于对更新后的父辈果蝇解进行计算，得到第二适应度函数，根据所述第二适应度函数确定最优解；
调度模块，用于判断所述最优解是否满足预设终止条件，若满足则输出最优解，根据最优解对应的方案完成AGV的调度。
9.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至7中任一项所述的一种仓储AGV的调度方法。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的一种仓储AGV的调度方法。
CN202110782061.8A 2021-07-12 2021-07-12 一种仓储agv的调度方法、***、存储介质及电子设备 Active CN113240215B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110782061.8A CN113240215B (zh) 2021-07-12 2021-07-12 一种仓储agv的调度方法、***、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110782061.8A CN113240215B (zh) 2021-07-12 2021-07-12 一种仓储agv的调度方法、***、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN113240215A true CN113240215A (zh) 2021-08-10
CN113240215B CN113240215B (zh) 2021-09-14

Family

ID=77135242

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110782061.8A Active CN113240215B (zh) 2021-07-12 2021-07-12 一种仓储agv的调度方法、***、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN113240215B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116957299A (zh) * 2023-09-19 2023-10-27 湖北浩蓝智造科技有限公司 自动化仓库复合订单的优化调度方法、***、设备及介质
CN117371621A (zh) * 2023-12-06 2024-01-09 湖北浩蓝智造科技有限公司 基于改进果蝇优化算法的库位分配方法、***及介质
CN117592760A (zh) * 2024-01-18 2024-02-23 湖北浩蓝智造科技有限公司 一种堆垛机出入库任务分配方法、***、设备及介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942606A (zh) * 2014-03-13 2014-07-23 国家电网公司 基于果蝇智能优化算法的居民用电客户细分方法
CN106249738A (zh) * 2016-07-19 2016-12-21 南京航空航天大学 一种车间环境下agv智能动态调度方法
CN107539690A (zh) * 2017-08-25 2018-01-05 深圳普智联科机器人技术有限公司 一种载人agv拣货车***和拣货方法
CN107578119A (zh) * 2017-08-09 2018-01-12 泉州装备制造研究所 一种智能调度***的资源分配全局优化方法
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
CN109858791A (zh) * 2019-01-23 2019-06-07 江西银河表计有限公司 一种物流流动方法及***
CN111882215A (zh) * 2020-07-27 2020-11-03 武汉理工大学 一种含有agv的个性化定制柔性作业车间调度方法
CN112036756A (zh) * 2020-09-03 2020-12-04 济南大学 一种双负载多agv调度方法
US10884431B2 (en) * 2018-08-02 2021-01-05 International Business Machines Corporation Limited destination automatic ground services transportation system
US20210012284A1 (en) * 2016-09-30 2021-01-14 Staples, Inc. Hybrid Modular Storage Fetching System
CN112529290A (zh) * 2020-12-08 2021-03-19 苏州顶湛信息科技有限公司 一种agv智能调度***

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942606A (zh) * 2014-03-13 2014-07-23 国家电网公司 基于果蝇智能优化算法的居民用电客户细分方法
CN106249738A (zh) * 2016-07-19 2016-12-21 南京航空航天大学 一种车间环境下agv智能动态调度方法
US20210012284A1 (en) * 2016-09-30 2021-01-14 Staples, Inc. Hybrid Modular Storage Fetching System
CN107578119A (zh) * 2017-08-09 2018-01-12 泉州装备制造研究所 一种智能调度***的资源分配全局优化方法
CN107539690A (zh) * 2017-08-25 2018-01-05 深圳普智联科机器人技术有限公司 一种载人agv拣货车***和拣货方法
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
US10884431B2 (en) * 2018-08-02 2021-01-05 International Business Machines Corporation Limited destination automatic ground services transportation system
CN109858791A (zh) * 2019-01-23 2019-06-07 江西银河表计有限公司 一种物流流动方法及***
CN111882215A (zh) * 2020-07-27 2020-11-03 武汉理工大学 一种含有agv的个性化定制柔性作业车间调度方法
CN112036756A (zh) * 2020-09-03 2020-12-04 济南大学 一种双负载多agv调度方法
CN112529290A (zh) * 2020-12-08 2021-03-19 苏州顶湛信息科技有限公司 一种agv智能调度***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘晶晶: "基于混合果蝇-遗传算法求解柔性作业车间调度问题", 《计算机测量与控制》 *
葛华辉: "集成自动导引车路径规划的智能制造数字化车间设备布局优化方法", 《计算机集成制造***》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116957299A (zh) * 2023-09-19 2023-10-27 湖北浩蓝智造科技有限公司 自动化仓库复合订单的优化调度方法、***、设备及介质
CN116957299B (zh) * 2023-09-19 2023-12-01 湖北浩蓝智造科技有限公司 自动化仓库复合订单的优化调度方法、***、设备及介质
CN117371621A (zh) * 2023-12-06 2024-01-09 湖北浩蓝智造科技有限公司 基于改进果蝇优化算法的库位分配方法、***及介质
CN117371621B (zh) * 2023-12-06 2024-02-27 湖北浩蓝智造科技有限公司 基于改进果蝇优化算法的库位分配方法、***及介质
CN117592760A (zh) * 2024-01-18 2024-02-23 湖北浩蓝智造科技有限公司 一种堆垛机出入库任务分配方法、***、设备及介质
CN117592760B (zh) * 2024-01-18 2024-04-09 湖北浩蓝智造科技有限公司 一种堆垛机出入库任务分配方法、***、设备及介质

Also Published As

Publication number Publication date
CN113240215B (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
CN113240215B (zh) 一种仓储agv的调度方法、***、存储介质及电子设备
CN109472362B (zh) 一种基于可变任务窗的agv动态调度方法及装置
Barak et al. Energy-efficient multi-objective flexible manufacturing scheduling
CN111007813B (zh) 一种基于多种群混合智能算法的agv避障调度方法
Chakrabortty et al. Solving an aggregate production planning problem by using multi-objective genetic algorithm (MOGA) approach
CN112783172B (zh) 基于离散鲸鱼优化算法的agv与机器集成调度方法
Tarkesh et al. Facility layout design using virtual multi-agent system
CN113359702B (zh) 一种基于水波优化-禁忌搜索的智能仓库agv作业优化调度方法
Zou et al. An effective discrete artificial bee colony algorithm for scheduling an automatic-guided-vehicle in a linear manufacturing workshop
CN112100861B (zh) 基于入侵杂草优化算法的卷烟生产物料货位分配方法
Luo et al. A* guiding DQN algorithm for automated guided vehicle pathfinding problem of robotic mobile fulfillment systems
CN111667124A (zh) 无人机路径的规划方法及装置
Gu et al. A discrete particle swarm optimization algorithm with adaptive inertia weight for solving multiobjective flexible job-shop scheduling problem
CN114358233A (zh) 基于双混合粒子群的多agv路径规划问题优化方法及***
Das et al. Integrated warehouse assignment and carton configuration optimization using deep clustering-based evolutionary algorithms
Nidhiry et al. Scheduling optimization of a flexible manufacturing system using a modified NSGA-II algorithm
Liu et al. A new knowledge-guided multi-objective optimisation for the multi-AGV dispatching problem in dynamic production environments
Mahmudy et al. Optimization of multi-stage distribution process using improved genetic algorithm
Rahmi et al. Genetic algorithms for optimization of multi-level product distribution
CN112308353A (zh) 一种药品仓库作业调度优化方法
Liu An analysis of particle swarm optimization of multi-objective knapsack problem
Nguyen Automatic design of dispatching rules for job shop scheduling with genetic programming
Sajedinejad et al. Simulation based optimization of multi-product supply chain under a JIT system
Sotudian et al. Fuzzy Gilmore and Gomory algorithm: Application in robotic flow shops with the effects of job-dependent transportation and set-ups
Papa Applications of dynamic parameter control in evolutionary computation

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
GR01 Patent grant
GR01 Patent grant