CN116205474A - 停车场的agv任务分配方法、装置、电子设备及存储介质 - Google Patents
停车场的agv任务分配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116205474A CN116205474A CN202310501691.2A CN202310501691A CN116205474A CN 116205474 A CN116205474 A CN 116205474A CN 202310501691 A CN202310501691 A CN 202310501691A CN 116205474 A CN116205474 A CN 116205474A
- Authority
- CN
- China
- Prior art keywords
- scheme
- task
- task allocation
- reorganization
- initial
- 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 102
- 238000005215 recombination Methods 0.000 claims abstract description 188
- 230000006798 recombination Effects 0.000 claims abstract description 188
- 230000008521 reorganization Effects 0.000 claims description 260
- 230000008439 repair process Effects 0.000 claims description 82
- 230000006870 function Effects 0.000 claims description 81
- 238000012545 processing Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 230000014759 maintenance of location Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 52
- 238000013461 design Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 102220230774 rs1064795410 Human genes 0.000 description 1
- 238000012546 transfer 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种停车场的AGV任务分配方法、装置、电子设备及存储介质，本发明通过输入停车场的AGV车辆集合以及任务列表，来输出对任务的调度分配策略，从而自动化地为多辆AGV分配不同的停车任务；其次，通过多次方案重组，来得到一组最优的任务分配方案，并同时构建了平衡停车场运营成本与停车效率的目标函数；而后，即可利用该目标函数，来计算出最优的一组任务分配方案中各个方案的方案匹配度，最后，即可将方案匹配度最高的任务分配方案，作为停车场的最优任务分配方案；由此，本发明不仅可同时实现多辆AGV的任务分配，且还在任务分配过程中平衡了停车运营成本和AGV的执行任务效率，如此，可在保证执行效率的基础上使停车场的调度成本最优。
Description
技术领域
本发明属于AGV任务分配技术领域，具体涉及一种停车场的AGV任务分配方法、装置、电子设备及存储介质。
背景技术
随着汽车保有量的不断增加，停车困难以及停车耗时的问题也越来越严重；因此，降低停车时间在整个出行过程中的占比越来越重要，亟需一种新的停车方式来解决前述问题。
同时，随着计算机的快速发展，AGV（Automated Guided Vehicle，自动导向搬运车）已经被逐渐应用至停车场中；AGV是一种灵活、智能的运输机器人，可以自动运输车辆沿预设路径移动，具有高安全性和各种转移功能，目前，基于AGV的智慧无人停车场通过高效协同操作以及避免不确定和不准确的人为干扰，可以高效地同时操作多辆车的停车过程，不仅减轻了驾驶员的负担，还降低了停车耗时，已成为智慧停车的新方式。
目前，对于停车场中AGV的任务分配，大多还是以单个AGV为主，并未考虑到多辆AGV执行任务的情况，无法同时为多辆AGV分配任务，且在进行任务分配时，也并未考虑到停车运营成本以及AGV的执行任务效率；因此，得出的任务分配方案无法在保证执行效率的基础上使停车场的调度成本最优；基于此，如何提供一种可同时实现多个AGV的任务分配，且能够在任务分配时平衡执行效率以及运营成本的任务分配方法，已成为一个亟待解决的问题。
发明内容
本发明的目的是提供一种停车场的AGV任务分配方法、装置、电子设备及存储介质，用以解决现有技术所存在的无法同时为多辆AGV分配任务，以及在任务分配时并未考虑到停车运营成本和AGV的执行任务效率，从而导致无法在保证执行效率的基础上使停车场的调度成本最优的问题。
为了实现上述目的，本发明采用以下技术方案：
第一方面，提供了一种停车场的AGV任务分配方法，包括：
获取目标停车场的任务列表以及AGV车辆集合，并基于所述任务列表和所述AGV车辆集合，生成初始任务方案集合，其中，所述初始任务方案集合包括若干初始任务分配方案，且任一初始任务分配方案包含有为所述AGV车辆集合中各个AGV车辆分配的停车任务；
利用所述任务列表和所述AGV车辆集合，构建出任务目标函数，其中，所述任务目标函数用于表征所述目标停车场的调度总成本，且所述调度总成本包括所述目标停车场的运营成本和所述目标停车场的停车效率成本；
对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，得到若干任务分配方案，并利用若干任务分配方案，组成任务方案集合；
依据所述任务目标函数，计算出所述任务方案集合中各个任务分配方案的方案匹配度，其中，任一任务分配方案的方案匹配度越高，表征所述目标停车场基于该任一任务分配方案进行停车调度所对应的调度总成本越低；
判断所述初始任务方案集合的方案重组处理是否达到重组结束条件；
若否，则将所述初始任务方案集合更新为所述任务方案集合，并重新对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，直至所述初始任务方案集合的方案重组处理达到重组结束条件时为止，以便将达到重组结束条件时所对应的任务方案集合中方案匹配度最高的任务分配方案，作为所述目标停车场中各AGV车辆的最优任务分配方案。
基于上述公开的内容，本发明首先利用目标停车场的任务列表和AGV车辆集合，来生成包含有多个初始任务分配方案的初始任务方案集合，其中，任一初始任务分配方案中包含有为各个AGV车辆所分配的停车任务；基于此，该步骤相当于生成了多种任务方案，来实现对不同AGV车辆的任务分配。
接着，本发明则可基于前述初始任务方案集合，来确定出目标停车场的最优任务分配方案；具体的，先是利用任务列表和AGV车辆集合，来构建出任务目标函数，该任务目标函数用于表征目标停车场的调度总成本，且该总成本是由运营成本和停车效率成本所组成的；如此，相当于构建了平衡停车场运营成本与停车效率的目标函数；而后，本发明开始对各个初始任务分配方案进行迭代方案重组，即用上一次重组迭代时所得到的任务分配方案，作为下一次迭代时的初始数据，并以此原理不断迭代，直至在满足重组结束条件时停止，基于此，该过程则是对前述初始任务分配方案进行寻优的过程，即在不断迭代过程中，找到最优的一组任务分配方案；更进一步的，本发明还需根据任务目标函数，来计算出最优的一组任务分配方案中各个任务分配方案的方案匹配度，其中，方案匹配度越高，表征调度总成本越低，由此，本发明可在平衡运营成本与停车效率的同时，使总成本达到最小，并以此来选择最优的方案；最后，在迭代结束时，即可将方案匹配度最高的任务分配方案，作为目标停车场中各AGV车辆的最优任务分配方案，从而完成对各个AGV的停车任务的分配。
通过前述设计，本发明通过输入停车场的AGV车辆集合以及任务列表，来输出对任务的调度分配策略，从而自动化地为多辆AGV分配不同的停车任务；其次，通过多次方案重组，来得到一组最优的任务分配方案，并同时构建了平衡停车场运营成本与停车效率的目标函数；而后，即可利用该目标函数，来计算出最优的一组任务分配方案中各个方案的方案匹配度，最后，即可将方案匹配度最高的任务分配方案，作为停车场中各AGV车辆的最优任务分配方案；由此，本发明不仅可同时实现多辆AGV的任务分配，且还在任务分配过程中平衡了停车运营成本和AGV的执行任务效率，如此，则可在保证执行效率的基础上使停车场的调度成本最优，适用于大规模应用与推广。
在一个可能的设计中，所述任务列表包括若干停车任务，任一停车任务包括停车起点和停车终点，且AGV车辆集合中的任一AGV车辆包括该任一AGV车辆的位置；
其中，利用所述任务列表和所述AGV车辆集合，构建出任务目标函数，包括：
基于所述任务列表和所述AGV车辆集合，并按照如下公式（1），构建出所述目标停车场的运营成本函数，以及按照如下公式（2），构建出所述目标停车场的停车效率成本函数；
上述式（1）中，
表示所述目标停车场的运营成本函数，/>
表示所述AGV车辆集合/>
中第/>
个AGV车辆完成对应被分配的停车任务所花费的时间，且/>
是根据第/>
个AGV车辆的位置，以及第/>
个AGV车辆对应停车任务的停车起点和停车终点所计算得到的；
上述式（2）中，
表示所述目标停车场的停车效率成本函数；
依据所述停车效率成本函数和所述运营成本函数，并按照如下公式（3），构建出所述任务目标函数；
上述式（3）中，
表示所述任务目标函数，/>
和/>
均表示成本系数。
在一个可能的设计中，所述任务列表还包括各个停车任务的优先级，所述任一初始任务分配方案包括若干任务序列，其中，每个任务序列分别对应一AGV车辆，任一任务序列包含有为对应AGV车辆分配的至少一个停车任务，所述任一任务序列中的各个停车任务按照优先级从高到低的顺序进行排列，且每个任务序列关联有一AGV标识符；
相应的，对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，得到若干任务分配方案，并利用若干任务分配方案，组成任务方案集合，包括：
初始化重组次数g，并获取第g次重组时的步长系数以及随机步长；
对于所述初始任务方案集合中的第j个初始任务分配方案，基于所述第g次重组时的步长系数和随机步长，计算出所述第j个初始任务分配方案中各个元素在第g次重组时的排列位置，其中，所述第j个初始任务分配方案中的元素包括停车任务和AGV标识符；
按照所述第j个初始任务分配方案中各个元素在第g次重组时的排列位置，对各个元素进行重新排列，得到重组后的第j个初始任务分配方案；
将j自加1，并重新基于所述第g次重组时的步长系数和随机步长，计算出所述第j个初始任务分配方案中各个元素在第g次重组时的排列位置，直至j等于J时，得到若干重组后的初始任务分配方案，其中，j的初始值为1，且J为初始任务分配方案的总数量；
利用若干重组后的初始任务分配方案和各个初始任务分配方案，组成重组任务方案集合；
获取重组概率，并基于所述重组概率从所述重组任务方案集合中选取至少一个重组任务分配方案进行概率重组，以在概率重组后，得到目标任务方案集合；
对所述目标任务方案集合中的各个目标任务分配方案进行优先级修复，得到若干任务分配预方案，其中，任一任务分配预方案中的各个任务序列内的停车任务按照优先级从高到低的顺序进行排列；
计算每个任务分配预方案的保留权重区间，并基于各个任务分配预方案的保留权重区间，从若干任务分配预方案中选取出J个任务分配预方案，以作为第g次重组时的任务分配方案；
利用第g次重组时的任务分配方案，组成第g次重组时的任务方案集合；
所述重组结束条件包括最大重组次数；
相应的，判断所述初始任务方案集合的方案重组处理是否达到重组结束条件，则包括：
判断所述重组次数g是否达到最大重组次数；
若否，则将g自加1，以及将所述初始任务方案集合更新为所述第g次重组时的任务方案集合，并重新对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，直至重组次数g达到最大重组次数为止，其中，g的初始值为1。
在一个可能的设计中，基于所述第g次重组时的步长系数和随机步长，计算出所述第j个初始任务分配方案中各个元素在第g次重组时的排列位置，包括：
对于所述第j个初始任务分配方案中的任一元素，基于第g次重组时的步长系数、第g次重组时的随机步长以及所述任一元素在所述第j个初始任务分配方案中的排列位置，并按照如下公式（4），计算出所述任一元素在第g次重组时的排列位置；
上述式（4）中，
表示所述任一元素在第g次重组时的排列位置，/>
表示所述任一元素在所述第j个初始任务分配方案中的排列位置，/>
表示第g次重组时的步长系数，
表示第g次重组时的随机步长；
其中，
（5）
上述式（5）中，
表示所述初始任务方案集合中方案匹配度最高的初始任务分配方案内指定元素的排列位置，且所述指定元素为匹配度最高的初始任务分配方案中与所述任一元素相同的元素。
在一个可能的设计中，所述重组概率包括第一概率和第二概率，其中，基于所述重组概率从所述重组任务方案集合中选取至少一个重组任务分配方案进行概率重组，以在概率重组后，得到目标任务方案集合，包括：
基于所述第一概率，从所述重组任务方案集合中选取出至少一个重组任务分配方案，以作为目标重组任务分配方案；
按照如下公式（6），计算出任一目标重组任务分配方案中每个元素的概率重组位置；
上述式（6）中，
表示所述任一目标重组任务分配方案中第x个元素的概率重组位置，/>
表示所述任一目标重组任务分配方案中第x个元素的排列位置，x=1,2,...,X，X表示所述任一目标重组任务分配方案中的元素总数，/>
表示局部搜索系数，/>
表示第一目标方案中与第x个元素相同元素的排序位置，/>
表示第二目标方案中与第x个元素相同元素的排序位置，所述第一目标方案与所述第二目标方案互不相同，且分别为所述重组任务方案集合中除所述任一目标重组任务分配方案之外的一目标重组任务分配方案；
按照所述任一目标重组任务分配方案中各个元素的概率重组位置，对所述任一目标重组任务分配方案中的各个元素进行重新排列，得到所述任一目标重组任务分配方案对应的概率重组任务分配方案，并在将所有目标重组任务分配方案中的各个元素进行重新排列后，得到每个目标重组任务分配方案对应的概率重组任务分配方案；
利用若干概率重组任务分配方案，替换所述重组任务方案集合中选取出的各个重组任务分配方案，以在替换后，得到概率重组任务方案集合；
基于所述第二概率，从所述概率重组任务方案集合中选取出若干概率重组任务分配方案，以作为初始定向重组分配方案；
对于若干初始定向重组分配方案中的第z个初始定向重组分配方案，从所述第z个初始定向重组分配方案中随机选取两个元素进行位置交换，以在位置交换后，得到所述第z个初始定向重组分配方案对应的定向重组分配方案；
利用所述任务目标函数，计算出所述定向重组分配方案和所述第z个初始定向重组分配方案的方案匹配度，并判断所述定向重组分配方案的方案匹配度是否大于所述第z个初始定向重组分配方案；
若是，则利用所述定向重组分配方案替换所述概率重组任务方案集合中的所述第z个初始定向重组分配方案；
将z自加1，直至z等于Z时，完成所述概率重组任务方案集合中所有初始定向重组分配方案的替换处理，以得到所述目标任务方案集合，其中，z的初始值为1，且Z为初始定向重组分配方案的总个数。
在一个可能的设计中，对所述目标任务方案集合中的各个目标任务分配方案进行优先级修复，得到若干任务分配预方案，包括：
计算各个目标任务分配方案的乱序值，其中，任一目标任务分配方案的乱序值为该任一目标任务分配方案中未按照优先级排序的停车任务的对数；
从所述目标任务方案集合中，提取出乱序值大于0的目标任务分配方案，以组成乱序任务方案集合；
对于所述乱序任务方案集合中的第q个乱序任务分配方案，初始化记忆列表和乱序值搜索集合为空，以及初始化历史最小值为无穷大；
将所述第q个乱序任务分配方案中的目标停车任务进行位置交换，得到第q个乱序任务分配方案对应的优先级修复方案，其中，所述目标停车任务为所述第q个乱序任务分配方案中未按照优先级排序的两停车任务；
将所述第q个乱序任务分配方案对应的优先级修复方案记录至优先级修复集合中；
计算所述优先级修复集合中所有优先级修复方案的目标乱序值，并将各个目标乱序值添加至所述乱序值搜索集合中；
提取出所述乱序值搜索集合中最小的目标乱序值，并判断最小的目标乱序值是否大于所述历史最小值，以及判断所述记忆列表中是否存在有目标位置交换方式，其中，所述目标位置交换方式为最小的目标乱序值所对应的优先级修复方案的位置交换方式；
若否，则将所述历史最小值更新为所述最小的目标乱序值，并将所述目标位置交换方式添加至所述记忆列表中；
判断所述历史最小值是否为0；
若否，则将所述第q个乱序任务分配方案更新为所述优先级修复集合中最小的目标乱序值所对应的优先级修复方案，并重新对所述第q个乱序任务分配方案中的目标停车任务进行位置交换，直至所述历史最小值为0时，得到所述第q个乱序任务分配方案对应的优先级修复任务分配方案；
将q自加1，并重新初始化记忆列表和乱序值搜索集合为空，以及初始化历史最小值为无穷大，直至q等于Q时，得到每个乱序任务分配方案对应的优先级修复任务分配方案，其中，q的初始值为1，且Q为所述乱序任务方案集合中乱序任务分配方案的总个数；
利用每个乱序任务分配方案对应的优先级修复任务分配方案，以及乱序值等于0的目标任务分配方案，组成若干任务分配预方案。
在一个可能的设计中，计算每个任务分配预方案的保留权重区间，并基于各个任务分配预方案的保留权重区间，从若干任务分配预方案中选取出J个任务分配预方案，以作为第g次重组时的任务分配方案，包括：
利用所述任务目标函数，计算出各个任务分配预方案的方案匹配度，并基于各个任务分配预方案的方案匹配度，计算出各个任务分配预方案的保留权重；
对于若干任务分配预方案中的第k个任务分配预方案，利用所述k个任务分配预方案的保留权重和第k-1个任务分配预方案的保留权重，确定出所述第k个任务分配预方案的保留权重区间，其中，所述第k个任务分配预方案的保留权重区间的右边界为所述第k-1个任务分配预方案的保留权重，所述第k个任务分配预方案的保留权重区间的左边界为所述第k个任务分配预方案的保留权重，且第一个任务分配预方案的保留权重区间的右边界为0，k=1,2,...,K,K为任务分配预方案的总数量；
从若干任务分配预方案中提取出方案匹配度最大的任务分配预方案；
生成若干保留数，其中，所述保留数的数量为J-D，D为方案匹配度最大的任务分配预方案的个数，且任一保留数的取值区间为[0,1]；
利用若干保留数，从方案保留集合中选取出J-D个任务分配预方案，其中，所述方案保留集合中包含有若干任务分配预方案中删除方案匹配度最大的任务分配预方案后剩余的任务分配预方案，且选取出的任一任务分配预方案的保留权重区间对应有一保留数；
利用方案匹配度最大的任务分配预方案，以及选取出的J-D个任务分配预方案，组成第g次重组时的任务分配方案。
第二方面，提供了一种停车场的AGV任务分配装置，包括：
获取单元，用于获取目标停车场的任务列表以及AGV车辆集合，并基于所述任务列表和所述AGV车辆集合，生成初始任务方案集合，其中，所述初始任务方案集合包括若干初始任务分配方案，且任一初始任务分配方案包含有为所述AGV车辆集合中各个AGV车辆分配的停车任务；
函数构建单元，用于利用所述任务列表和所述AGV车辆集合，构建出任务目标函数，其中，所述任务目标函数用于表征所述目标停车场的调度总成本，且所述调度总成本包括所述目标停车场的运营成本和所述目标停车场的停车效率成本；
方案分配单元，用于对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，得到若干任务分配方案，并利用若干任务分配方案，组成任务方案集合；
匹配度计算单元，用于依据所述任务目标函数，计算出所述任务方案集合中各个任务分配方案的方案匹配度，其中，任一任务分配方案的方案匹配度越高，表征所述目标停车场基于该任一任务分配方案进行停车调度所对应的调度总成本越低；
方案分配单元，用于判断所述初始任务方案集合的方案重组处理是否达到重组结束条件；
方案分配单元，还用于在判断出所述初始任务方案集合的方案重组处理未达到重组结束条件，将所述初始任务方案集合更新为所述任务方案集合，并重新对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，直至所述初始任务方案集合的方案重组处理达到重组结束条件时为止，以便将达到重组结束条件时所对应的任务方案集合中方案匹配度最高的任务分配方案，作为所述目标停车场中各AGV车辆的最优任务分配方案。
第三方面，提供了另一种停车场的AGV任务分配装置，以装置为电子设备为例，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意一种可能设计的所述一种停车场的AGV任务分配方法。
第四方面，提供了一种存储介质，存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面或第一方面中任意一种可能设计的所述一种停车场的AGV任务分配方法。
第五方面，提供了一种包含指令的计算机程序产品，当指令在计算机上运行时，使计算机执行如第一方面或第一方面中任意一种可能设计的所述一种停车场的AGV任务分配方法。
有益效果：
（1）本发明通过输入停车场的AGV车辆集合以及任务列表，来输出对任务的调度分配策略，从而自动化地为多辆AGV分配不同的停车任务；其次，通过多次方案重组，来得到一组最优的任务分配方案，并同时构建了平衡停车场运营成本与停车效率的目标函数；而后，即可利用该目标函数，来计算出最优的一组任务分配方案中各个方案的方案匹配度，最后，即可将方案匹配度最高的任务分配方案，作为停车场中各AGV车辆的最优任务分配方案；由此，本发明不仅可同时实现多辆AGV的任务分配，且还在任务分配过程中平衡了停车运营成本和AGV的执行任务效率，如此，则可在保证执行效率的基础上使停车场的调度成本最优，适用于大规模应用与推广。
（2）本发明在方案重组过程中，引入了各个停车任务的优先级，并在重组时进行了优先级的修复，基于此，可保证重组得到的各个任务分配方案中，为各个AGV所分配的停车任务满足任务优先级的执行顺序；如此，提高了使用的实用性。
附图说明
图1为本发明实施例提供的一种停车场的AGV任务分配方法的步骤流程示意图；
图2为本发明实施例提供的停车场的AGV任务分配装置的结构示意图；
图3为本发明实施例提供的电子设备的结构示意图。
具体实施方式
实施例：
参见图1所示，本实施例所提供的一种停车场的AGV任务分配方法，能够同时实现多辆AGV的任务分配，且还可在任务分配过程中平衡停车场的运营成本和AGV的执行任务效率，如此，可在保证执行效率的基础上使停车场的调度成本最优；基于此，本方法适用于在AGV智慧停车领域的大规模应用与推广；可选的，举例本方法可以但不限于在任务分配端侧运行，且举例任务分配端可以但不限于为个人电脑（Personal comJuter，PC）、平板电脑或智能手机；可以理解的是，前述执行主体并不构成对本申请实施例的限定，相应的，本方法的运行步骤可以但不限于如下述步骤S1～S6所示。
S1. 获取目标停车场的任务列表以及AGV车辆集合，并基于所述任务列表和所述AGV车辆集合，生成初始任务方案集合，其中，所述初始任务方案集合包括若干初始任务分配方案，且任一初始任务分配方案包含有为所述AGV车辆集合中各个AGV车辆分配的停车任务；在本实施例中，举例任务列表可以但不限于包括若干停车任务，其中，任一停车任务包括停车起点、停车终点以及该任一停车任务的优先级（优先级越高，代表执行顺序越靠前）；同时，AGV车辆集合中则包含有多个AGV车辆以及每个AGV车辆的位置；当然，在本实施例中，前述停车起点、停车终点以及AGV车辆的位置可以但不限于为坐标位置。
可选的，下述公开初始任务方案集合的其中一种生成方法，可以但不限于如下述所示：
第一步，构建任务分配约束条件，即本实施例所生成的初始任务分配方案均需要满足该任务分配约束条件，其中，前述任务分配约束条件可以但不限于如下述所示。
约束条件1：
上述式（7）中，
表示任务列表TS中第t个停车任务被AGV车辆集合R中的第r个AGV车辆完成，/>
表示任务列表中的停车任务总数；如此，前述约束条件1所表征的含义则是：任务列表中所有的停车任务都应该被AGV车辆集合中的各个AGV车辆完成。
约束条件2：
上述式（8）则表示一个停车任务只能被一个AGV车辆完成一次。
约束条件3：
上述式（9）中，
表示第r个AGV车辆的负载量，即前述约束条件3用于表征一个AGV车辆同一时刻最多只能运载一辆车。
约束条件4：
上述式（10）和式（11）中，
表示第r个AGV车辆从停车起点a出发，到停车终点b，其中，/>
表示停车起点a所对应放车节点（即停车起点a对应的停车终点），即当/>
为b时，表明停车起点a对应的停车终点为b，所以，/>
=1，则表示第r个AGV车辆从停车起点a出发，可到达至该停车起点a所对应的停车终点b；反之，则无法到达停车起点a所对应的停车终点b。
第二步：获取任务分配规则，其中，所述任务分配规则包括停车任务排列规则，且停车任务排序规则为按照停车任务的优先级进行排列；
第三步：基于前述任务分配约束条件，并利用任务列表、车辆AGV集合和任务分配规则，生成若干初始任务分配方案，以便利用若干初始任务分配方案组成初始任务方案集合。
由此通过前述阐述，即可利用前述构建的任务分配约束条件，来生成若干初始任务分配方案，从而为后续的方案寻优提供数据支撑。
更进一步的，举例任一初始任务分配方案可以但不限于包括：若干任务序列，其中，每个任务序列分别对应一AGV车辆，任一任务序列包含有为对应AGV车辆分配的至少一个停车任务，所述任一任务序列中的各个停车任务按照优先级从高到低的顺序进行排列，且每个任务序列关联有一AGV标识符；具体的，可以但不限于用AGV标识符来分隔不同的任务序列。
下述以一个实例来阐述任一初始任务分配方案的构成形式：
假设任一初始任务分配方案为：{T1，T2，T3，A1，T4，T5，A2，T6，A3}，其中，T1，T2，T3、T4、T5和T6表示停车任务，T1，T2，T3组成一任务序列，A1、A2和A3表示AGV标识符，即T1，T2，T3分配给AGV车辆1，T4，T5分配给AGV车辆2，T6分配给AGV车辆3；同时，对于AGV车辆1，其任务执行顺序则是T1，T2，T3；当然，其余各个初始任务分配方案的构成形式与前述举例相同，于此不再赘述。
在得到初始任务方案集合后，本实施例还需构建可平衡目标停车场的运营成本和AGV停车执行效率的目标函数，以便后续基于该目标函数来确定出最优的任务分配方案，其中，任务目标函数的构建过程可以但不限于如下述步骤S2所示。
S2. 利用所述任务列表和所述AGV车辆集合，构建出任务目标函数，其中，所述任务目标函数用于表征所述目标停车场的调度总成本，且所述调度总成本包括所述目标停车场的运营成本和所述目标停车场的停车效率成本；在具体应用时，可先构建出目标停车场的运营成本函数和停车效率成本函数，而后，再根据运营成本函数和停车效率成本函数，来构建出任务目标函数，其中，具体构建过程如下述步骤S21和步骤S22所示。
S21. 基于所述任务列表和所述AGV车辆集合，并按照如下公式（1），构建出所述目标停车场的运营成本函数，以及按照如下公式（2），构建出所述目标停车场的停车效率成本函数。
上述式（1）中，
表示所述目标停车场的运营成本函数，/>
表示所述AGV车辆集合/>
中第/>
个AGV车辆完成对应被分配的停车任务所花费的时间，且/>
是根据第/>
个AGV车辆的位置，以及第/>
个AGV车辆对应停车任务的停车起点和停车终点所计算得到的（即根据AGV车辆的速度，以及AGV车辆的位置至停车起点的距离，以及其被分配的各个停车任务的停车起点至停车终点之间的距离来计算得到）；上述式（2）中，/>
表示所述目标停车场的停车效率成本函数。
如此，前述目标停车场的运营成本则表示所有AGV车辆完成其承担的停车任务所需时间之和，而停车效率成本则表示所有AGV车辆中，完成其对应停车任务所需时间中的最长时间。
在构建出运营成本函数和停车效率成本函数后，即可基于二者，来构建出任务目标函数，如下述步骤S22所示。
S22. 依据所述停车效率成本函数和所述运营成本函数，并按照如下公式（3），构建出所述任务目标函数。
上述式（3）中，
表示所述任务目标函数，/>
和/>
均表示成本系数。
由此通过前述对任务目标函数构建过程的详细阐述，本实施例的任务目标函数由目标停车场的运营成本和停车效率成本组成，如此，利用该任务目标函数，则可平衡停车场的运营成本和AGV的执行任务效率，从而在保证执行效率的基础上使停车场的调度成本最优。
在构建得到任务目标函数后，则可利用任务目标函数来对前述初始任务方案集合进行不断的迭代更新，从而利用迭代算法，来确定出最优的任务方案集合，其中，迭代过程如下述步骤S3～S6所示。
S3. 对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，得到若干任务分配方案，并利用若干任务分配方案，组成任务方案集合；在本实施例中，在一次迭代重组过程中，需要进行各个初始任务分配方案中各个元素的排列位置变换（元素则包含了停车任务以及AGV标识符）；然后再进行概率重组；接着，再进行优先级修复，最后，即可根据任务目标函数来确定出可保留的方案，从而组成任务方案集合；具体的，前述重组过程可以但不限于如下述步骤S31～S39所示。
S31. 初始化重组次数g，并获取第g次重组时的步长系数以及随机步长；在本实施例中，第g次重组时的步长系数和随机步长的具体获取方式，在下述步骤S32中进行详细阐述。
S32. 对于所述初始任务方案集合中的第j个初始任务分配方案，基于所述第g次重组时的步长系数和随机步长，计算出所述第j个初始任务分配方案中各个元素在第g次重组时的排列位置，其中，所述第j个初始任务分配方案中的元素包括停车任务和AGV标识符；在本实施例中，由于第j个初始任务分配方案中各个元素在第g次重组时的排列位置的计算过程相同，下述以其任一元素为例，来举例阐述，如下述所示。
在具体应用时，对于所述第j个初始任务分配方案中的任一元素，基于第g次重组时的步长系数、第g次重组时的随机步长以及所述任一元素在所述第j个初始任务分配方案中的排列位置，并按照如下公式（4），计算出所述任一元素在第g次重组时的排列位置。
上述式（4）中，
表示所述任一元素在第g次重组时的排列位置，/>
表示所述任一元素在所述第j个初始任务分配方案中的排列位置，/>
表示第g次重组时的步长系数，
表示第g次重组时的随机步长，其中，/>
遵循分布：/>
。
更进一步的，
采用如下公式（5）计算得出：
上述式（5）中，
表示所述初始任务方案集合中方案匹配度最高的初始任务分配方案内指定元素的排列位置，且所述指定元素为匹配度最高的初始任务分配方案中与所述任一元素相同的元素。
同时，在前述举例的基础上，对公式（4）和公式（5）进行具体阐述，假设第j个初始任务分配方案为{T1，T2，T3，A1，T4，T5，A2，T6，A3}，其中，任一元素假设为T2，那么，
则为2，/>
则是所述初始任务方案集合中方案匹配度最高的初始任务分配方案中，元素T2对应的排列位置；当然，其余元素的第g次重组时的排列位置计算过程与前述举例相同，于此不再赘述。
在本实施例中，任一初始任务分配方案（如第j个初始任务分配方案）的方案匹配度可以但不限于采用如下公式（12）和公式（13）计算得出：
上述式（12）中，
表示各个初始任务分配方案对应的调度总成本中的最大调度总成本，/>
表示第j个初始任务分配方案的调度总成本（可根据前述公式（3）计算得出），J表示初始任务分配方案的总个数，即/>
的取值为1,2,...,J；上述式（13）中，/>
表示第j个初始任务分配方案的方案匹配度，如此，基于前述公式（13）可得知，初始任务分配方案的调度总成本越低，其对应的方案匹配度越高。
由此通过前述公式（12）和公式（13），即可计算出每个初始任务分配方案的方案匹配度；而后，再借助前述公式（4）和公式（5），则可计算出第j个初始任务分配方案中每个元素在第g次重组时的排列位置；而后，按照每个元素在第g次重组时的排列位置进行重新排列，即可得到重组后的第j个初始任务分配方案；同时，以此原理，对下一初始任务分配方案进行重组，即可得到若干重组后的初始任务分配方案，其中，重组过程以及循环过程如下述步骤S33和步骤S34所示。
S33. 按照所述第j个初始任务分配方案中各个元素在第g次重组时的排列位置，对各个元素进行重新排列，得到重组后的第j个初始任务分配方案。
S34. 将j自加1，并重新基于所述第g次重组时的步长系数和随机步长，计算出所述第j个初始任务分配方案中各个元素在第g次重组时的排列位置，直至j等于J时，得到若干重组后的初始任务分配方案，其中，j的初始值为1，且J为初始任务分配方案的总数量。
由此基于前述步骤S31～S34，即可实现各个初始任务分配方案中每个元素的排序位置的变换，从而得到J个重组后的初始任务分配方案；而后，即可再结合J个初始任务分配方案，来组成重组任务方案集合，以便后续进行概率重组以及优先级修复，其中，重组任务方案集合的构建过程如下述步骤S35所示。
S35. 利用若干重组后的初始任务分配方案和各个初始任务分配方案，组成重组任务方案集合；在本实施例中，假设初始任务方案集合中共计有100个初始任务分配方案，那么，经过步骤S31～S34后，则会得到100个重组后的初始任务分配方案；而后，利用100个初始任务分配方案和100个重组后的初始任务分配方案，即可组成重组任务方案集合。
在得到重组任务方案集合后，即可对内部的2J个重组任务分配方案进行概率重组，其中，概率重组过程如下述步骤S36所示。
S36. 获取重组概率，并基于所述重组概率从所述重组任务方案集合中选取至少一个重组任务分配方案进行概率重组，以在概率重组后，得到目标任务方案集合；在具体实施时，举例重组概率可以但不限于包括第一概率和第二概率，其中，第一概率用于进行第一次的概率重组，而第二概率则用于进行第二次的概率重组；在本实施例中，两次概率重组的过程可以但不限于如下述步骤S36a～S36i所示。
S36a. 基于所述第一概率，从所述重组任务方案集合中选取出至少一个重组任务分配方案，以作为目标重组任务分配方案；在本实施例中，假设第一概率为20%，且重组任务方案集合中的数据总量为200，那么，则是随机提取出40个重组任务分配方案，作为目标重组任务分配方案；当然，第一概率为其余值时，目标重组任务分配方案的提取过程与前述举例一致，于此不再赘述。
在按照第一概率，从重组任务方案集合中提取出相应的目标重组任务分配方案后，即可计算出每个目标重组任务分配方案中各个元素的概率重组位置，而对于任一目标重组任务分配方案，则可按照各个元素的概率重组位置，来对各个元素重新排列，从而完成该任一目标重组任务分配方案的第一次概率重组；在本实施例中，以任一目标重组任务分配方案为例，来具体阐述其内部各个元素的概率重组位置的计算过程，如下述步骤S36b所示。
S36b. 按照如下公式（6），计算出任一目标重组任务分配方案中每个元素的概率重组位置。
上述式（6）中，
表示所述任一目标重组任务分配方案中第x个元素的概率重组位置，/>
表示所述任一目标重组任务分配方案中第x个元素的排列位置，x=1,2,...,X，X表示所述任一目标重组任务分配方案中的元素总数，/>
表示局部搜索系数，/>
表示第一目标方案中与第x个元素相同元素的排序位置，/>
表示第二目标方案中与第x个元素相同元素的排序位置，所述第一目标方案与所述第二目标方案互不相同，且分别为所述重组任务方案集合中除所述任一目标重组任务分配方案之外的一目标重组任务分配方案。
在本实施例中，相当于是先从重组任务方案集合中选取出除前述任一目标重组任务分配方案之外的任意两条目标重组任务分配方案；然后，在选取出的两目标重组任务分配方案中，确定出第x个元素所对应的元素的排序位置，如假设第x个元素为停车任务T4，那么则从选取出的两目标重组任务分配方案中确定出T4对应的排序位置，从而得到
和
；接着，再将/>
和/>
代入前述式（6），即可计算出任一目标重组任务分配方案中第x个元素的概率重组位置。
如此，按照前述公式（6），即可计算出任一目标重组任务分配方案中每个元素的概率重组位置，而后，按照每个元素的概率重组位置，来对该任一目标重组任务分配方案的各个元素进行重新排列，即可得到该任一目标重组任务分配方案对应的概率重组任务分配方案，其中，第一次的概率重组过程如下述步骤S36c所示。
S36c. 按照所述任一目标重组任务分配方案中各个元素的概率重组位置，对所述任一目标重组任务分配方案中的各个元素进行重新排列，得到所述任一目标重组任务分配方案对应的概率重组任务分配方案，并在将所有目标重组任务分配方案中的各个元素进行重新排列后，得到每个目标重组任务分配方案对应的概率重组任务分配方案；在本实施例中，以一个实例来进行阐述，如假设第x个元素为T4，其概率重组前的排列位置为3，概率重组位置为2，那么在概率重组任务分配方案中，停车任务T4则排在第二位；当然，其余各个元素的排列方式与前述举例一致，于此不再赘述；如此，按照前述相同方法，即可计算出其余目标重组任务分配方案中各个元素的概率重组位置，而后，依据概率重组位置进行重新排列，即可完成所有目标重组任务分配方案的第一次概率重组。
在得到每个目标重组任务分配方案对应的概率重组任务分配方案后，即可使用概率重组任务分配方案，来替换重组任务方案集合中选取的各个重组任务分配方案；在本实施例中，实质就是用第一次概率重组后所得到的方案，来代替重组任务方案集合中选取出的目标重组任务分配方案，从而完成重组任务方案集合中方案的更新，如下述步骤S36d所示。
S36d. 利用若干概率重组任务分配方案，替换所述重组任务方案集合中选取出的各个重组任务分配方案，以在替换后，得到概率重组任务方案集合；在本实施例中，以一个实例来阐述该步骤，如重组任务方案集合中的重组任务分配方案t1为目标重组任务分配方案，重组任务分配方案t1对应的概率重组任务分配方案为t11，那么则用t11替换重组任务方案集合中的t1，从而完成方案的更新；当然，其余选取出的重组任务分配方案的替换过程与前述举例一致，于此不再赘述。
在完成第一次概率重组，得到概率重组任务方案集合后，即可进行第二次的概率重组，如下述步骤S36e～S36i所示。
S36e. 基于所述第二概率，从所述概率重组任务方案集合中选取出若干概率重组任务分配方案，以作为初始定向重组分配方案；在本实施例中，步骤S36e的提取过程与步骤S36a相同， 于此不再赘述；而在提取出若干概率重组任务分配方案，作为初始定向重组分配方案后，即可进行第二次的概率重组，如下述步骤S36f～S36i所示。
S36f. 对于若干初始定向重组分配方案中的第z个初始定向重组分配方案，从所述第z个初始定向重组分配方案中随机选取两个元素进行位置交换，以在位置交换后，得到所述第z个初始定向重组分配方案对应的定向重组分配方案；在本实施例中，以一个实例来阐述步骤S36f，其中，假设第z个初始定向重组分配方案为t2={T2，T1，T4，A1，T3，T6，A2，T5，A3}，那么则随机从t2中选取两个元素进行位置交换，如选取的为T2和T4，那么t2对应的定向重组分配方案t22则为：t22={T4，T1，T2，A1，T3，T6，A2，T5，A3}；当然，其余各个初始定向重组分配方案的随机选取的两个元素的位置交换过程与前述举例一致，于此不再赘述；另外，在本实施例中，步骤S36f中选取的元素，可以但不限于仅表征停车任务。
在得到第z个初始定向重组分配方案的定向重组分配方案后，还需要判断其进行定向重组后所得到的方案是否比原方案更优；在本实施例中，则是利用方案匹配度来衡量，其中，衡量过程如下述步骤S36g和步骤S36h所示。
S36g. 利用所述任务目标函数，计算出所述定向重组分配方案和所述第z个初始定向重组分配方案的方案匹配度，并判断所述定向重组分配方案的方案匹配度是否大于所述第z个初始定向重组分配方案；在本实施例中，定向重组分配方案和第z个初始定向重组分配方案的方案匹配度的计算过程，可参见前述第j个初始任务分配方案的方案匹配度的计算过程，即利用前述公式（12）和公式（13）计算得到，在此不再赘述。
而在得到第z个初始定向重组分配方案的方案匹配度，以及第z个初始定向重组分配方案对应定向重组分配方案的方案匹配度后，即可依据两个方案匹配度之间的大小关系，来判断是否允许保留定向重组后的方案，其中，保留过程如下步骤S36h所示。
S36h. 若是，则利用所述定向重组分配方案替换所述概率重组任务方案集合中的所述第z个初始定向重组分配方案；在具体应用时，定向重组分配方案的方案匹配度大于第z个初始定向重组分配方案的方案匹配度，则说明定向重组分配方案的调度总成本低于第z个初始定向重组分配方案的调度总成本，因此，则可判定进行定向重组后所得到的方案更优，此时，即可利用定向重组分配方案去替换第z个初始定向重组分配方案，从而完成概率重组任务方案集合的更新；当然，替换过程与前述步骤S36d相同，于此不再赘述。
在完成第z个初始定向重组分配方案的定向重组后，即可以前述相同原理，来进行其余各个初始定向重组分配方案的定向重组处理，其中，循环过程如下述步骤S36i所示。
S36i. 将z自加1，直至z等于Z时，完成所述概率重组任务方案集合中所有初始定向重组分配方案的替换处理，以得到所述目标任务方案集合，其中，z的初始值为1，且Z为初始定向重组分配方案的总个数。
由此通过前述步骤S36a～S36i所详细描述的概率重组过程，即可利用不同概率，来对重组任务方案集合依次进行两次概率重组，从而依据设定的概率，来完成重组任务方案集合中部分方案的更新，进而得到目标任务方案集合。
在得到目标任务方案集合后，相当于是完成了第g次重组过程，但是，由于前述就已说明，停车任务具有优先级，且优先级高的停车任务，执行顺序越靠前（即排列位置越靠前）；因此，为防止经过前述步骤S31～S36进行重组所得到的各个目标任务分配方案不满足任务优先级，本实施例还设置有优先级恢复过程，如下述步骤S37所示。
S37. 对所述目标任务方案集合中的各个目标任务分配方案进行优先级修复，得到若干任务分配预方案，其中，任一任务分配预方案中的各个任务序列内的停车任务按照优先级从高到低的顺序进行排列；在本实施例中，可先确定出需要进行优先级修复的目标任务分配方案，然后，在对确定出目标任务分配方案进行优先级修复，其具体过程如下述步骤S37a～S37l所示。
S37a. 计算各个目标任务分配方案的乱序值，其中，任一目标任务分配方案的乱序值为该任一目标任务分配方案中未按照优先级排序的停车任务的对数；在本实施例中，以一个实例来阐述乱序值的计算过程，假设任一目标任务分配方案为{T2，T1，T3，A1，T4，T5，A2，T6，A3}，其中，停车任务的优先级顺序从高到低排序为：T1、T2、T3、T4、T5和T6，那么，任一目标任务分配方案中未按照优先级排序的停车任务则是：T2，T1，T3，基于此，未按照优先级排序的停车任务对则是：T2和T1，T1和T3，以及T1和T3，如此，该任一目标任务分配方案的乱序值则为3；当然，其余各个目标任务分配方案的乱序值的计算过程与前述举例相同，于此不再赘述。
在得到各个目标任务分配方案的乱序值后，即可提取出需要进行优先级修复的目标任务分配方案，其中，提取过程如下述步骤S37b所示。
S37b. 从所述目标任务方案集合中，提取出乱序值大于0的目标任务分配方案，以组成乱序任务方案集合；在本实施例中，任一目标任务分配方案乱序值大于0，则说明该任一目标任务分配方案中存在未按照优先级排列的停车任务，因此，需要进行优先级修复；如此，即可提取出乱序值大于0的目标任务分配方案，从而组成乱序任务方案集合。
在得到乱序任务方案集合后，即可进行乱序任务方案集合中各个乱序任务分配方案的优先级修复，其中，该修复过程也是按照单个方案来进行的，如下述步骤S37c～S37l所示。
S37c. 对于所述乱序任务方案集合中的第q个乱序任务分配方案，初始化记忆列表和乱序值搜索集合为空，以及初始化历史最小值为无穷大；在本实施例中，历史最小值为历史最小乱序值；在完成初始化记忆列表、乱序值搜索集合以及历史最小值的初始化后，即可进行优先级修复，如下述步骤S37d～S37l所示。
S37d. 将所述第q个乱序任务分配方案中的目标停车任务进行位置交换，得到第q个乱序任务分配方案对应的优先级修复方案，其中，所述目标停车任务为所述第q个乱序任务分配方案中未按照优先级排序的两停车任务；在本实施例中，以一个实例来阐述步骤S37d，假设第q个乱序任务分配方案为：{T2，T1，T3，A1，T4，T5，A2，T6，A3}，其中，未按照优先级排序的停车任务为T2、T1和T3，那么则是任意选取T2、T1和T3中的两个停车任务，然后进行位置交换，若选取的为T2和T1，那么则将T2和T1进行位置交换，从而得到第q个乱序任务分配方案的优先级修复方案{T1，T2，T3，A1，T4，T5，A2，T6，A3}。
在得到第q个乱序任务分配方案对应的优先级修复方案后，即可将该优先级修复方案添加至优先级修复集合中，并计算优先级修复集合中各个优先级修复方案的乱序值（为便于为前述乱序值相区分，此处命名为目标乱序值），以便根据计算出的目标乱序值，来进行后续的优先级修复过程，其中，优先级修复方案的记录以及其对应乱序值的计算过程如下述步骤S37e和步骤S37f所示。
S37e. 将所述第q个乱序任务分配方案对应的优先级修复方案记录至优先级修复集合中。
S37f. 计算所述优先级修复集合中所有优先级修复方案的目标乱序值，并将各个目标乱序值添加至所述乱序值搜索集合中；在具体应用时，各个优先级修复方案的目标乱序值的计算方法可参见前述步骤S37a，于此不再赘述。
同时，由于在第一次修复过程中，优先级修复集合初始化为空，那么，经过步骤S37e后，其内部实质仅存储有第q个乱序任务分配方案对应的优先级修复方案，因此，相当于是计算出第q个乱序任务分配方案对应的优先级修复方案的目标乱序值。
在得到各个优先级修复方案的目标乱序值后，即可提取出最小的目标乱序值，并进行优先级恢复判断操作，如下述步骤S37g所示。
S37g. 提取出所述乱序值搜索集合中最小的目标乱序值，并判断最小的目标乱序值是否大于所述历史最小值，以及判断所述记忆列表中是否存在有目标位置交换方式，其中，所述目标位置交换方式为最小的目标乱序值所对应的优先级修复方案的位置交换方式；在本实施例中，对于第q个乱序任务分配方案的第一次优先级修复，乱序值搜索集合中最小的目标乱序值，则是第q个乱序任务分配方案对应的优先级修复方案的目标乱序值，同时，历史最小值为无穷大，记忆列表为空，因此，可判定不满足步骤S37g中的判断条件，因此，需要进行如下步骤S37h。
当然，若经过多次优先级修复后，最小的目标乱序值大于所述历史最小值，且所述记忆列表中存在有目标位置交换方式，那么，则从记忆列表中删除目标位置交换方式，从乱序值搜索集合中删除该最小的目标乱序值，得到目标乱序值搜索集合，以及从优先级修复集合中删除该最小目标乱序值所对应的优先级修复方案；然后将步骤S37g中的乱序值搜索集合更新为目标乱序值搜索集合，并重新执行步骤S37g。
更进一步的，步骤S37h的具体操作过程如下所示：
S37h. 若否，则将所述历史最小值更新为所述最小的目标乱序值，并将所述目标位置交换方式添加至所述记忆列表中；在本实施例中，还是在前述举例的基础上进行阐述，即乱序值搜索集合中最小的目标乱序值，是第q个乱序任务分配方案对应的优先级修复方案的目标乱序值，且第q个乱序任务分配方案的优先级修复方案为{T1，T2，T3，A1，T4，T5，A2，T6，A3}，那么最小的目标乱序值为0，即第q个乱序任务分配方案的优先级修复方案中的停车任务均按照优先级进行排列；此时，其对应的目标位置交换方式则为T2与T1的位置交换，且需要将该位置交换方式存储至记忆列表中；而后，即可执行下述步骤S37i。
S37i. 判断所述历史最小值是否为0。
S37j. 若否，则将所述第q个乱序任务分配方案更新为所述优先级修复集合中最小的目标乱序值所对应的优先级修复方案，并重新对所述第q个乱序任务分配方案中的目标停车任务进行位置交换，直至所述历史最小值为0时，得到所述第q个乱序任务分配方案对应的优先级修复任务分配方案；在本实施例中，若历史最小值不为0，则说明第q个乱序任务分配方案对应的优先级修复方案中还存在有未按照优先级排列的停车任务，此时，需要将优先级修复集合中最小的目标乱序值所对应的优先级修复方案作为下一次优先级修复的初始方案，即将前述第q个乱序任务分配方案更新为该最小的目标乱序值所对应的优先级修复方案，然后返回至S37d，直至得到的历史最小值为0时为止，其中，历史最小值为0，则说明第q个乱序任务分配方案对应的优先级修复方案中的各个停车任务均已按照优先级进行排列，此时，可将历史最小值为0时所对应的优先级修复方案，作为第q个乱序任务分配方案对应的优先级修复任务分配方案。
在完成第q个乱序任务分配方案的优先级修复后，即可以相同方法来完成其余各个乱序任务分配方案的优先级修复，其中，循环修复过程如下述步骤S37k所示。
S37k. 将q自加1，并重新初始化记忆列表和乱序值搜索集合为空，以及初始化历史最小值为无穷大，直至q等于Q时，得到每个乱序任务分配方案对应的优先级修复任务分配方案，其中，q的初始值为1，且Q为所述乱序任务方案集合中乱序任务分配方案的总个数。
在基于前述步骤S37c～S37k完成所有乱序任务分配方案的优先级修复后，即可联合乱序值为0的目标任务分配方案，来组成若干任务分配预方案，如下述步骤S37l所示。
S37l. 利用每个乱序任务分配方案对应的优先级修复任务分配方案，以及乱序值等于0的目标任务分配方案，组成若干任务分配预方案。
由此通过前述步骤S37a～S37l，即可完成目标任务方案集合中乱序值大于0的目标任务分配方案的优先级修复，从而在修复完成后，将目标任务方案集合中的各个方案作为任务分配预方案；而后，则需要从若干任务分配预方案中，选取出J个任务分配预方案，以作为第g次重组时所得到任务分配方案，其中，选取过程如下述步骤S38所示。
S38. 计算每个任务分配预方案的保留权重区间，并基于各个任务分配预方案的保留权重区间，从若干任务分配预方案中选取出J个任务分配预方案，以作为第g次重组时的任务分配方案，其中，J的值为所述初始任务方案集合中的初始任务分配方案的总数量；在本实施例中，在前述举例的基础上进行阐述，即前述重组任务方案集合中的数据总量为200，因此，经过优先级恢复后，若干任务分配预方案的总数也是200，此时，则需要从200个任务分配预方案中，提取出100个任务分配预方案，从而作为第g次重组时的任务分配方案。
在本实施例中，各个任务分配预方案的保留权重区间可以但不限于根据方案匹配度计算得出，且前述步骤S38中依据保留权重区间进行方案选取的过程可以但不限于如下述步骤S38a～S38f所示。
S38a. 利用所述任务目标函数，计算出各个任务分配预方案的方案匹配度，并基于各个任务分配预方案的方案匹配度，计算出各个任务分配预方案的保留权重；在本实施例中，对于任一任务分配预方案，先求和所有任务分配预方案的方案匹配度，得到匹配度总和；然后使用该任一任务分配预方案的方案匹配度除以匹配度总和，即可得到该任一任务分配预方案的保留权重；当然，各个任务分配预方案的保留权重均处于0至1之间。
在得到各个任务分配预方案的保留权重后，即可确定出每个任务分配预方案的保留权重区间，如下述步骤S38b所示。
S38b. 对于若干任务分配预方案中的第k个任务分配预方案，利用所述k个任务分配预方案的保留权重和第k-1个任务分配预方案的保留权重，确定出所述第k个任务分配预方案的保留权重区间，其中，所述第k个任务分配预方案的保留权重区间的右边界为所述第k-1个任务分配预方案的保留权重，所述第k个任务分配预方案的保留权重区间的左边界为所述第k个任务分配预方案的保留权重，且第一个任务分配预方案的保留权重区间的右边界为0，k=1,2,...,K,K为任务分配预方案的总数量。
在本实施例中，第一个任务分配预方案的保留权重区间的左边界为0，右边界则为W1（第一个任务分配预方案的保留权重），第二个任务分配预方案的保留权重区间的右边界为W1，其对应的左边界为W1+W2（W2为第二个任务分配预方案的保留权重），以此类推，即可得到每个任务分配预方案的保留权重区间。
在得到各个任务分配预方案的保留权重区间后，即可进行方案的选取；在具体应用时，需要先保留方案匹配度最大的任务分配预方案；然后，再基于保留权重区间，从剩余的任务分配预方案中进行方案的选取，其中，具体选取过程如下述步骤S38c～S38f所示。
S38c. 从若干任务分配预方案中提取出方案匹配度最大的任务分配预方案。
S38d. 生成若干保留数，其中，所述保留数的数量为J-D，D为方案匹配度最大的任务分配预方案的个数，且任一保留数的取值区间为[0,1]；在本实施例中，假设J为100，而方案匹配度最大的任务分配预方案的个数为1，那么，生成的保留数的数量则为99，即需要利用99个保留数，从剩余的任务分配预方案中选取出99个方案，其过程如下述步骤S38e所示。
S38e. 利用若干保留数，从方案保留集合中选取出J-D个任务分配预方案，其中，所述方案保留集合中包含有若干任务分配预方案中删除方案匹配度最大的任务分配预方案后剩余的任务分配预方案，且选取出的任一任务分配预方案的保留权重区间对应有一保留数；在本实施例中，即对于任一保留数，确定出该任一保留数所属的保留权重区间，然后，将该任一保留数所属的保留权重区间对应的任务分配预方案，作为第g次重组时的一个任务分配方案；如，任一保留数为0.42，其处于任务分配预方案T4对应的保留权重区间内，那么，任务分配预方案T4，则作为一个任务分配方案。
通过前述步骤S38e，即可选取出J-D个任务分配预方案，而后，再结合方案匹配度最大的任务分配预方案，即可组成第g次重组时的任务分配方案，如下述步骤S38f所示。
S38f. 利用方案匹配度最大的任务分配预方案，以及选取出的J-D个任务分配预方案，组成第g次重组时的任务分配方案。
由此通过前述步骤S38a～S38f，即可从2J个任务分配预方案中，选取出J个任务分配预方案，来作为第g次重组时的任务分配方案；而后，即可得到第g次重组时的任务方案集合，如下述步骤S39所示。
S39. 利用第g次重组时的任务分配方案，组成第g次重组时的任务方案集合。
由此通过前述步骤S31～S39，即可完成初始任务方案集合的一次方案重组，得到第g次重组时的任务方案集合，此时，需要计算该第g次重组时的任务方案集合中各个任务分配方案的方案匹配度，并判断第g次重组是否达到重组结束条件；若达到重组结束条件，即可结束重组过程，并从第g次重组时的任务方案集合中选取方案匹配度最大的任务分配方案，来作为目标停车场的最优任务分配方案；而若未达到重组结束条件，则需将第g次重组时的任务方案集合作为下一次重组时的初始数据，并再重复前述步骤S31～S39，直至达到重组结束条件时为止；其中，第g次重组时的任务方案集合中各个任务分配方案的方案匹配度的计算过程如下述步骤S4所示。
S4. 依据所述任务目标函数，计算出所述任务方案集合中各个任务分配方案的方案匹配度，其中，任一任务分配方案的方案匹配度越高，表征所述目标停车场基于该任一任务分配方案进行停车调度所对应的调度总成本越低；在本实施例中，步骤S4则是对第g次重组时的任务方案集合中的各个任务分配方案进行方案匹配度的计算，且该步骤中的方案匹配度的计算过程，可参见前述第j个初始任务分配方案的方案匹配度的计算过程，于此不再赘述。
在得到第g次重组时的任务方案集合中各个任务分配方案的方案匹配度后，则可进行重组结束条件的判断，如下述步骤S5所示。
S5. 判断所述初始任务方案集合的方案重组处理是否达到重组结束条件；在本实施例中，举例所述重组结束条件可以但不限于包括最大重组次数和重组精度；如此，步骤S5则可变为：判断所述重组次数g是否达到最大重组次数，或判断第g次重组时的重组精度是否不再变化，其中，第g次重组时的重组精度，为第g次重组时的最大的方案匹配度，如此，第g次重组时的重组精度，与第g-1次的重组精度相同，那么也可判定达到重组结束条件；而若不满足前述任一条件，则需要进行再次重组，如下述步骤S6所示。
S6. 若否，则将所述初始任务方案集合更新为所述任务方案集合，并重新对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，直至所述初始任务方案集合的方案重组处理达到重组结束条件时为止，以便将达到重组结束条件时所对应的任务方案集合中方案匹配度最高的任务分配方案，作为所述目标停车场中各AGV车辆的最优任务分配方案；在本实施例中，则是将g自加1，以及将所述初始任务方案集合更新为所述第g次重组时的任务方案集合，并重新对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，直至重组次数g达到最大重组次数或第g次重组时的重组精度不再变化为止，其中，g的初始值为1。
如此，当判断出第g次重组不满足前述任一重组条件时，那么则需要将第g次重组时的任务分配集合作为下一次重组时的初始数据，然后返回至步骤S3再次进行方案重组，直至达到重组结束条件时为止；而在达到重组结束条件时，即可将达到重组结束条件时所对应的任务方案集合中方案匹配度最高的任务分配方案，作为目标停车场的最优任务分配方案；如在第5次重组时达到重组结束条件，那么，则将第5次重组时的任务方案集合中方案匹配度最大的任务分配方案，作为最优任务分配方案；而后，则可依据该最优任务分配方案，来为各个AGV车辆分配停车任务。
由此通过前述步骤S1～S6所详细描述的停车场的AGV任务分配方法，本发明能够同时实现多辆AGV的任务分配，且还可在任务分配过程中平衡停车场的运营成本和AGV的执行任务效率，如此，可在保证执行效率的基础上使停车场的调度成本最优；基于此，本方法适用于在AGV智慧停车领域的大规模应用与推广。
如图2所示，本实施例第二方面提供了一种实现实施例第一方面所述的一种停车场的AGV任务分配方法的硬件装置，包括：
获取单元，用于获取目标停车场的任务列表以及AGV车辆集合，并基于所述任务列表和所述AGV车辆集合，生成初始任务方案集合，其中，所述初始任务方案集合包括若干初始任务分配方案，且任一初始任务分配方案包含有为所述AGV车辆集合中各个AGV车辆分配的停车任务；
函数构建单元，用于利用所述任务列表和所述AGV车辆集合，构建出任务目标函数，其中，所述任务目标函数用于表征所述目标停车场的调度总成本，且所述调度总成本包括所述目标停车场的运营成本和所述目标停车场的停车效率成本；
方案分配单元，用于对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，得到若干任务分配方案，并利用若干任务分配方案，组成任务方案集合；
匹配度计算单元，用于依据所述任务目标函数，计算出所述任务方案集合中各个任务分配方案的方案匹配度，其中，任一任务分配方案的方案匹配度越高，表征所述目标停车场基于该任一任务分配方案进行停车调度所对应的调度总成本越低；
方案分配单元，用于判断所述初始任务方案集合的方案重组处理是否达到重组结束条件；
方案分配单元，还用于在判断出所述初始任务方案集合的方案重组处理未达到重组结束条件，将所述初始任务方案集合更新为所述任务方案集合，并重新对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，直至所述初始任务方案集合的方案重组处理达到重组结束条件时为止，以便将达到重组结束条件时所对应的任务方案集合中方案匹配度最高的任务分配方案，作为所述目标停车场中各AGV车辆的最优任务分配方案。
本实施例提供的装置的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。
如图3所示，本实施例第三方面提供了另一种停车场的AGV任务分配装置，以装置为电子设备为例，包括：依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如实施例第一方面所述的一种停车场的AGV任务分配方法。
本实施例提供的电子设备的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。
本实施例第四方面提供了一种存储包含有实施例第一方面所述的一种停车场的AGV任务分配方法的指令的存储介质，即所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如实施例第一方面所述的一种停车场的AGV任务分配方法。
本实施例提供的存储介质的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如实施例第一方面所述的一种停车场的AGV任务分配方法，其中，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种停车场的AGV任务分配方法，其特征在于，包括：
获取目标停车场的任务列表以及AGV车辆集合，并基于所述任务列表和所述AGV车辆集合，生成初始任务方案集合，其中，所述初始任务方案集合包括若干初始任务分配方案，且任一初始任务分配方案包含有为所述AGV车辆集合中各个AGV车辆分配的停车任务；
利用所述任务列表和所述AGV车辆集合，构建出任务目标函数，其中，所述任务目标函数用于表征所述目标停车场的调度总成本，且所述调度总成本包括所述目标停车场的运营成本和所述目标停车场的停车效率成本；
对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，得到若干任务分配方案，并利用若干任务分配方案，组成任务方案集合；
依据所述任务目标函数，计算出所述任务方案集合中各个任务分配方案的方案匹配度，其中，任一任务分配方案的方案匹配度越高，表征所述目标停车场基于该任一任务分配方案进行停车调度所对应的调度总成本越低；
判断所述初始任务方案集合的方案重组处理是否达到重组结束条件；
若否，则将所述初始任务方案集合更新为所述任务方案集合，并重新对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，直至所述初始任务方案集合的方案重组处理达到重组结束条件时为止，以便将达到重组结束条件时所对应的任务方案集合中方案匹配度最高的任务分配方案，作为所述目标停车场中各AGV车辆的最优任务分配方案。
2.根据权利要求1所述的方法，其特征在于，所述任务列表包括若干停车任务，任一停车任务包括停车起点和停车终点，且AGV车辆集合中的任一AGV车辆包括该任一AGV车辆的位置；
其中，利用所述任务列表和所述AGV车辆集合，构建出任务目标函数，包括：
基于所述任务列表和所述AGV车辆集合，并按照如下公式（1），构建出所述目标停车场的运营成本函数，以及按照如下公式（2），构建出所述目标停车场的停车效率成本函数；
上述式（1）中，
表示所述目标停车场的运营成本函数，/>
表示所述AGV车辆集合/>
中第/>
个AGV车辆完成对应被分配的停车任务所花费的时间，且/>
是根据第/>
个AGV车辆的位置，以及第/>
个AGV车辆对应停车任务的停车起点和停车终点所计算得到的；
上述式（2）中，
表示所述目标停车场的停车效率成本函数；
依据所述停车效率成本函数和所述运营成本函数，并按照如下公式（3），构建出所述任务目标函数；
上述式（3）中，
表示所述任务目标函数，/>
和/>
均表示成本系数。
3.根据权利要求1所述的方法，其特征在于，所述任务列表还包括各个停车任务的优先级，所述任一初始任务分配方案包括若干任务序列，其中，每个任务序列分别对应一AGV车辆，任一任务序列包含有为对应AGV车辆分配的至少一个停车任务，所述任一任务序列中的各个停车任务按照优先级从高到低的顺序进行排列，且每个任务序列关联有一AGV标识符；
相应的，对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，得到若干任务分配方案，并利用若干任务分配方案，组成任务方案集合，包括：
初始化重组次数g，并获取第g次重组时的步长系数以及随机步长；
对于所述初始任务方案集合中的第j个初始任务分配方案，基于所述第g次重组时的步长系数和随机步长，计算出所述第j个初始任务分配方案中各个元素在第g次重组时的排列位置，其中，所述第j个初始任务分配方案中的元素包括停车任务和AGV标识符；
按照所述第j个初始任务分配方案中各个元素在第g次重组时的排列位置，对各个元素进行重新排列，得到重组后的第j个初始任务分配方案；
将j自加1，并重新基于所述第g次重组时的步长系数和随机步长，计算出所述第j个初始任务分配方案中各个元素在第g次重组时的排列位置，直至j等于J时，得到若干重组后的初始任务分配方案，其中，j的初始值为1，且J为初始任务分配方案的总数量；
利用若干重组后的初始任务分配方案和各个初始任务分配方案，组成重组任务方案集合；
获取重组概率，并基于所述重组概率从所述重组任务方案集合中选取至少一个重组任务分配方案进行概率重组，以在概率重组后，得到目标任务方案集合；
对所述目标任务方案集合中的各个目标任务分配方案进行优先级修复，得到若干任务分配预方案，其中，任一任务分配预方案中的各个任务序列内的停车任务按照优先级从高到低的顺序进行排列；
计算每个任务分配预方案的保留权重区间，并基于各个任务分配预方案的保留权重区间，从若干任务分配预方案中选取出J个任务分配预方案，以作为第g次重组时的任务分配方案；
利用第g次重组时的任务分配方案，组成第g次重组时的任务方案集合；
所述重组结束条件包括最大重组次数；
相应的，判断所述初始任务方案集合的方案重组处理是否达到重组结束条件，则包括：
判断所述重组次数g是否达到最大重组次数；
若否，则将g自加1，以及将所述初始任务方案集合更新为所述第g次重组时的任务方案集合，并重新对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，直至重组次数g达到最大重组次数为止，其中，g的初始值为1。
4.根据权利要求3所述的方法，其特征在于，基于所述第g次重组时的步长系数和随机步长，计算出所述第j个初始任务分配方案中各个元素在第g次重组时的排列位置，包括：
对于所述第j个初始任务分配方案中的任一元素，基于第g次重组时的步长系数、第g次重组时的随机步长以及所述任一元素在所述第j个初始任务分配方案中的排列位置，并按照如下公式（4），计算出所述任一元素在第g次重组时的排列位置；
上述式（4）中，
表示所述任一元素在第g次重组时的排列位置，/>
表示所述任一元素在所述第j个初始任务分配方案中的排列位置，/>
表示第g次重组时的步长系数，/>
表示第g次重组时的随机步长；
其中，
（5）
上述式（5）中，
表示所述初始任务方案集合中方案匹配度最高的初始任务分配方案内指定元素的排列位置，且所述指定元素为匹配度最高的初始任务分配方案中与所述任一元素相同的元素。
5.根据权利要求3所述的方法，其特征在于，所述重组概率包括第一概率和第二概率，其中，基于所述重组概率从所述重组任务方案集合中选取至少一个重组任务分配方案进行概率重组，以在概率重组后，得到目标任务方案集合，包括：
基于所述第一概率，从所述重组任务方案集合中选取出至少一个重组任务分配方案，以作为目标重组任务分配方案；
按照如下公式（6），计算出任一目标重组任务分配方案中每个元素的概率重组位置；
上述式（6）中，
表示所述任一目标重组任务分配方案中第x个元素的概率重组位置，
表示所述任一目标重组任务分配方案中第x个元素的排列位置，x=1,2,...,X，X表示所述任一目标重组任务分配方案中的元素总数，/>
表示局部搜索系数，/>
表示第一目标方案中与第x个元素相同元素的排序位置，/>
表示第二目标方案中与第x个元素相同元素的排序位置，所述第一目标方案与所述第二目标方案互不相同，且分别为所述重组任务方案集合中除所述任一目标重组任务分配方案之外的一目标重组任务分配方案；
按照所述任一目标重组任务分配方案中各个元素的概率重组位置，对所述任一目标重组任务分配方案中的各个元素进行重新排列，得到所述任一目标重组任务分配方案对应的概率重组任务分配方案，并在将所有目标重组任务分配方案中的各个元素进行重新排列后，得到每个目标重组任务分配方案对应的概率重组任务分配方案；
利用若干概率重组任务分配方案，替换所述重组任务方案集合中选取出的各个重组任务分配方案，以在替换后，得到概率重组任务方案集合；
基于所述第二概率，从所述概率重组任务方案集合中选取出若干概率重组任务分配方案，以作为初始定向重组分配方案；
对于若干初始定向重组分配方案中的第z个初始定向重组分配方案，从所述第z个初始定向重组分配方案中随机选取两个元素进行位置交换，以在位置交换后，得到所述第z个初始定向重组分配方案对应的定向重组分配方案；
利用所述任务目标函数，计算出所述定向重组分配方案和所述第z个初始定向重组分配方案的方案匹配度，并判断所述定向重组分配方案的方案匹配度是否大于所述第z个初始定向重组分配方案；
若是，则利用所述定向重组分配方案替换所述概率重组任务方案集合中的所述第z个初始定向重组分配方案；
将z自加1，直至z等于Z时，完成所述概率重组任务方案集合中所有初始定向重组分配方案的替换处理，以得到所述目标任务方案集合，其中，z的初始值为1，且Z为初始定向重组分配方案的总个数。
6.根据权利要求3所述的方法，其特征在于，对所述目标任务方案集合中的各个目标任务分配方案进行优先级修复，得到若干任务分配预方案，包括：
计算各个目标任务分配方案的乱序值，其中，任一目标任务分配方案的乱序值为该任一目标任务分配方案中未按照优先级排序的停车任务的对数；
从所述目标任务方案集合中，提取出乱序值大于0的目标任务分配方案，以组成乱序任务方案集合；
对于所述乱序任务方案集合中的第q个乱序任务分配方案，初始化记忆列表和乱序值搜索集合为空，以及初始化历史最小值为无穷大；
将所述第q个乱序任务分配方案中的目标停车任务进行位置交换，得到第q个乱序任务分配方案对应的优先级修复方案，其中，所述目标停车任务为所述第q个乱序任务分配方案中未按照优先级排序的两停车任务；
将所述第q个乱序任务分配方案对应的优先级修复方案记录至优先级修复集合中；
计算所述优先级修复集合中所有优先级修复方案的目标乱序值，并将各个目标乱序值添加至所述乱序值搜索集合中；
提取出所述乱序值搜索集合中最小的目标乱序值，并判断最小的目标乱序值是否大于所述历史最小值，以及判断所述记忆列表中是否存在有目标位置交换方式，其中，所述目标位置交换方式为最小的目标乱序值所对应的优先级修复方案的位置交换方式；
若否，则将所述历史最小值更新为所述最小的目标乱序值，并将所述目标位置交换方式添加至所述记忆列表中；
判断所述历史最小值是否为0；
若否，则将所述第q个乱序任务分配方案更新为所述优先级修复集合中最小的目标乱序值所对应的优先级修复方案，并重新对所述第q个乱序任务分配方案中的目标停车任务进行位置交换，直至所述历史最小值为0时，得到所述第q个乱序任务分配方案对应的优先级修复任务分配方案；
将q自加1，并重新初始化记忆列表和乱序值搜索集合为空，以及初始化历史最小值为无穷大，直至q等于Q时，得到每个乱序任务分配方案对应的优先级修复任务分配方案，其中，q的初始值为1，且Q为所述乱序任务方案集合中乱序任务分配方案的总个数；
利用每个乱序任务分配方案对应的优先级修复任务分配方案，以及乱序值等于0的目标任务分配方案，组成若干任务分配预方案。
7.根据权利要求3所述的方法，其特征在于，计算每个任务分配预方案的保留权重区间，并基于各个任务分配预方案的保留权重区间，从若干任务分配预方案中选取出J个任务分配预方案，以作为第g次重组时的任务分配方案，包括：
利用所述任务目标函数，计算出各个任务分配预方案的方案匹配度，并基于各个任务分配预方案的方案匹配度，计算出各个任务分配预方案的保留权重；
对于若干任务分配预方案中的第k个任务分配预方案，利用所述k个任务分配预方案的保留权重和第k-1个任务分配预方案的保留权重，确定出所述第k个任务分配预方案的保留权重区间，其中，所述第k个任务分配预方案的保留权重区间的右边界为所述第k-1个任务分配预方案的保留权重，所述第k个任务分配预方案的保留权重区间的左边界为所述第k个任务分配预方案的保留权重，且第一个任务分配预方案的保留权重区间的右边界为0，k=1,2,...,K,K为任务分配预方案的总数量；
从若干任务分配预方案中提取出方案匹配度最大的任务分配预方案；
生成若干保留数，其中，所述保留数的数量为J-D，D为方案匹配度最大的任务分配预方案的个数，且任一保留数的取值区间为[0,1]；
利用若干保留数，从方案保留集合中选取出J-D个任务分配预方案，其中，所述方案保留集合中包含有若干任务分配预方案中删除方案匹配度最大的任务分配预方案后剩余的任务分配预方案，且选取出的任一任务分配预方案的保留权重区间对应有一保留数；
利用方案匹配度最大的任务分配预方案，以及选取出的J-D个任务分配预方案，组成第g次重组时的任务分配方案。
8.一种停车场的AGV任务分配装置，其特征在于，包括：
获取单元，用于获取目标停车场的任务列表以及AGV车辆集合，并基于所述任务列表和所述AGV车辆集合，生成初始任务方案集合，其中，所述初始任务方案集合包括若干初始任务分配方案，且任一初始任务分配方案包含有为所述AGV车辆集合中各个AGV车辆分配的停车任务；
函数构建单元，用于利用所述任务列表和所述AGV车辆集合，构建出任务目标函数，其中，所述任务目标函数用于表征所述目标停车场的调度总成本，且所述调度总成本包括所述目标停车场的运营成本和所述目标停车场的停车效率成本；
方案分配单元，用于对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，得到若干任务分配方案，并利用若干任务分配方案，组成任务方案集合；
匹配度计算单元，用于依据所述任务目标函数，计算出所述任务方案集合中各个任务分配方案的方案匹配度，其中，任一任务分配方案的方案匹配度越高，表征所述目标停车场基于该任一任务分配方案进行停车调度所对应的调度总成本越低；
方案分配单元，用于判断所述初始任务方案集合的方案重组处理是否达到重组结束条件；
方案分配单元，还用于在判断出所述初始任务方案集合的方案重组处理未达到重组结束条件，将所述初始任务方案集合更新为所述任务方案集合，并重新对所述初始任务方案集合中的各个初始任务分配方案进行方案重组处理，直至所述初始任务方案集合的方案重组处理达到重组结束条件时为止，以便将达到重组结束条件时所对应的任务方案集合中方案匹配度最高的任务分配方案，作为所述目标停车场中各AGV车辆的最优任务分配方案。
9.一种电子设备，其特征在于，包括：依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如权利要求1～7任意一项所述的停车场的AGV任务分配方法。
10.一种存储介质，其特征在于，所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如权利要求1～7任意一项所述的停车场的AGV任务分配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310501691.2A CN116205474B (zh) | 2023-05-06 | 2023-05-06 | 停车场的agv任务分配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310501691.2A CN116205474B (zh) | 2023-05-06 | 2023-05-06 | 停车场的agv任务分配方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116205474A true CN116205474A (zh) | 2023-06-02 |
| CN116205474B CN116205474B (zh) | 2023-07-18 |
Family
ID=86513375
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310501691.2A Active CN116205474B (zh) | 2023-05-06 | 2023-05-06 | 停车场的agv任务分配方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116205474B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109254582A (zh) * | 2018-08-27 | 2019-01-22 | 潍坊大世自动化装备有限公司 | 一种移动机器人提升任务执行效率的实现方法 |
| CN109471444A (zh) * | 2018-12-12 | 2019-03-15 | 南京理工大学 | 基于改进Dijkstra算法的停车AGV路径规划方法 |
| CN110471418A (zh) * | 2019-08-22 | 2019-11-19 | 北京交通大学 | 智能停车场中的agv调度方法 |
| WO2020147621A1 (en) * | 2019-01-14 | 2020-07-23 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for route planning |
| CN111915923A (zh) * | 2020-07-14 | 2020-11-10 | 宝胜***集成科技股份有限公司 | 一种多模态高密度的智能停车场***及存取车方法 |
| US20210200240A1 (en) * | 2019-12-31 | 2021-07-01 | Delta Electronics Int'l (Singapore) Pte Ltd | Automated guided vehicle management system and method |
| CN113177704A (zh) * | 2021-04-21 | 2021-07-27 | 北航歌尔(潍坊)智能机器人有限公司 | 自动引导车的任务分配方法、装置及计算机存储介质 |
| US20210312359A1 (en) * | 2018-08-06 | 2021-10-07 | Beijing Jingdong Shangke Information Technology Co., Ltd. | Method and device for scheduling automated guided vehicle |
| WO2021254415A1 (zh) * | 2020-06-18 | 2021-12-23 | 北京卫星制造厂有限公司 | 一种基于时间窗的agv智能调度方法 |
| CN113870602A (zh) * | 2021-09-28 | 2021-12-31 | 湖南大学 | 一种多agv泊车调度的方法和*** |
| CN114240076A (zh) * | 2021-11-26 | 2022-03-25 | 成都睿芯行科技有限公司 | 一种基于改进粒子群算法的多agv任务分配方法 |
| CN114707707A (zh) * | 2022-03-18 | 2022-07-05 | 杭州电子科技大学 | 一种基于改进的遗传算法对agv任务调度的方法及*** |
| CN115981264A (zh) * | 2023-02-28 | 2023-04-18 | 上海交通大学 | 一种考虑冲突的agv调度与数量联合优化方法 |
-
2023
- 2023-05-06 CN CN202310501691.2A patent/CN116205474B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210312359A1 (en) * | 2018-08-06 | 2021-10-07 | Beijing Jingdong Shangke Information Technology Co., Ltd. | Method and device for scheduling automated guided vehicle |
| CN109254582A (zh) * | 2018-08-27 | 2019-01-22 | 潍坊大世自动化装备有限公司 | 一种移动机器人提升任务执行效率的实现方法 |
| CN109471444A (zh) * | 2018-12-12 | 2019-03-15 | 南京理工大学 | 基于改进Dijkstra算法的停车AGV路径规划方法 |
| WO2020147621A1 (en) * | 2019-01-14 | 2020-07-23 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for route planning |
| CN110471418A (zh) * | 2019-08-22 | 2019-11-19 | 北京交通大学 | 智能停车场中的agv调度方法 |
| US20210200240A1 (en) * | 2019-12-31 | 2021-07-01 | Delta Electronics Int'l (Singapore) Pte Ltd | Automated guided vehicle management system and method |
| WO2021254415A1 (zh) * | 2020-06-18 | 2021-12-23 | 北京卫星制造厂有限公司 | 一种基于时间窗的agv智能调度方法 |
| CN111915923A (zh) * | 2020-07-14 | 2020-11-10 | 宝胜***集成科技股份有限公司 | 一种多模态高密度的智能停车场***及存取车方法 |
| CN113177704A (zh) * | 2021-04-21 | 2021-07-27 | 北航歌尔(潍坊)智能机器人有限公司 | 自动引导车的任务分配方法、装置及计算机存储介质 |
| CN113870602A (zh) * | 2021-09-28 | 2021-12-31 | 湖南大学 | 一种多agv泊车调度的方法和*** |
| CN114240076A (zh) * | 2021-11-26 | 2022-03-25 | 成都睿芯行科技有限公司 | 一种基于改进粒子群算法的多agv任务分配方法 |
| CN114707707A (zh) * | 2022-03-18 | 2022-07-05 | 杭州电子科技大学 | 一种基于改进的遗传算法对agv任务调度的方法及*** |
| CN115981264A (zh) * | 2023-02-28 | 2023-04-18 | 上海交通大学 | 一种考虑冲突的agv调度与数量联合优化方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孟冲等: "基于多种群遗传算法的多AGV调度", 电子科技, no. 11, pages 51 - 54 * |
| 郭洪月;王元新;孙晨曦;: "自动泊车***中AGV路径规划及碰撞规避问题分析", 装备制造技术, no. 04, pages 264 - 267 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116205474B (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108846623B (zh) | 基于多目标蚁群算法的整车物流调度方法及装置、存储介质、终端 | |
| CN110632907B (zh) | 一种分布式装配式置换流水车间调度优化方法及*** | |
| CN104268722B (zh) | 基于多目标进化算法的动态柔性作业车间调度方法 | |
| Shahvari et al. | Hybrid flow shop batching and scheduling with a bi-criteria objective | |
| Zhong et al. | Territory planning and vehicle dispatching with driver learning | |
| CN109214756B (zh) | 整车物流调度方法及装置、存储介质、终端 | |
| CN112561194B (zh) | 一种混合流水车间生产与物流集成调度方法及*** | |
| CN109039428B (zh) | 基于冲突消解的中继卫星单址天线调度随机搜索方法 | |
| CN111400868B (zh) | 带订单和机器人搬运的分布式车间调度优化方法及*** | |
| CN109345091A (zh) | 基于蚁群算法的整车物流调度方法及装置、存储介质、终端 | |
| CN113128839B (zh) | 面向高端装备分布式制造与多模式运输的协同调度方法 | |
| CN111461402B (zh) | 物流排程优化方法及装置、计算机可读存储介质、终端 | |
| CN111353646B (zh) | 带切换时间的炼钢柔性调度优化方法、***、介质及设备 | |
| Poppenborg et al. | Online scheduling of flexible job-shops with blocking and transportation | |
| CN110674978A (zh) | 一种车间无人运输***任务分配与路径规划方法 | |
| CN111860957B (zh) | 一种考虑二次配送和平衡用时的多车型车辆路径规划方法 | |
| CN115730799A (zh) | 一种柔性装配作业车间生产任务调度方法、***及设备 | |
| CN113361813A (zh) | 一种圆晶设备排产***优化调度方法 | |
| Rifai et al. | Reentrant FMS scheduling in loop layout with consideration of multi loading-unloading stations and shortcuts | |
| CN114819316A (zh) | 一种面向多智能体任务规划的复杂优化方法 | |
| CN112241177B (zh) | 基于时间线状态路标的启发式航天器任务规划方法 | |
| CN116205474B (zh) | 停车场的agv任务分配方法、装置、电子设备及存储介质 | |
| CN116679636A (zh) | 一种物流搬运机器人任务调度***及方法 | |
| CN114415615B (zh) | 不确定需求下混流装配线平衡分配方法及装置 | |
| CN114707707A (zh) | 一种基于改进的遗传算法对agv任务调度的方法及*** |
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 |