System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种用于AGV导向路径与装卸点的联合优化方法技术_技高网
当前位置: 首页 > 专利查询>湘南学院专利>正文

一种用于AGV导向路径与装卸点的联合优化方法技术

技术编号:43561184 阅读:3 留言:0更新日期:2024-12-06 17:33
一种用于AGV导向路径与装卸点的联合优化方法,包括如下步骤:S100、在已知系统中设施布局和单元间的物流量的前提下,存在一个无向路径网络,每个工作单元有对应的多个可选点能作为装卸点;需要对每个单元装卸点的位置和每条导向路径的方向进行确定,以AGV负载距离和空载距离所形成的总运输距离最小化为目标,构建优化导向路径与装卸点位置的数学模型;S200、通过改进遗传算法对数学模型进行求解;S300、将步骤S200中得到的AGV装卸点的位置数据带入到简约的变量邻域搜索算法中,以实现同时包含AGV负载距离和空载距离的总运输距离最小化为目的求得AGV导向路径。

【技术实现步骤摘要】

本专利技术涉及agv应用,特别是一种用于agv导向路径与装卸点的联合优化方法。


技术介绍

1、在智能物料储运系统中,物料的搬运所需成本在生产总成本中占据着较大比例,并且影响者生产流程和设施规划的效率,而agv的使用可以极大的减少搬运所需的成本且提高搬运效率。然而,装卸点的位置决定了agv搬运中的起点和终点,路径网络中每条路径的方向决定了agv每次搬运的移动路径,这两个因素都会决定agv的搬运距离,从而影响搬运效率。因此,将路径方向与装卸点位置做联合优化,对agv搬运效率的提高将胜过对两者其一单方面进行优化。


技术实现思路

1、针对上述缺陷,本专利技术的目的在于提出一种用于agv导向路径与装卸点的联合优化方法,该方法对agv搬运效率的提高将胜过对两者其一单方面进行优化。

2、为达此目的,本专利技术采用以下技术方案:

3、一种用于agv导向路径与装卸点的联合优化方法,包括如下步骤:

4、s100、在已知系统中设施布局和单元间的物流量的前提下,存在一个无向路径网络,每个工作单元有对应的多个可选点能作为装卸点;需要对每个单元装卸点的位置和每条导向路径的方向进行确定,以agv负载距离和空载距离所形成的总运输距离最小化为目标,构建优化导向路径与装卸点位置的数学模型;

5、s200、通过改进遗传算法对数学模型进行求解,以实现agv的实现同时包含agv负载距离和空载距离的总运输距离最小化为目的求得agv装卸点的位置数据;

6、s300、将步骤s200中得到的agv装卸点的位置数据带入到简约的变量邻域搜索算法中,以实现同时包含agv负载距离和空载距离的总运输距离最小化为目的求得agv导向路径。

7、较佳地,步骤s100中的数学模型如下所示:

8、agv运输容量无上限;

9、每个单元有唯一上料口和下料口,且位置已知;

10、agv的运输路径均为最短路径;

11、不考虑agv是否会出现堵塞的情况;

12、其中,pn为上料口,n∈[1,n];dn为下料口,n∈[1,n];e(i,j)为从顶点i到顶点j的车道;tij为车道方向;hij为车道长度;fbd为从下料口db到上料口pd的搬运次数;gdb为从上料口pd到下料口db的空载次数;lij为从顶点i到顶点j的最短路径;为车道e(i,j)是否位于下料口db到上料口pd的搬运路线上;车道e(i,j)是否位于上料口pd到下料口db的空载路线上;为第n单元的上料口在车道e(i,j)上;为第n单元的下料口在车道e(i,j)上;qbd为单元b与单元d之间的负载流量矩阵;为单元b与单元d之间的空载流量矩阵;

13、该问题数学模型如下:

14、

15、

16、tij+tji=1#                                              式(4.12

17、∑i∈stij≥1#                                               式(4.13

18、∑j∈stij≥1#                                               式(4.14

19、

20、∑d∈nfbd=∑d∈ngdb#式(4.17

21、

22、公式(4.1)为这个数学规划模型的主要目标,优化目标是使agv的运行总路程最短,其中包括负载行程和空载行程两部分

23、约束式(4.2)和(4.3)保证了在选择路线后,所选路线的长度等同于空载距离;换而言之,无论是从上料口pb出发,经过相应下料口dd后再返回上料口pb的路径,或者是从下料口dd出发,经过上料口pb后再返回下料口dd的路径,都与选择的路径长度相等;

24、约束(4.4)和(4.5)保证进出上料口pb的车道数量都分别只有一条;同样的,约束(4.6)和(4.7)也是为了保证进出下料口dd的车道数量都分别只有一条;

25、约束(4.8)和(4.9)的作用是保证所有顶点(除装卸点外)的流量平衡;也就是说,自动引导车agv进入和离开某一非装卸点顶点的次数必须相等;

26、约束(4.10)和(4.11)确保无论是搬运阶段还是空载返回阶段,车道都不会被重复使用;

27、约束(4.12)是为了确保每条车道只有一个方向;

28、约束(4.13)和(4.14)是为了确保针对顶点集中的所有顶点,都存在一条起始于该顶点、也终止于该顶点的路径,以确保该导向路径网络是属于强连通的;

29、约束(4.15)和(4.16)确保装卸点在运载路线和空载路线上;

30、约束(4.17)和(4.18)是为了确保agv的物流平衡,即它的搬运次数和空载次数应该相等;

31、约束(4.19)和(4.20)确保每一个单元分别只有一个相应的上料口和下料口;

32、约束(4.21)规定了所有变量的范围,即所有变量均为0-1变量,只能取0或1,tij为已知常量,即代表路径网络中每条导向路径的方向。

33、较佳地,步骤s200具体为:

34、s210、种群初始化,采用以点代边的元组编码作为编码方式,并采用一种基于无向图的方式生成初始解;

35、s220、计算初始解的适应度,该函数对个体的目标函数值通过线性尺度变换来计算对应的适应度,经过线性变换后,原适应度高的少数个体的适应度等比例缩小,同时适应度较差的个体的适应度等比例扩大,从而有利于种群的多样性;

36、s230、选择操作,遗传算法采用了精英保留锦标赛选择,从一定数量的个体中随机选择,然后选择适应度最好的个体作为父代;

37、s240、交叉操作,在遗传算法的交叉操作环节,采用的是加入修正去重的部分匹配交叉,避免进行交叉操作的两条染色体在不同单元上的基因存在重复;

38、s250、变异操作,采用的是单个基因变异;首先会遍历每条染色体,每次生成一个随机数,若随机数大于变异概率,则不会进行变异;否则,则进行下一步:随机选择个体上的一条基因进行变异,从对应的单元可选位置中选择一个不存在于个体中的位置作为替换。

39、进一步地,步骤s300具体为;简约的变量邻域搜索算法:对于两个强连通有向图d和d’,若d和d’具有相同的底图g,则通过反转路、圈两个动作,便能将d转换成d’;利用算法获取有向图d的所有循环,生成循环邻域,搜索确定相应的路径导向。

40、进一步地,rvns算法流程为:

41、input:(kmax,可行解ε);

42、output:局部最优解βbest;

43、1:εbest:=β,k:=1;

44、2:while k≤kmaxdo;

45、3:ifk=1then;<本文档来自技高网...

【技术保护点】

1.一种用于AGV导向路径与装卸点的联合优化方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的用于AGV导向路径与装卸点的联合优化方法,其特征在于,步骤S100中的数学模型如下所示:

3.根据权利要求1所述的用于AGV导向路径与装卸点的联合优化方法,其特征在于,步骤S200具体为:

4.根据权利要求1所述的用于AGV导向路径与装卸点的联合优化方法,其特征在于,步骤S300具体为;简约的变量邻域搜索算法:对于两个强连通有向图D和D’,若D和D’具有相同的底图G,则通过反转路、圈两个动作,便能将D转换成D’;利用算法获取有向图D的所有循环,生成循环邻域,搜索确定相应的路径导向。

5.根据权利要求4所述的用于AGV导向路径与装卸点的联合优化方法,其特征在于,RVNS算法流程为:

6.根据权利要求3所述的用于AGV导向路径与装卸点的联合优化方法,其特征在于,步骤S210中,将车间布局转换成一个无向图,用无向图的边表示单元间是否具有公共边界,这些边界都是可以作为装卸点位置;

7.根据权利要求3所述的用于AGV导向路径与装卸点的联合优化方法,其特征在于,步骤S220中,计算公式为:

8.根据权利要求3所述的用于AGV导向路径与装卸点的联合优化方法,其特征在于,精英保留锦标赛选择结合了精英保留策略和锦标赛选择策略,具体操作如下:

...

【技术特征摘要】

1.一种用于agv导向路径与装卸点的联合优化方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的用于agv导向路径与装卸点的联合优化方法,其特征在于,步骤s100中的数学模型如下所示:

3.根据权利要求1所述的用于agv导向路径与装卸点的联合优化方法,其特征在于,步骤s200具体为:

4.根据权利要求1所述的用于agv导向路径与装卸点的联合优化方法,其特征在于,步骤s300具体为;简约的变量邻域搜索算法:对于两个强连通有向图d和d’,若d和d’具有相同的底图g,则通过反转路、圈两个动作,便能将d转换成d’;利用算法获取有向图d的所有循环,生成循环邻域,搜索确定相应...

【专利技术属性】
技术研发人员:廖勇廖芳芳彭乘风李翔林安平卿前缘王润东邓文辉刘涛
申请(专利权)人:湘南学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1