本申請屬于導(dǎo)航調(diào)度，具體為一種基于改進(jìn)rrt算法的航材立體倉庫堆垛機(jī)與agv集群調(diào)度方法。

背景技術(shù)：

1、隨著中國航空工業(yè)的持續(xù)進(jìn)步，新型飛機(jī)及其所需的配套航材備件數(shù)量不斷增加，這為航材管理帶來了新的挑戰(zhàn)。倉儲管理作為航材管理的關(guān)鍵環(huán)節(jié)，其發(fā)展水平直接關(guān)系到整個航材管理的效率和效果。在航材立體倉庫中堆垛起重機(jī)(堆垛機(jī))和自動引導(dǎo)車(agv)的增加不斷提升倉儲管理效率與精準(zhǔn)度，能夠?qū)崿F(xiàn)快速入庫、出庫、盤點及分揀，大幅減少了人工操作失誤和勞動成本。由于遺傳算法、蟻群算法和粒子群算法等啟發(fā)式方法因其快速的計算速度和對問題條件的低要求而受到青睞，這些算法在自動引導(dǎo)車路徑規(guī)劃問題上取得了一定的成果。

2、但是，由于航空器材在參數(shù)、價值、尺寸、消耗屬性、重要性、服務(wù)上都各不相同等特點，在完成訂單任務(wù)時存在較多約束，尋常算法當(dāng)面臨具有多重約束條件的堆垛機(jī)和agv調(diào)度問題時，這些傳統(tǒng)算法的表現(xiàn)并不盡如人意。它們在隨機(jī)搜索過程中容易達(dá)到局部最優(yōu)解，并且在處理航材立體倉庫訂單的多維約束時顯得力不從心，難以實現(xiàn)堆垛機(jī)與agv任務(wù)的高效調(diào)度和動態(tài)路徑的自主規(guī)劃。

3、在這種背景下，面臨著一個迫切需要解決的問題：如何在堆垛機(jī)和agv的復(fù)雜環(huán)境中有效減少路徑成本、避免局部擁堵，并最大化航材立體倉庫的整體管理能力，需要開發(fā)更為先進(jìn)的算法，以應(yīng)對這些挑戰(zhàn)并優(yōu)化物流調(diào)度過程。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)存在的上述問題，本申請申請?zhí)峁┮环N基于改進(jìn)rrt算法的航材立體倉庫堆垛機(jī)與agv集群調(diào)度方法，以最小化路徑成本及節(jié)點花費時間最小為目標(biāo)建立集群調(diào)度模型，基于改進(jìn)算法進(jìn)行任務(wù)指派、排序和融合改進(jìn)路徑，使agv運輸路徑取得最優(yōu)。

2、為實現(xiàn)上述目的，本申請采用如下技術(shù)方案：一種基于改進(jìn)rrt算法的航材立體倉庫堆垛機(jī)與agv集群調(diào)度方法，包括：

3、首先，獲取當(dāng)前訂單和當(dāng)前庫存情況；

4、其次，構(gòu)建以最小時間成本和最優(yōu)路徑規(guī)劃為目標(biāo)函數(shù)的堆垛機(jī)與agv集群調(diào)度模型和緩沖區(qū)域調(diào)度模型；

5、再次，根據(jù)改進(jìn)火鷹優(yōu)化算法和目標(biāo)編碼解碼方法對堆垛機(jī)與agv集群調(diào)度模型和緩沖區(qū)域調(diào)度模型求解，獲得最優(yōu)分配方案和可視化調(diào)度路徑；

6、最后，基于改進(jìn)快速隨機(jī)樹算法優(yōu)化可視化調(diào)度路徑，得到agv最優(yōu)運輸路徑。

7、其中，根據(jù)改進(jìn)火鷹優(yōu)化算法和目標(biāo)編碼解碼方法對堆垛機(jī)與agv集群調(diào)度模型和緩沖區(qū)域調(diào)度模型求解包括：

8、獲取目標(biāo)時間內(nèi)的訂單數(shù)據(jù)流和當(dāng)前庫存情況，基于火鷹優(yōu)化算法生成初始分配方案和初始調(diào)度方案；

9、基于改進(jìn)火鷹優(yōu)化算法優(yōu)化生產(chǎn)集群調(diào)度方案，計算得到集群調(diào)度方案的初步最優(yōu)方案和待優(yōu)化方案；

10、基于目標(biāo)編碼解碼方法重構(gòu)待優(yōu)化方案，重復(fù)上述步驟，直到達(dá)到最大迭代次數(shù)；

11、得到最優(yōu)分配方案和可視化調(diào)度路徑。

12、其中，目標(biāo)編碼解碼方法是基于訂單—堆垛機(jī)—緩沖區(qū)—agv的編碼解碼方法，編碼解碼方法包括：

13、以訂單貨物種類數(shù)量為問題維度，堆垛機(jī)和agv數(shù)量為變量，分配訂單生成初始訂單分配群體；

14、通過更新不同訂單和堆垛機(jī)編號與agv編號之間的映射關(guān)系，實現(xiàn)訂單—堆垛機(jī)—緩沖區(qū)—agv之間的優(yōu)化組合。

15、其中，編碼解碼方法引入交叉策略和突變策略，交叉策略基于單點、多點、均勻、順序、部分映射和循環(huán)方式結(jié)合父代編碼優(yōu)勢，生成具有潛在更優(yōu)性能的子代編碼；突變策略通過調(diào)整單個agv或堆垛機(jī)的任務(wù)順序、交換兩個任務(wù)的位置、隨機(jī)插入或刪除任務(wù)增加解的多樣性。

16、其中，改進(jìn)快速隨機(jī)樹算法基于貝塞爾基函數(shù)和高斯精英變異策略優(yōu)化快速隨機(jī)樹算法的路徑規(guī)劃。

17、其中，基于改進(jìn)快速隨機(jī)樹算法優(yōu)化可視化調(diào)度路徑包括：

18、基于agv運輸區(qū)域的坐標(biāo)值生成初始化樹與起始點，基于起始點和目標(biāo)點生成初始路徑；

19、通過貝塞爾基函數(shù)優(yōu)化初始路徑并進(jìn)行路徑驗證；

20、如果路徑不可行，基于高斯精英變異策略更新初始化樹；

21、基于更新樹尋找路徑直至所有路徑都可行，輸出agv最優(yōu)運輸路徑。

22、其中，改進(jìn)火鷹優(yōu)化算法基于火鷹優(yōu)化算法引入混沌映射策略、螺旋搜索策略和正態(tài)云變異策略。

23、其中，堆垛機(jī)與agv集群調(diào)度模型包括上層堆垛機(jī)訂單分配模型和下層agv配送路徑規(guī)劃模型。

24、本申請的有益效果：

25、本申請?zhí)峁┝艘环N基于改進(jìn)rrt算法的航材立體倉庫堆垛機(jī)與agv集群調(diào)度方法，均衡各區(qū)域和各agv之間的工作量，搜索最優(yōu)路徑并解決agv無法準(zhǔn)確避障問題，減少路徑成本、避免局部擁堵，為智能倉儲中心的堆垛機(jī)與agv集群調(diào)度問題提供了一種全新的解決方案，實現(xiàn)整體工作效率的提高，有效提升智能倉儲中心的自動化和一體化水平，并實現(xiàn)堆垛機(jī)和agv的高效運輸與協(xié)同作業(yè)，最大化航材立體倉庫的整體管理能力。

技術(shù)特征：

1.一種基于改進(jìn)rrt算法的航材立體倉庫堆垛機(jī)與agv集群調(diào)度方法，其特征在于，包括：

2.如權(quán)利要求1所述的基于改進(jìn)rrt算法的航材立體倉庫堆垛機(jī)與agv集群調(diào)度方法，其特征在于，所述根據(jù)改進(jìn)火鷹優(yōu)化算法和目標(biāo)編碼解碼方法對所述堆垛機(jī)與agv集群調(diào)度模型和所述緩沖區(qū)域調(diào)度模型求解包括：

3.如權(quán)利要求1所述的基于改進(jìn)rrt算法的航材立體倉庫堆垛機(jī)與agv集群調(diào)度方法，其特征在于，所述目標(biāo)編碼解碼方法是基于訂單—堆垛機(jī)—緩沖區(qū)—agv的編碼解碼方法，所述編碼解碼方法包括：

4.如權(quán)利要求1所述的基于改進(jìn)rrt算法的航材立體倉庫堆垛機(jī)與agv集群調(diào)度方法，其特征在于，所述編碼解碼方法引入交叉策略和突變策略，所述交叉策略基于單點、多點、均勻、順序、部分映射和循環(huán)方式結(jié)合父代編碼優(yōu)勢，生成具有潛在更優(yōu)性能的子代編碼；所述突變策略通過調(diào)整單個agv或堆垛機(jī)的任務(wù)順序、交換兩個任務(wù)的位置、隨機(jī)插入或刪除任務(wù)增加解的多樣性。

5.如權(quán)利要求1所述的基于改進(jìn)rrt算法的航材立體倉庫堆垛機(jī)與agv集群調(diào)度方法，其特征在于，所述改進(jìn)快速隨機(jī)樹算法基于貝塞爾基函數(shù)和高斯精英變異策略優(yōu)化快速隨機(jī)樹算法的路徑規(guī)劃。

6.如權(quán)利要求5所述的基于改進(jìn)rrt算法的航材立體倉庫堆垛機(jī)與agv集群調(diào)度方法，其特征在于，所述基于改進(jìn)快速隨機(jī)樹算法優(yōu)化所述可視化調(diào)度路徑包括：

7.如權(quán)利要求1所述的基于改進(jìn)rrt算法的航材立體倉庫堆垛機(jī)與agv集群調(diào)度方法，其特征在于，所述改進(jìn)火鷹優(yōu)化算法基于火鷹優(yōu)化算法引入混沌映射策略、螺旋搜索策略和正態(tài)云變異策略。

8.如權(quán)利要求1所述的基于改進(jìn)rrt算法的航材立體倉庫堆垛機(jī)與agv集群調(diào)度方法，其特征在于，所述堆垛機(jī)與agv集群調(diào)度模型包括上層堆垛機(jī)訂單分配模型和下層agv配送路徑規(guī)劃模型。

技術(shù)總結(jié)
本申請公開了一種基于改進(jìn)RRT算法的航材立體倉庫堆垛機(jī)與AGV集群調(diào)度方法，包括獲取當(dāng)前訂單和當(dāng)前庫存情況；構(gòu)建以最小時間成本和最優(yōu)路徑規(guī)劃為目標(biāo)函數(shù)的堆垛機(jī)與AGV集群調(diào)度模型和緩沖區(qū)域調(diào)度模型；根據(jù)改進(jìn)火鷹優(yōu)化算法和目標(biāo)編碼解碼方法對堆垛機(jī)與AGV集群調(diào)度模型和緩沖區(qū)域調(diào)度模型求解，獲得最優(yōu)分配方案和可視化調(diào)度路徑；基于改進(jìn)快速隨機(jī)樹算法優(yōu)化可視化調(diào)度路徑，得到AGV最優(yōu)運輸路徑。方法均衡各區(qū)域和各AGV之間的工作量，搜索最優(yōu)路徑并解決AGV無法準(zhǔn)確避障問題，減少路徑成本、避免局部擁堵，為智能倉儲中心的堆垛機(jī)與AGV集群調(diào)度問題提供了一種全新的解決方案，實現(xiàn)整體工作效率的提高，最大化航材立體倉庫的整體管理能力。

技術(shù)研發(fā)人員：潘楠,李偉,石昆,朱志杰,吳佳瑜,殷實,肖仁鑫,陳貴升,賈現(xiàn)廣,呂英英,梁巍杰,陳希亮,韓偉,胡谞,何亮
受保護(hù)的技術(shù)使用者：昆明理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/4