紧致密集Auto Store系统AGV路径规划与避碰策略

针对新兴紧致密集仓储系统Auto Store具有短途挪库作业多、顶层AGV冲突多、货架结构性角落多等特点,提出一种离线-在线两阶段AGV优化调度方法。离线路径规划阶段,给出改进双层A*算法,在拓扑图建模划分搜索区域基础上,上层通过考虑冲突的启发式函数和考虑转弯的代价函数寻求可行区域,下层在此区域基础上搜索最优路径。在线AGV运行阶段,针对两AGV冲突,扩充了回退策略和路线重规划策略;针对多AGV冲突,提出一种基于贪心算法的区域避碰决策策略,以控制问题规模。最后利用Flexsim仿真进行了验证,结果表明,较于标准A*算法,改进A*算法能在保证搜索效率的同时获得冲突较少的初始路径方案;较于优先级策略,区域避碰策略能减少AGV等待时间;将二者相结合,能缩短整体作业完成时间,且随着AGV数量和作业任务增多,优势越明显。     

仓储式多AGV系统的路径规划研究及仿真

对于自动导引车（Automated Guided Vehicle,AGV）的单机路径规划问题,已存在很多静态算法可以有效求解。但由于AGV间抢占系统资源的相互影响和制约,多AGV的协同作业会出现死锁、碰撞冲突等问题,静态路径规划算法无法满足实时动态作业的系统需求。智能仓储系统中,多AGV动态路径规划的核心问题不再仅是单AGV快速求解最优路径,而在于多AGV的冲突避免或解决,达到整体协调最优。拟采用两种思路解决上诉问题：一种方案是对最有效的静态算法进行改进,并引入动态机制和冲突解决策略以满足作业需求;另一种方案提出一种具备多步前瞻性的主动避障算法,优化路径并提前避开交通拥堵路段,减少冲突可能性和重新寻路代价。实验结果表明两种算法都具有良好的鲁棒性,可有效解决冲突,且后者可持续扩展AGV数量,具有更高的系统效率。     

高密集度AGV快递包裹分拣系统的路径规划

基于自动引导小车（AGV）的快递包裹自动分拣系统是智能物流的研究热点,路径规划是其关键问题之一.在快递包裹分拣系统中,AGV具有高密集性和车辆数量较大的特点,这种情况极易造成AGV拥堵,使得整个系统的性能降低.针对此问题本文提出可避免拥挤的CAA^*（Congestion-avoidable A^*）算法,该算法以A^*算法为基础,引入动态属性节点,建立动态环境模型,对各个节点可能发生的拥挤情况进行预测,判断是否存在潜在的拥挤节点,在路径规划过程中绕过潜在的拥堵节点,避免发生拥堵现象.实验结果表明,本文所提的CAA^*路径规划方法在具有高密集度和较大规模的AGV场景中,能有效避免拥堵,从而提高场地AGV的密集度和系统的分拣效率.对实际应用场地的仿真表明,本文的算法比传统的A^*算法AGV密集度提高了28.57%,系统分拣效率提高了24.29%.     

基于动态优先级策略的多AGV无冲突路径规划

自动导引运输车(AGV)路径规划影响柔性制造车间的高效、平稳生产.分析了多AGV在车间执行运输任务时常见的冲突类型,提出了一种基于动态优先级策略的多AGV无冲突路径规划方法.该方法通过时间窗检测冲突类型,并将等待时间、行驶距离、任务紧急程度作为量化动态优先级的考虑因素,进而利用动态优先级作为等待、二次路径规划两种冲突消减方法的选择依据.案例研究表明,在已知各AGV可行路径时,运用所提方法不仅能够实现多AGV的无冲突路径规划,而且能够提升多AGV完成运输任务的整体效率.     

基于动态优先级策略的多AGV无冲突路径规划

自动导引运输车(AGV)路径规划影响柔性制造车间的高效、平稳生产.分析了多AGV在车间执行运输任务时常见的冲突类型,提出了一种基于动态优先级策略的多AGV无冲突路径规划方法.该方法通过时间窗检测冲突类型,并将等待时间、行驶距离、任务紧急程度作为量化动态优先级的考虑因素,进而利用动态优先级作为等待、二次路径规划两种冲突消减方法的选择依据.案例研究表明,在已知各AGV可行路径时,运用所提方法不仅能够实现多AGV的无冲突路径规划,而且能够提升多AGV完成运输任务的整体效率.     

一种仓储AGV路径规划最优策略方法的实现

路径规划是自动导引车系统(AGVS)路径管理系统的关键技术,主要用来规划智能仓储中单台或多台自动导引车(AGV)的作业路径.研究并检验了一种基于迪杰斯特拉算法的堆优化路径规划策略方法,通过仓库多台AGV路径规划案例,表明可以实现最优的单车及多车路径规划策略,缩短了车辆在仓库中的作业时间,提高了AGV的使用效率.     

多AGV路径规划方法研究

针对多自动导引车(Automated Guided Vehicle,AGV)在仓储物流中的路径规划问题,提出一种基于时间窗模型的动态路径规划方法,以实现多AGV的动态路径规划。首先,利用A*算法启发式地为多个AGV规划路径;其次,计算AGV经过路径节点的时间,通过对时间窗的排布和更新解决了多AGV在路径规划中的碰撞冲突问题,而且通过动态地为多AGV分配优先级,提升了系统效率;最后,当路径中出现障碍物时,通过动态更改道路权重,重新进行路径规划,实现了实时避障。仿真实验结果表明,该算法在保证路径最优的条件下能有效避免碰撞冲突,完成无重复、无冲突的系统调度,不仅能提高系统效率,而且在动态环境下具有良好的适应性和鲁棒性。     

大规模AGV的改进时间窗路径规划

在机器人路径规划中,A*算法搜索路径时存在大量冗余节点,随着任务量增加,其搜索效率也会急剧下降,因此无法适应大规模任务下的路径规划。为此提出一种改进时间窗的有界次优A*算法用于求解大规模自动导引车（automatic guided vehicle,AGV）路径规划问题。算法使用时间启发式,并在搜索过程中采用时空搜索,规划无冲突的最优或次优路径。算法主要进行了三处改进：采用时间启发式,缩短了路径时间;采用动态时间窗算法,避免多次路径规划;优化了聚焦搜索算子,降低负反馈。通过MATLAB实验结果证明改进后的算法在进行多机器人路径规划时,能快速有效地规划出无冲突的平滑次优路径,搜索效率高,稳定性强。     

基于多智能体强化学习的多AGV路径规划方法

AGV(automated guided vehicle)路径规划问题已成为货物运输、快递分拣等领域中一项关键技术问题。由于在此类场景中需要较多的AGV合作完成,传统的规划模型难以协调多AGV之间的相互作用,采用分而治之的思想或许能获得系统的最优性能。基于此,该文提出一种最大回报频率的多智能体独立强化学习MRF(maximum reward frequency)Q-learning算法,对任务调度和路径规划同时进行优化。在学习阶段AGV不需要知道其他AGV的动作,减轻了联合动作引起的维数灾问题。采用Boltzmann与ε-greedy结合策略,避免收敛到较差路径,另外算法提出采用获得全局最大累积回报的频率作用于Q值更新公式,最大化多AGV的全局累积回报。仿真实验表明,该算法能够收敛到最优解,以最短的时间步长完成路径规划任务。     

基于时间窗的改进两阶段AGV路径规划研究

针对自动导引车(AGV)在仓储物流搬运系统中的路径冲突问题,提出了一种基于时间窗的改进两阶段动态路径规划方法.对原有两阶段路径规划方法进行改进,在离线情况下,将时间窗原理和Di-jkstra算法相结合,顺序规划出各个AGV的路径,采用改变AGV优先级的方法在线进行路径动态规划.通过仿真实验证明了改进后算法可以减少冲突的概率,有效地避免了AGV之间的碰撞,不仅具有很好的鲁棒性和柔性,而且可以提高系统效率.     

基于视觉引导多AGV系统的改进A*路径规划算法

研究基于视觉引导自动引导车(AGV)的改进A*路径规划算法.首先,设计一种包含导航、定位和任务信息的图形编码标志方法,AGV通过识别位于车身前方网格型路径中有序排布的编码标志进行快速定位和下一位置预判,为多AGV规划奠定基础;其次,根据网格型路径构成的动态随机网络,提出一种改进A*算法,将AGV在运动时产生的动态时间耗费作为参考指标,以实现多AGV在路径网络中的路径规划和冲突避让策略,提高固定路网资源的利用效率;最后,对多AGV在网格型路径中协同工作的场景进行仿真,实验结果表明,所提出的改进算法可以有效应用于多AGV系统,并且提升整体系统的工作效率.     

Flow-shop path planning for multi-automated guided vehicles in intelligent textile spinning cyber-physical production systems dynamic environment

Aiming at the path planning and decision-making problem, multi-automated guided vehicles (AGVs) have played an increasingly important role in the multi-stage industries, e.g., textile spinning. We recast a framework to investigate the improved genetic algorithm (GA) on multi-AGV path optimization within spinning drawing frames to solve the complex multi-AGV maneuvering scheduling decision and path planning problem. The study reported in this paper simplifies the scheduling model to meet the drawing workshop's real-time application requirements. According to the characteristics of decision variables, the model divides into two decision variables: time-independent variables and time-dependent variables. The first step is to use a GA to solve the AGV resource allocation problem based on the AGV resource pool strategy and specify the sliver can's transportation task. The second step is to determine the AGV transportation scheduling problem based on the sliver can-AGV matching information obtained in the first step. One significant advantage of the presented approach is that the fitness function is calculated based on the machine selection strategy, AGV resource pool strategy, and the process constraints, determining the scheduling sequence of the AGVs to deliver can. Moreover, it discovered that double-path decision-making constraints minimize the total path distance of all AGVs, and minimizing single-path distances of each AGVs exerted. By using the improved GA, simulation results show that the total path distance was shortened.     

基于改进CBS算法的自动化码头多AGV无冲突路径规划

针对自动化集装箱码头上自动引导车（automated guided vehicle,AGV）数量增加导致冲突更频繁。提出一种改进的基于冲突的搜索（conflict based search,CBS）算法。底层采用基于曼哈顿距离的A*算法,上层结合二叉树原理建立冲突树对AGV之间的冲突进行规避。以最小化AGV在岸桥和堆场之间的总路径长度为目标,使用栅格法建立AGV路网模型。考虑AGV之间的点冲突与边冲突,将自动化码头多AGV无冲突路径规划问题规约为多智能体寻径问题。实验结果表明,所提出的算法在保证堵塞率为0%的前提下,缩短总路径长度并提高运算速度,验证算法的有效性。     

Dynamic Scheduling and Path Planning of Automated Guided Vehicles in Automatic Container Terminal

The uninterrupted operation of the quay crane (QC) ensures that the large container ship can depart port within laytime, which effectively reduces the handling cost for the container terminal and ship owners. The QC waiting caused by automated guided vehicles (AGVs) delay in the uncertain environment can be alleviated by dynamic scheduling optimization. A dynamic scheduling process is introduced in this paper to solve the AGV scheduling and path planning problems, in which the scheduling scheme determines the starting and ending nodes of paths, and the choice of paths between nodes affects the scheduling of subsequent AGVs. This work proposes a two-stage mixed integer optimization model to minimize the transportation cost of AGVs under the constraint of laytime. A dynamic optimization algorithm, including the improved rule-based heuristic algorithm and the integration of the Dijkstra algorithm and the Q-Learning algorithm, is designed to solve the optimal AGV scheduling and path schemes. A new conflict avoidance strategy based on graph theory is also proposed to reduce the probability of path conflicts between AGVs. Numerical experiments are conducted to demonstrate the effectiveness of the proposed model and algorithm over existing methods.      

基于动态平衡策略的自动化码头多AGV路径优化算法研究

对自动化集装箱码头AGV(automatic guided vehicle)自动运输系统路径规划算法和港口布局进行深入研究之后,针对岸桥与堆场之间路径规划中可能出现的冲突以及任务分配不均等问题,提出了基于动态平衡策略的自动化码头多AGV路径优化算法。通过对Dijkstra算法进行改进,在考虑路径距离的基础上,同时引入该路径上预计通过的AGV数量,实现了路径分配的动态平衡;提出了改进速度控制策略和重新规划路径控制策略,有效减少了冲突次数,且减少了道路堵塞率。建立了基于动态平衡策略与基于MAS(multi-agent system, MAS)的控制方式对比实验,结果表明该算法能有效求解500个任务以上的大规模任务分配问题,并且显著降低平均堵塞率0.000 8～0.005 5。此算法亦可应用于其他类型的码头布局中,进一步提高了码头水平运输效率。     

一种快速程序最坏执行时间分析方法研究

给出一种带有路径冲突检测的程序最坏情况执行时间估计方法,这种方法首先检测程序中存在的分支约束,然后将程序中存在的分支约束信息转化为程序流程控制图（CFG图）中结点之间的语义冲突,并按照结点对的形式保存在相应的冲突数组里,在接下来的WCET计算阶段通过边搜索程序执行路径边检测冲突数组里保存的已有的冲突关系以便在搜索路径的同时排除非可行执行路径,最终在可行执行路径集中选择具有最大执行时间的执行路径。与以往的方法相比,在保持估计精度的前提下,本文的方法避免了穷举所有执行路径带来的复杂度,提高了搜索的效率。实验结果表明本文方法对于语句间语义依赖关系比较强的实时程序能够快速且有效地给出估计结果。