基于遗传算法的RGV动态调度研究

资源类型: 资源大小: 文档分类:工业技术 上传者:丁洁

相关文档

批量下载下列文档

文档信息

【作者】 吴焱明  刘永强  张栋  赵韩 

【关键词】自动化立体仓库 RGV 遗传算法 动态调度 分组运输 eM-Plant仿真 

【出版日期】2012-06-20

【摘要】在巷道式自动化立体仓库中,环形轨道式导引小车系统(RGV)的效率是瓶颈。针对大物流量下RGV的动态调度问题,提出分组运输的方法,运用遗传算法把任务分配给各RGV,并针对具体问题提出了实用的编码方法。通过物流仿真软件eM-Plant比较了分组方法和先来先服务(First-come-first-serve)方法的效果,验证了模型的有效性。最后研究了RGV数量、出入货站台的数量以及每组任务数对产出量的影响,得到了相关的仿真数据,为环形轨道式导引小车系统的实际规划建设提供了可靠的依据。

【刊名】起重运输机械

全文阅读

0引言自动化立体仓库(AS/RS)是现代化的存储设备,特别是巷道式多层货架仓库应用十分广泛,在物流存储中起到十分突出的作用。在整个立体仓库系统中,环形轨道式导引小车系统的运输效率是瓶颈[1],因而RGV的动态调度是关键。另外,环形轨道上的RGV数量以及出入货站台的数量都会对运输效率有很大影响[2]。本文运用分组运输策略和遗传算法找出在大物流量下较优的RGV调度方法。eM-Plant是面向对象的离散事件动态系统仿真软件,是工厂、生产线及生产物流过程仿真与优化的最佳选择之一[3]。对eM-Plant软件仿真和先来先服务(First-come-first-serve)方法进行比较,验证了eM-Plant方法的有效性,同时对RGV数量、出入库站台的数量以及每组任务数目对产出量的影响进行研究。1模型典型自动化立体仓库系统如图1所示。其中环形轨道式导引小车系统包括出入货站台、RGV、环形轨道以及出入货传送带。1.RGV 2.出货站台3.入货站台4.环形轨道5.入货传送带6.出货传送带7.多层货架8.堆垛机图1自动化立体仓库系统分组后需解决2个问题:1)当有运送任务时,确定每个RGV运送的任务;2)确定每个RGV的运送任务后,如果某个RGV的任务多于一个,这些任务运送顺序的安排。运用普通算法,计算量大,难以找出较优的结果[5],本文采用遗传算法解决问题。《起重运输机械》2012(6)2遗传算法的运用遗传算法是一种借鉴自然选择和进化机制发展起来的高度平行、随机、自适应搜索算法,适合处理复杂和非线性问题[6]。一般包括种群初始化、选择、交叉、变异、重插入、形成新种群以及终止条件的判断。2.1种群初始化种群初始化是对遗传个体进行编码,假设有3个RGV,编号分别为1、2、3,有9个任务等待运送,编号分别为1、2、3、4、5、6、7、8、9,其中一个遗传个体编码如表1。表1个体编码2 1 2 3 1 2 3 2 13 5 9 8 7 4 2 1 6表1中每个单元格中的数字都是随机产生的,第1行的每个单元格的数字代表对应的RGV,第2行的每个单元格中的数字代表对应的任务。由表1可知2号RGV要运输的任务为3、9、4、1,并且这个序列也是2号RGV运送任务的顺序。2.2选择首先计算每个个体的目标函数值。在运输每组任务时,最后一个完成任务的RGV所用的时间即为运输此组任务所用的时间,也即为此个体的目标函数值。具体包括正常运送时间、阻塞时间和装卸时间。然后用基于排序的适应度分配方法[6]计算每个个体的适应度fi=2-p+2(p-N 1)-(1n-1)p∈[1.0,2.0]式中:fi为个体i的适应度,N为种群大小,n为个体在种群中的序位,p为选择压差。最后计算每个个体的选择概率0.7~0.9。2.3交叉交叉操作可以产生全局较优解[7]。参照文献[6]中部分匹配交叉的方法进行交叉操作。首先在2个父个体中随机选择2个交叉点,如表2所示。表2有2个插入点的2个父个体父个体1父个体2123925173325241836212 1 1 38 9 1 73 1 3 23 6 2 4然后交换中间的基因段,保留2个父个体中两端与中间段不重复的任务基因段,并根据中间段的任务对应关系,得到2个子个体,如表3所示。表3交叉完成后的2个子个体子个体1子个体2123933172533182421362 1 3 34 9 6 72 2 3 15 1 2 8Fi=fiN∑fii=1式中:Fi为第i个体的选择概率,选择的方法采用随机遍历抽样法[6]。选择的个体数目M=N×G式中:M为选择的个数;G为代沟,取值为《起重运输机械》2012(6)2.4变异变异操作会产生多样化的个体,需局部优化个体。2.5重插入在本模型中要保证每代的个体数相同,在变异操作后需进行重插入操作。从父种群中选取适应度最好的S个个体插入新生成的种群中,S=N-M。2.6判断判断是否满足终止条件,终止条件包括是否到达终止代数,目标值、适应度是否满足要求等。满足终止条件时终止,否则开始下一次循环。3模型仿真与结果分析在物流量足够大的情况下进行仿真,仿真参数设置如表4所示。比较分组方法和先来先服务方法在8 h内的产出量,结果如图2。表4仿真参数RGV的速度/(m·s-1)0.25装卸货物时间/s 10初始种群数量30遗传代数50代沟0.91.先来先服务方法2.分组方法图2分组方法和先来先服务方法比较在模型分组中,RGV数量不同时,每组中的任务数目不同,原则是尽量使每个RGV平均运输的任务数目相同,图2中的产出量是每个RGV平均运输4个任务数时的仿真结果。从图2可以看出,随着RGV数量的增加,产出量也会增加。当使用3个RGV时运用分组方法效果最显著,随着RGV数量的增加,产出量增加效果呈下降趋势,这是因为当车辆较少时,使用分组方法会使RGV在执行任务时空载时间减少,而随着车辆的增加,这种改善的效果会有所减弱。图3是使用分组方法,在4个站台的情况下,改变RGV的数目和每组中平均每个RGV要运输的任务数目得到的产出量关系图。从图3可以看出,当RGV数量固定时,随着每组平均每个RGV所要承担的任务数的增加,产出量也会增加,但是增幅不是太大。这是因为在一定的总时间内产生的任务数大体相同(可以根据以往的记录推测),如果每组的任务数增加,分组数就减少,那么在每组的最后一辆车完成任务的过程中,其他的车空载的总时间就会减少,从而产出量就越多。在实际操作过程中可以根据需要确定是增加RGV的数量还是增加平均每个RGV要运输的任务数,或者两者取最优组合。从图4可以看出,平均每个RGV运输4个任图3 4个站台时不同RGV数量和分组下的产出量务时,增加站台数量和RGV数量都可以增加产出量,增加RGV的数量可以使产出量增加的幅度更大,运行成本也相应增加较多。在实际规划中,如果要提高产出量,可根据具体情况增加RGV数目,或增加站台数目,或同时增加RGV和站台数目,取其最佳组合。图4不同的站台数和RGV数下的产出量4结束语运用分组运输的方法和遗传算法很好地解决了在物流量较大时RGV的动态调度问题。针对实际问题,提出了实用的编码方法。通过仿真得出大量可靠的数据,给环形轨道式导引小车系统的实际规划设计提供了依据,以发挥立体仓库的功用。基于遗传算法的RGV动态调度研究@吴焱明$合肥工业大学!合肥230009 @刘永强$合肥工业大学!合肥230009 @张栋$合肥工业大学!合肥230009 @赵韩$合肥工业大学!合肥230009在巷道式自动化立体仓库中,环形轨道式导引小车系统(RGV)的效率是瓶颈。针对大物流量下RGV的动态调度问题,提出分组运输的方法,运用遗传算法把任务分配给各RGV,并针对具体问题提出了实用的编码方法。通过物流仿真软件eM-Plant比较了分组方法和先来先服务(First-come-first-serve)方法的效果,验证了模型的有效性。最后研究了RGV数量、出入货站台的数量以及每组任务数对产出量的影响,得到了相关的仿真数据,为环形轨道式导引小车系统的实际规划建设提供了可靠的依据。自动化立体仓库;;RGV;;遗传算法;;动态调度;;分组运输;;eM-Plant仿真[1]吴长庆,罗键,陈火国,等.基于Petri网的RGV系统中环路死锁研究[J].计算机科学,2009(4):251-260. [2]Lee S G,R de Souzs,E K Ong.Simulation modeling of anarrow aisle automated storage and retrieval system(AS/RS)serviced by rail-guided vehicles[J].Comp.in Ind,1996,30. [3]施於人,邓易元,蒋维.eM-Plant仿真技术教程[M].北京:北京希望电子出版社,2009. [4]Jih Wan-rong,Hsu Jane Yung-jen.Dynamic vehicle rou-ting using hybrid genetic algorithms[C]//InternationalConference on Robotics&Automatic.1999:453-458. [5]Gao Ying,Shi Lei,Yao Pingjing.Study on multi-objec-tive genetic algorithm[C]//Proceedings of the 3rd WorldCongress on Intellignet Control and Automation.2000:646-650. [6]王小平,曹立明.遗传算法——理论、应用与软件实现[M].西安:西安交通大学出版社,2002. [7]雷英杰,张善文,李续武,等.Matlab遗传算法工具箱及应用[M].西安:西安电子科技大学出版社,2005.

1

问答

我要提问
关闭