考虑冲突和拥堵的自动导引车调度与路径规划协同优化

doi:10.11772/j.issn.1001-9081.2021050819

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (7): 2281-2291.DOI: 10.11772/j.issn.1001-9081.2021050819

• 前沿与综合应用 • 上一篇

考虑冲突和拥堵的自动导引车调度与路径规划协同优化

范厚明, 牟爽, 岳丽君()

大连海事大学交通运输工程学院，辽宁大连 116026

收稿日期:2021-05-19 修回日期:2022-02-21 接受日期:2022-05-25 发布日期:2022-03-15 出版日期:2022-07-10
通讯作者: 岳丽君
作者简介:范厚明（1962—），男，山东蓬莱人，教授，博士生导师，博士，主要研究方向：交通运输系统规划与设计
牟爽（1995—），女，山东烟台人，硕士研究生，主要研究方向：交通运输工程；
基金资助:
大连市科技创新基金资助项目(2020JJ26GX033)

Collaborative optimization of automated guided vehicle scheduling and path planning considering conflict and congestion

Houming FAN, Shuang MU, Lijun YUE()

College of Transportation Engineering，Dalian Maritime University，Dalian Liaoning 116026，China

Received:2021-05-19 Revised:2022-02-21 Accepted:2022-05-25 Online:2022-03-15 Published:2022-07-10
Contact: Lijun YUE
About author:FAN Houming， born in 1962， Ph. D.， professor. His research interests include transportation system planning and design.
MU Shuang， born in 1995， M. S. candidate. Her research interests include transportation engineering.
Supported by:
Project of Dalian Science and Technology Innovation Fund(2020JJ26GX033)

摘要/Abstract

摘要：

针对自动化集装箱码头自动导引车（AGV）调度与无冲突路径规划问题，提出了AGV冲突拥堵解决策略以生成无冲突路径。首先，考虑堆场缓冲支架的容量，运行路径无拥堵、节点无冲突约束，以最大完工时间最小、AGV总行驶时间最短为目标建立两阶段混合整数规划模型；其次，设计改进的自适应遗传算法、基于冲突拥堵解决策略的迪杰斯特拉算法求得AGV调度方案与无冲突路径。算例分析结果表明：改进的自适应遗传算法相较遗传算法平均求解时间降低了13.56%，且目标函数平均差距率为9.01%；基于冲突拥堵解决策略相较停车等待策略使得水平运输区拥堵度降低67.6%，AGV等待时间减少66.7%。可见，所提算法求解质量高且速度快，同时验证了所提策略的有效性。

关键词: 自适应遗传算法, 自动化集装箱码头, 自动导引车调度, 无冲突路径规划, 冲突和拥堵

Abstract:

In order to solve the problems of Automated Guided Vehicle （AGV） scheduling and conflict-free path planning in automated container terminals， an AGV conflict and congestion resolution strategy was proposed to generate conflict-free paths. Firstly， considering the capacity of the buffer bracket in the container yard as well as the constraints of no congestion on the operation paths and no conflict on the nodes， a two-stage mixed integer programming model was established based on the goal of the smallest maximum completion time and the shortest AGV transportation time. Then， an improved adaptive genetic algorithm and Dijkstra algorithm based on conflict and congestion resolution strategy were designed to obtain the AGV scheduling scheme and conflict-free paths. The results of numerical examples show that the improved adaptive genetic algorithm has the average solution time reduced by 13.56%， and the average gap rate of the objective function reduced by 9.01% compared to the genetic algorithm. Compared with the parking to wait strategy， the conflict and congestion resolution strategy has the congestion rate of the horizontal transportation area reduced by 67.6%， and the AGV waiting time reduced by 66.7%. It can be seen that the proposed algorithm has higher solving quality and faster speed， at the same time， the effectiveness of the proposed strategy is verified.

Key words: adaptive genetic algorithm, automated container terminal, Automated Guided Vehicle (AGV) scheduling, conflict-free path planning, conflict and congestion

中图分类号:

TP18

范厚明, 牟爽, 岳丽君. 考虑冲突和拥堵的自动导引车调度与路径规划协同优化[J]. 计算机应用, 2022, 42(7): 2281-2291.

Houming FAN, Shuang MU, Lijun YUE. Collaborative optimization of automated guided vehicle scheduling and path planning considering conflict and congestion[J]. Journal of Computer Applications, 2022, 42(7): 2281-2291.

图/表 28

图1 码头布局和AGV运输流程示意图

Fig. 1 Schematic diagram of terminal layout and AGV transportation process

图2 冲突示意图

Fig. 2 Schematic diagram of conflict

图3 路径拥堵示意图

Fig. 3 Schematic diagram of path congestion

图4 AGV路段示意图

Fig. 4 Schematic diagram of AGV road section

图5 AGV节点冲突示意图

Fig. 5 Schematic diagram of AGV node conflict

图6 改进的自适应遗传算法与迪杰斯特拉算法流程

Fig. 6 Flow of improved adaptive genetic algorithm and Dijkstra algorithm

图7 染色体编码示意图

Fig. 7 Schematic diagram of chromosome coding

图8 染色体修复示意图

Fig. 8 Schematic diagram of chromosome repair

图9 目标函数求解流程

Fig. 9 Solution flow of objective function

图10 染色体交叉操作示意图

Fig. 10 Schematic diagram of chromosome crossover operation

图11 染色体变异操作示意图

Fig. 11 Schematic diagram of chromosome mutation operation

图12 节点冲突检测流程

Fig. 12 Node conflict detection flow

图13 路径拥堵检测流程

Fig. 13 Path congestion detection flow

图14 自动化集装箱码头路径网络布局示意图

Fig. 14 Schematic diagram of automated container terminal path network layout

表1 岸桥及箱区的节点编号对照

Tab. 1 Node numbers corresponding to quay cranes and container areas

岸桥/箱区	节点	岸桥/箱区	节点	岸桥/箱区	节点
Q1	3	B1	59	B4	64
Q2	8	B2	60	B5	67
Q3	13	B3	63	B6	68

表2 算例对比结果

Tab. 2 Comparison of numerical example results

实验	N	A	本文IAGA		GA		GAP/%
实验	N	A	f₁/s	CPU/s	$f 1'$ /s	CPU/s	GAP/%
1	21	3	610	3.75	689	4.37	12.95
2	42	3	1 214	7.23	1 384	8.08	14.00
3	42	6	988	7.43	1 085	8.12	9.82
4	60	3	1 839	11.05	2 064	12.16	12.23
5	60	6	1 478	11.27	1 634	12.34	10.55
6	90	3	2 935	15.03	3 212	26.07	9.44
7	90	6	2 361	18.42	2 591	21.45	9.74
8	90	9	2 168	19.34	2 341	22.15	7.98
9	150	6	3 845	35.69	4 240	40.38	10.27
10	150	9	3 637	33.40	3 874	38.47	6.52
11	240	6	6 256	60.26	6 591	68.88	5.35
12	240	9	5 637	58.91	5 945	67.54	5.46
13	300	6	7 885	82.80	8 407	93.83	6.62
14	300	9	7 160	81.45	7 527	92.21	5.13

表2 算例对比结果

Tab. 2 Comparison of numerical example results

实验	N	A	本文IAGA		GA		GAP/%
实验	N	A	f₁/s	CPU/s	$f 1'$ /s	CPU/s	GAP/%
1	21	3	610	3.75	689	4.37	12.95
2	42	3	1 214	7.23	1 384	8.08	14.00
3	42	6	988	7.43	1 085	8.12	9.82
4	60	3	1 839	11.05	2 064	12.16	12.23
5	60	6	1 478	11.27	1 634	12.34	10.55
6	90	3	2 935	15.03	3 212	26.07	9.44
7	90	6	2 361	18.42	2 591	21.45	9.74
8	90	9	2 168	19.34	2 341	22.15	7.98
9	150	6	3 845	35.69	4 240	40.38	10.27
10	150	9	3 637	33.40	3 874	38.47	6.52
11	240	6	6 256	60.26	6 591	68.88	5.35
12	240	9	5 637	58.91	5 945	67.54	5.46
13	300	6	7 885	82.80	8 407	93.83	6.62
14	300	9	7 160	81.45	7 527	92.21	5.13

表3 任务分配

Tab. 3 Task allocation

任务	箱子类型	起点-终点	任务	箱子类型	起点-终点	任务	箱子类型	起点-终点
1	U	Q1-B1	15	U	Q1-B1	29	U	Q1-B1
2	L	B6-Q3	16	L	B6-Q3	30	L	B3-Q1
3	L	B3-Q2	17	L	B4-Q1	31	L	B3-Q3
4	U	Q2-B1	18	U	Q2-B2	32	L	B4-Q2
5	L	B6-Q2	19	L	B5-Q1	33	L	B6-Q2
6	L	B3-Q1	20	U	Q3-B2	34	U	Q2-B1
7	L	B5-Q2	21	L	B4-Q2	35	L	Q3-B5
8	L	B3-Q4	22	L	B3-Q2	36	L	B6-Q2
9	U	Q1-B2	23	U	Q3-B1	37	L	B5-Q1
10	U	Q3-B2	24	L	B3-Q1	38	U	Q3-B2
11	L	B5-Q2	25	L	B3-Q3	39	U	Q1-B2
12	L	B6-Q1	26	L	B4-Q3	40	U	Q2-B1
13	U	Q1-B2	27	L	B5-Q2	41	L	B5-Q3
14	L	B4-Q3	28	L	B4-Q2	42	L	B6-Q2

表4 AGV调度结果

Tab. 4 AGV scheduling results

AGV	运输任务	行驶路径
1	2-16-17-21-22-30-34	B6-Q3-B6-Q3-B4-Q1-B4-Q2-B3-Q2-B3-Q1-B6-Q3
2	8-10-13-18-28-33	B4-Q3-B2-Q1-B2-Q2-B2-B4-Q2-B5-Q1
3	1-6-12-23-25-31-36-40	Q1-B1-B3-Q1-B6-Q1-Q3-B1-B3-Q3- B3-Q3-B6-Q2-B1
4	14-20-27-29-32-37-38	B4-Q3-B2-B5-Q2-Q1-B1-B4-Q2-B5-Q1-Q3-B2
5	3-4-7-24-26-35-39	B3-Q2-B1-B5-Q2-B3-Q1-B4-Q3-B5-Q1-B2
6	5-9-11-15-19-41-42	B6-Q2-Q1-B2-B5-Q2-Q1-B1-B5-Q1-B5-Q3-B6-Q3

图15 不考虑冲突、拥堵因素的AGV行驶路径

Fig. 15 AGV driving paths without considering conflict and congestion factors

表5 AGV1完成任务的路径

Tab. 5 Path for AGV1 to complete task

起终点	最短路径	行驶时间/s	转折数
B6-Q3	68-67-55-42-27-12-13	30	2
Q3-B6	13-14-29-44-56-68	22	1
B6-Q3	68-67-55-42-27-12-13	30	2
Q3-B4	13-14-29-44-56-68-67-66-65-64	36	2
B4-Q1	64-63-62-61-60-59-47-32-17-2-3	44	2
Q1-B4	3-4-5-6-7-8-9-24-39-52-64	36	1
B4-Q2	64-63-51-37-22-7-8	30	2
Q2-B3	8-9-24-39-52-64-63	30	2
B3-Q2	63-51-37-22-7-8	22	1
Q2-B3	8-9-24-39-52-64-63	30	2
B3-Q1	63-62-61-60-59-47-32-17-2-3	36	2
Q1-B6	3-4-5-6-7-8-9-10-11-12-13-14-29-44-56-68	50	1
B6-Q3	68-67-55-42-27-12-13	30	2

表6 AGV2完成任务的路径

Tab. 6 Path for AGV2 to complete task

起终点	最短路径	行驶时间/s	转折数
B4-Q3	64-52-53-54-41-26-11-12-13	28	3
Q3-B2	13-14-29-44-56-68-67-66-65-64- 63-62-61-60	50	2
B2-Q1	60-59-47-32-17-2-3	30	2
Q1-B2	3-4-19-34-48-60	22	1
B2-Q2	60-48-49-50-36-21-6-7-8	28	3
Q2-B2	8-9-24-39-52-64-63-62-61-60	36	3
B2-B4	60-48-49-50-51-52-64	18	2
B4-Q2	64-63-51-37-22-7-8	30	2
Q2-B5	8-9-24-39-52-53-54-55-67	28	3
B5-Q1	67-66-65-64-63-62-61-60-59-47- 32-17-2-3	50	2

表7 AGV3完成任务的路径

Tab. 7 Path for AGV3 to complete task

起终点	最短路径	行驶时间/s	转折数
Q1-B1	3-4-19-34-48-60-59	30	2
B1-B3	59-47-48-49-50-51-63	18	2
B3-Q1	63-62-61-60-59-47-32-17-2-3	36	2
Q1-B6	3-4-5-6-7-8-9-10-11-12-13-14-29-44-56-68	50	1
B6-Q1	68-67-66-65-64-63-62-61-60-59-47-32-17- 2-3	58	2
Q1-B3	3-4-19-34-48-49-50-51-63	28	3
Q1-Q3	3-4-5-6-7-8-9-10-11-12-13	28	0
Q3-B1	13-14-29-44-56-68-67-66-65-64-63-62-61- 60-59	58	2
B1-B3	59-47-48-49-50-51-63	18	2
B3-Q3	63-51-37-22-7-8-9-10-11-12-13	36	1
Q3-B3	13-14-29-44-56-68-67-66-65-64-63	44	2
B3-Q3	63-51-37-22-7-8-9-10-11-12-13	36	1
Q3-B6	13-14-29-44-56-68	22	1
B6-Q2	68-67-66-65-64-63-51-37-22-7-8	44	2
Q2-B1	8-9-24-39-52-64-63-62-61-60-59	44	2

表8 AGV4完成任务的路径

Tab. 8 Path for AGV4 to complete task

起终点	最短路径	行驶时间/s	转折数
B4-Q3	64-52-53-54-41-26-11-12-13	28	3
Q3-B2	13-14-29-44-56-68-67-66-65-64- 63-62-61-60	50	2
B2-B5	60-48-49-50-51-52-53-54-55-67	24	2
B5-Q2	67-66-65-64-63-51-37-22-7-8	36	2
Q2-Q1	8-7-6-5-4-3	14	0
Q1-B1	3-4-19-34-48-60-59	30	2
B1-B4	59-47-48-49-50-51-52-64	26	2
B4-Q2	64-63-51-37-22-7-8	30	2
Q2-B5	8-9-24-39-52-53-54-55-67	28	3
B5-Q1	67-66-65-64-63-62-61-60-59-47- 32-17-2-3	50	2
Q1-Q3	3-4-5-6-7-8-9-10-11-12-13	28	0
Q3-B2	13-14-29-44-56-68-67-66-65-64- 63-62-61-60	50	2

表9 AGV5完成任务的路径

Tab. 9 Path for AGV5 to complete task

起终点	最短路径	行驶时间/s	转折数
B3-Q2	63-51-37-22-7-8	22	1
Q2-B1	8-9-24-39-52-64-63-62-61-60-59	44	2
B1-B5	59-47-48-49-50-51-52-53-54-55-67	32	2
B5-Q2	67-66-65-64-63-51-37-22-7-8	36	2
Q2-B3	8-9-24-39-52-64-63	30	2
B3-Q1	63-62-61-60-59-47-32-17-2-3	36	2
Q1-B4	3-4-5-6-7-8-9-24-39-52-64	36	1
B4-Q3	64-52-53-54-41-26-11-12-13	28	3
Q3-B5	13-14-29-44-56-68-67	30	2
B5-Q1	67-66-65-64-63-62-61-60-59-47-32-17-2-3	50	2
Q1-B2	3-4-19-34-48-60	22	1

表10 AGV6完成任务的路径

Tab. 10 Path for AGV6 to complete task

起终点	最短路径	行驶时间/s	转折数
B6-Q2	68-67-66-65-64-63-51-37-22-7-8	44	2
Q2-Q1	8-7-6-5-4-3	14	0
Q1-B2	3-4-19-34-48-60	22	1
B2-B5	60-48-49-50-51-52-53-54-55-67	24	2
B5-Q2	67-66-65-64-63-51-37-22-7-8	36	2
Q2-Q1	8-7-6-5-4-3	14	0
Q1-B1	3-4-19-34-48-60-59	30	2
B1-B5	59-47-48-49-50-51-52-53-54-55-67	32	2
B5-Q1	67-66-65-64-63-62-61-60-59-47-32-17-2-3	50	2
Q1-B5	3-4-5-6-7-8-9-24-39-52-53-54-55-67	42	3
B5-Q3	67-55-42-27-12-13	22	1
Q3-B6	13-14-29-44-56-68	22	1
B6-Q3	68-67-55-42-27-12-13	30	2

表11 AGV节点冲突时间表

Tab. 11 AGV node conflict time table

编号	冲突对象	冲突节点	冲突时间/s
1	AGV5、AGV2	67	176、177
2	AGV5、AGV2	66	178、179
3	AGV5、AGV2	65	180、181
4	AGV5、AGV2	64	182、183
5	AGV5、AGV2	63	190、191
6	AGV2、AGV6	3	285
7	AGV4、AGV6	60	353
8	AGV4、AGV1	64	399、400
9	AGV4、AGV1	63	407、408
10	AGV4、AGV1	51	409、410
11	AGV4、AGV1	37	421、422
12	AGV4、AGV1	22	423、424
13	AGV4、AGV1	7	426、425
14	AGV4、AGV1	8	430、429
15	AGV6、AGV1	64	399、400
16	AGV6、AGV1	63	407、408

表12 AGV路段拥堵时间表

Tab. 12 AGV road congestion time table

编号	冲突对象	拥堵路段	开始时间/s	结束时间/s
1	AGV4、AGV6	67-66	393	395
2	AGV4、AGV6	66-65	395	397
3	AGV4、AGV6	65-64	397	399
4	AGV2、AGV5	67-66	177	178
5	AGV2、AGV5	66-65	179	180
6	AGV2、AGV5	65-64	181	182

图16 考虑冲突、拥堵因素的AGV行驶路径

Fig. 16 AGV driving paths considering conflict and congestion factors

参考文献 25

1	BAE J W， KIM K H. A pooled dispatching strategy for automated guided vehicles in port container terminals［J］. Management Science and Financial Engineering， 2000， 6（2）：47-67.
2	梁承姬，申哲，张悦. 干扰约束下考虑分组作业面的岸桥AGV联合调度［J］. 计算机工程与应用， 2020， 56（18）：254-261.
	LIANG C J， SHEN Z， ZHANG Y. Quay crane and AGV joint scheduling with grouping work surface under interference constraints［J］. Computer Engineering and Applications， 2020， 56（18）：254-261.
3	田宇，周强，朱本飞. 自动化集装箱码头双循环AGV与场桥的集成调度研究［J］. 交通运输系统工程与信息， 2020， 20（4）：216-223， 243.
	TIAN Y， ZHOU Q， ZHU B F. Integrated scheduling of dual-cycle AGV and yard crane at automated container terminal［J］. Journal of Transportation Systems Engineering and Information Technology， 2020， 20（4）：216-223， 243.
4	范厚明，郭振峰，岳丽君，等. 考虑能耗节约的集装箱码头双小车岸桥与AGV联合配置及调度优化［J］. 自动化学报， 2021， 47（10）： 2412-2426.
	FAN H M， GUO Z F， YUE L J， et al. Joint configuration and scheduling optimization of dual-trolley quay crane and AGV for container terminal with considering energy saving［J］. Acta Automatica Sinica， 2021， 47（10）： 2412-2426.
5	LI Z H， YU T， CHEN Y X， et al. Multi-objective optimization dispatching strategy for wind-thermal-storage generation system incorporating temporal and spatial distribution control of air pollutant dispersion［J］. IEEE Access， 2020， 8： 44263-44275. 10.1109/access.2020.2978092
6	韩晓龙，樊加伟. 自动化港口AGV调度配置仿真分析［J］. 重庆交通大学学报（自然科学版）， 2016， 35（5）：151-154， 164.
	HAN X L， FAN J W. Analysis of AGV dispatching and configuration simulation of automated container terminals［J］. Journal of Chongqing Jiaotong University （Natural Science）， 2016， 35（5）：151-154， 164.
7	吴洪明，邹梦艳. 考虑电池电量约束的自动化码头AGV调度［J］. 起重运输机械， 2021（3）：47-52.
	WU H M， ZOU M Y. AGV scheduling of automated terminal considering battery power constraints［J］. Hoisting and Conveying Machinery， 2021（3）：47-52.
8	郑亚红，徐玖龙，谢淳. 自动化集装箱码头AGV换电管理与调度优化［J］. 武汉理工大学学报（交通科学与工程版），2021， 45（1）：1-6.
	ZHENG Y H， XU J L， XIE C. Electricity exchange management and scheduling optimization of AGV in automated container terminal［J］. Journal of Wuhan University of Technology （Transportation Science and Engineering）， 2021， 45（1）：1-6.
9	文家献，魏晨，尹宇起，等. 考虑堆场缓冲区容量的ASC与AGV集成调度［J］. 计算机工程与应用， 2020， 56（11）：238-245.
	WEN J X， WEI C， YIN Y Q， et al. Integrated scheduling of ASC and AGV considering block buffer capacity［J］. Computer Engineering and Applications， 2020， 56（11）：238-245.
10	程聪聪，梁承姬，李晔. 自动化集装箱港口考虑AGV伴侣的AGV调度优化问题研究［J］. 计算机应用研究， 2019， 36（8）：2349-2354.
	CHENG C C， LIANG C J， LI Y. Study on AGV scheduling with considering AGV partner in automated container ports［J］. Application Research of Computers， 2019， 36（8）：2349-2354.
11	邹裕吉，宋豫川，王馨坤，等. 多目标自适应聚类遗传算法求解无路径冲突的AGV与加工设备集成调度问题［J/OL］. 中国机械工程. （2021-04-28）［2021-05-10］..
	ZOU Y J， SONG Y C， WANG X K， et al. Multi-objective adaptive clustering genetic algorithm to solve the AGVs and machine integrated scheduling problem without path conflict［J/OL］. China Mechanical Engineering. （2021-04-28）［2021-05-10］..
12	邓希，胡晓兵，江代渝，等. 基于混合遗传算法的柔性作业车间机器和AGV规划［J］. 四川大学学报（自然科学版）， 2021， 58（2）：73-82.
	DENG X， HU X B， JIANG D Y， et al. A hybrid GA approach to the scheduling of machines and automated guided vehicles in flexible job shops［J］. Journal of Sichuan University （Natural Science Edition）， 2021， 58（2）：73-82.
13	FANTI M P， MANGINI A M， PEDRONCELLI G， et al. A decentralized control strategy for the coordination of AGV systems［J］. Control Engineering Practice， 2018， 70：86-97. 10.1016/j.conengprac.2017.10.001
14	高一鹭，胡志华. 基于时空网络的自动化集装箱码头自动化导引车路径规划［J］. 计算机应用， 2020， 40（7）：2155-2163.
	GAO Y L， HU Z H. Path planning for automated guided vehicles based on tempo-spatial network at automated container terminal［J］. Journal of Computer Applications， 2020， 40（7）：2155-2163.
15	曾庆成，李明泽，薛广顺. 考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型［J］. 大连海事大学学报， 2019， 45（4）：35-44.
	ZENG Q C， LI M Z， XUE G S. Multiple AGV conflict-free dynamic routing model in automated terminals considering congestion factors［J］. Journal of Dalian Maritime University， 2019， 45（4）：35-44.
16	仲美稣，杨勇生. 卸船作业模式下自动化码头AGV路径仿真优化［J］.水运工程， 2018（4）：122-127. 10.3969/j.issn.1002-4972.2018.04.022
	ZHONG M S， YANG Y S. Based on discharging operation mode automation terminal of AGV path simulation optimization［J］. Port and Waterway Engineering， 2018（4）：122-127. 10.3969/j.issn.1002-4972.2018.04.022
17	XIN J B， NEGENBORN R R， LODEWIJKS G. Trajectory planning for AGVs in automated container terminals using avoidance constraints： a case study［J］. IFAC Proceedings Volumes， 2014， 47（3）：9828-9833. 10.3182/20140824-6-za-1003.01306
18	NISHI T， HIRANAKA Y， GROSSMANN I E. A bilevel decomposition algorithm for simultaneous production scheduling and conflict-free routing for automated guided vehicles［J］. Computers and Operations Research， 2011， 38（5）： 876-888. 10.1016/j.cor.2010.08.012
19	FAZLOLLAHTABAR H， SAIDI-MEHRABAD M， MASEHIAN E. Mathematical model for deadlock resolution in multiple AGV scheduling and routing network： a case study［J］. Industrial Robot， 2015， 42（3）： 252-263. 10.1108/ir-12-2014-0437
20	SAIDI-MEHRABAD M， DEHNAVI-ARANI S， EVAZABADIAN F， et al. An Ant Colony Algorithm （ACA） for solving the new integrated model of job shop scheduling and conflict-free routing of AGVs［J］. Computers and Industrial Engineering， 2015， 86：2-13. 10.1016/j.cie.2015.01.003
21	MIYAMOTO T， INOUE K. Local and random searches for dispatch and conflict-free routing problem of capacitated AGV systems［J］. Computers and Industrial Engineering， 2016， 91：1-9. 10.1016/j.cie.2015.10.017
22	YANG Y S， ZHONG M S， DESSOUKY Y， et al. An integrated scheduling method for AGV routing in automated container terminals［J］. Computers and Industrial Engineering， 2018， 126：482-493. 10.1016/j.cie.2018.10.007
23	ZHONG M S， YANG Y S， DESSOUKY Y， et al. Multi-AGV scheduling for conflict-free path planning in automated container terminals［J］. Computers and Industrial Engineering， 2020， 142： No.106371. 10.1016/j.cie.2020.106371
24	吴聪，陈侃松，姚静. 基于改进自适应遗传算法的物流配送路径优化研究［J］. 计算机测量与控制， 2018， 26（2）：236-240.
	WU C， CHEN K S， YAO J. Study on optimization of logistics distribution route based on improved adaptive genetic algorithm［J］. Computer Measurement and Control， 2018， 26（2）：236-240.
25	张素云，杨勇生，梁承姬，等. 自动化码头多AGV路径冲突的优化控制研究［J］. 交通运输系统工程与信息， 2017， 17（2）：83-89.
	ZHANG S Y， YANG Y S， LIANG C J， et al. Optimal control of multiple AGV path conflict in automated terminals［J］. Journal of Transportation Systems Engineering and Information Technology， 2017， 17（2）：83-89.

[1]	高一鹭, 胡志华. 基于时空网络的自动化集装箱码头自动化导引车路径规划[J]. 计算机应用, 2020, 40(7): 2155-2163.
[2]	魏亚茹, 朱瑾. 自动化码头双场桥调度与集装箱存储选位建模[J]. 计算机应用, 2018, 38(4): 1189-1194.
[3]	周静娴, 胡志华. 自动化集装箱码头穿越式双自动堆码起重机调度优化[J]. 计算机应用, 2015, 35(9): 2673-2677.
[4]	王文蕊吴耀华. 自动导引车系统资源分配问题的建模及求解[J]. 计算机应用, 2014, 34(3): 767-770.
[5]	田波杨宜民蔡述庭. 基于自适应遗传算法的SVC非均等错误保护算法[J]. 计算机应用, 2014, 34(1): 162-166.
[6]	王娜向凤红毛剑琳. 改进的自适应遗传算法求解0/1背包问题[J]. 计算机应用, 2012, 32(06): 1682-1684.
[7]	田福全须文波. 基于准入概率的Web服务质量辨识与比例积分控制[J]. 计算机应用, 2011, 31(04): 915-917.
[8]	杨丹丹刘以安唐霜天吴少鹏. 基于混沌遗传算法的雷达/干扰机共享信号设计[J]. 计算机应用, 2010, 30(12): 3218-3221.
[9]	孙越泓魏建香夏德深. 基于自适应遗传算法的B样条曲线拟合的参数优化[J]. 计算机应用, 2010, 30(07): 1878-1882.
[10]	王思艳张国立. 一种连续变异的自适应遗传策略[J]. 计算机应用, 2008, 28(12): 3077-3079.
[11]	王剑董雪静李山. 基于任务分解结构的供应链合作伙伴优化选择[J]. 计算机应用, 2007, 27(4): 1006-1008.

考虑冲突和拥堵的自动导引车调度与路径规划协同优化

Collaborative optimization of automated guided vehicle scheduling and path planning considering conflict and congestion

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 28

参考文献 25

相关文章 11

编辑推荐

Metrics