[发明专利]一种智能调度系统的资源分配全局优化方法

权利要求书

1.一种智能调度系统的资源分配全局优化方法，其特征在于：包括以下步骤：

步骤1、建立多AGV调度优化的数学模型：

f＝min max{d₁,d₂,...,d_n}(1)

其约束条件如下：

di=min(Σj=1pr(uj,vj)+αΣj=1pr(vj-1,uj)),α∈(0,1)---(2)]]>

Σi=1nXij=1,j=1,2,...,p---(3)]]>

Σj=1pPijk=1,i=1,2,...,n;k=1,2,...,p---(4)]]>

其中，u_j表示第j个任务的起点；

v_j表示第j个任务的终点；

r(u_j,v_j)表示AGV执行任务j时从起点u_j执行装载操作后运行到终点v_j的行驶路径；

r(v_j-1,u_j)表示AGV执行完任务j-1的卸载操作后，由任务j-1终点v_j-1运行到任务j起点u_j的行驶路径；

α表示AGV的空载距离折算系数；

式(1)表示最小化完成所有任务AGV的行驶路径；

式(2)表示第i辆AGV的行驶路径；

式(3)表示同一任务只能分配给一辆AGV；

式(4)表示一辆AGV同时只能完成一个任务；

步骤2、对所需处理的任务进行染色体整数编码，个体基因信息解释为AGV任务分配信息和任务配送路径信息；然后采用新遗传算法对AGV调度优化数学模型进行求解，获取AGV小车的全局优化方案，具体如下：

(1)初始化：采用随机方法初始化产生初始种群，将初始种群作为父代种群；

(2)选择操作：采用轮盘赌选择法，将种群中所有个体按照适应度升序排列，各个个体被选择的概率与其适应度成正比，每次从父代种群中选择两个个体进入交叉变异操作；

所述个体S_i适应度函数F(S_i)定义如下：

F(Si)=Total-f(Si)(Ps-1)·Total]]>

其中，Total表示表示当前种群中所有个体目标值的总和；P_s表示当前种群的规模；f(S_i)表示个体S_i的目标值；

(3)交叉操作：采用最好－最差交叉模式将两父代个体的部分基因进行替换或重组从而生成新的个体；

(4)变异操作：采用基因段随机交换的变异模式，即从交叉操作后产生的个体的两个不同配送路径中随机取两段基因，然后将两段基因进行交换形成新个体；

(5)精英保留策略：父代种群经过选择、交叉和变异操作后形成子代种群，与父代种群合并得到2P_s个个体作为候选种群，计算候选种群中每个个体的目标值和平均值，对其中目标值相同而基因不同的个体，根据其平均值进行筛选，对平均值高的个体处以罚函数，降低其适应度；将调整后的2P_s个个体按其适应度进行降序排列，取其中适应度高的P_s个个体作为下一代父代种群；

(6)当种群均值连续8代不发生变化则迭代停止，输出最优解。