[发明专利]基于Multi-Paxos的无人车物流任务分配方法

说明书

本发明公开了基于Multi‑Paxos的无人车物流任务分配方法，具体包括以下步骤：步骤一：构建两层次物流物理模型和三阶段任务状态模型，形成同城物流运输的具体场景；步骤二：无人车利用Multi‑paxos选举算法对任务进行竞选；步骤三：无人车基于TSP旅行商问题用分支限界算法确定获得的任务包序列。本发明利用Multi‑Paxos选举算法进行任务分配，分支限界法进行任务点序列的确定，在控制去中心化物流运输系统场景上，更加适用于当今例如外卖等的同城物流模式，实现更加高效的动态无人车任务分配，创造更短的平均任务完成时间和更加稳健的调度系统。

技术领域

本发明属于无人物流和任务分配技术领域，具体涉及一种基于Multi-Paxos的无人车物流任务分配方法。

背景技术

随着电子商务行业的体量不断膨胀和人工成本的不断提高，配送作为物流运转的基础环节，由于其物流形式日渐多样，数据更新更加频繁，配给任务日益繁重，更有“送货上门”的服务要求的提高，智慧物流的日益盛行，中国物流已开启无人化时代。

仓库全自动化智能调度技术在国内已经发展得相当成熟，然而无人智能实地配送技术还处于萌芽阶段。京东早在2016年就试行了城市无人车配送，然而至今仍没有普及，可见在实地配送技术发展仍有着巨大的阻碍。

基于中心化调度任务分配的方法发展较早，也相对成熟，有众多基于例如蚁群算法、粒子群算法、聚类等的中心化调度算法，即有一个中央控制机器人，负责收集环境信息，并将众多任务进行划分，分配给不同的下级机器人去执行。然而这种中心化调度任务分配方法仅适用于静态场景当中，而且中央机器人一旦出现故障，整个系统将处于瘫痪状态。

发明内容

发明的目的是提供一种适用于动态场景且系统鲁棒性高的基于Multi-Paxos的无人车同城物流任务分配方法。

为实现上述技术目的，本发明采用了如下技术方案：基于Multi-Paxos的无人车物流任务分配方法，具体包括以下步骤：

步骤一：构建两层次物流物理模型和三阶段任务状态模型，形成同城物流运输的具体场景；

步骤二：无人车利用Multi-paxos选举算法对任务进行竞选；

步骤三：无人车基于TSP旅行商问题用分支限界算法确定获得的任务包序列。

进一步地，前述的基于Multi-Paxos的无人车物流任务分配方法，其中：在步骤一中，物流物理模型构建及信息初始化的具体步骤如下：

基于地理区域依据实际需要划分多个单元，每个单元内设置一个集中站和多台无人小车；集中站主要负责小车的能量供给和维护，跨单元任务的中转和暂存，所属单元的信息收集、总结和递交；无人小车只负责任务的竞选，任务点序列确定和执行；

步骤(1.1)：集中站信息初始化Concentrator(id,i,n,Nmax)，其中Concentrator.id是集中站地理位置信息，Concentrator.i是未处理的进站跨单元任务数，Concentrator.n是集中站暂放的任务数(包括Concentrator.i)，Concentrator.Nmax为集中站最大负荷存储量；当Concentrator.n接近Concentrator.Nmax时向监视平台发送预警信息；

步骤(1.2)：由每个集中站负责该区域订单的收集以及该单元订单库(即任务库)的生成变动和管理；