[发明专利]一种智能仓储多AGV调度方法

权利要求书

1.一种智能仓储多AGV调度方法，其特征在于：该方法包括以下步骤：

将仓库的平面地图划分为若干个相同大小的栅格，建立栅格地图，并基于栅格地图建立调度模型：

以F取最小值为目标函数采用改进遗传算法求解AGV最优调度结果；

其中，L_k为需要AGV配送的工作站点的下标，γ为AGV行驶距离对应的电量转换系数，C_ij为i、j站点间的最短距离，X_ijk在K号AGV通过i到j的路径时为1，否则为0，M为AGV数量，k为AGV编号，E_k为k号AGV在此次调度规划中需要消耗的电量。

2.根据权利要求1所述的一种智能仓储多AGV调度方法，其特征在于：所述多AGV的调度模型约束条件为：

其中，Y_ki在k号AGV前往i号工作站点时为1，否则为0，ME_k为此次规划中AGV的最大允许电量消耗值。

3.根据权利要求1所述的一种智能仓储多AGV调度方法，其特征在于：所述改进遗传算法选择一个具有指数变换的适应度函数为：

f＝α*exp(β*E)

其中，E(＝E₁+E₂+...+E_k)是父代种群中的一个；α和β是算术常数；α决定复制的强制，这个值越小，具有最大适应度的个体的复制强度越大。

4.根据权利要求1所述的一种智能仓储多AGV调度方法，其特征在于：所述改进遗传算法中，交叉操作选择循环交叉，交叉操作的遗传算子概率选值为0.5～0.8。

5.根据权利要求1所述的一种智能仓储多AGV调度方法，其特征在于：所述改进遗传算法中，变异操作为将所有染色体中完成任务所需耗能最大的AGV随机选择一个任务，然后划分给耗能最少的AGV，提升种群收敛速度；变异操作的遗传算子概率选值为0.05～0.2。

6.根据权利要求1所述的一种智能仓储多AGV调度方法，其特征在于：所述改进遗传算法中增加电量判断操作，具体步骤为：

步骤1：输入此次任务中所有AGV的最大允许电量消耗量(ME₁,ME₂,...,ME_k)；

步骤2：解出当前调度结果中染色体对应的电量消耗值(E₁,E₂,...,E_k)；

步骤3：分别将步骤1和步骤2计算的结果进行升序排列：

ME＝sort([ME₁,ME₂,...,ME_k])，

EH＝sort([E₁,E₂,...,E_k])；

步骤4：如果EH≤ME，则此结果满足，否则舍弃此结果。

7.根据权利要求1所述的一种智能仓储多AGV调度方法，其特征在于：设定所述AGV无效作业时间期望值为t，在改进遗传算法中的无效作业时间值与所述期望值的误差小于设定范围时，遗传算法终止。

8.根据权利要求1所述的一种智能仓储多AGV调度方法，其特征在于：在所述调度模型中设定调度任务，具体为：

AGV从仓库原点出发去工作站点执行任务并返回原点。