<var id="pjxfp"></var><mark id="pjxfp"><pre id="pjxfp"></pre></mark>
    <mark id="pjxfp"><pre id="pjxfp"><thead id="pjxfp"></thead></pre></mark>

    <var id="pjxfp"><strike id="pjxfp"><thead id="pjxfp"></thead></strike></var>

      <mark id="pjxfp"><pre id="pjxfp"><dfn id="pjxfp"></dfn></pre></mark>

        <mark id="pjxfp"></mark>

            二維碼 手機掃一掃

            服務(wù)電話(huà)
            13631629907

            RFID新聞動(dòng)態(tài)

            基于改進(jìn)合同網(wǎng)模型的AGV系統多車(chē)調度優(yōu)化研究

            余榮洋 金桂根 物流技術(shù)與應用 2023-09-06 17:32 

            摘要:隨著(zhù)物流行業(yè)智能化發(fā)展,AGV在物流領(lǐng)域的應用日益增加,隨之而來(lái)的優(yōu)化調度問(wèn)題也成為研究熱點(diǎn)。多Agent方法是針對AGV系統多車(chē)調度優(yōu)化的一個(gè)較優(yōu)方法,合同網(wǎng)協(xié)議是多Agent系統中應用最多的協(xié)商機制,但傳統合同網(wǎng)算法存在著(zhù)通信量過(guò)大、效率較低的問(wèn)題。因此,本文利用了Agent主動(dòng)感知的特點(diǎn),引入主動(dòng)感知系數,并結合Agent能力值和信任度三個(gè)指標,提出了一種改進(jìn)的合同網(wǎng)方法。仿真實(shí)驗結果表明改進(jìn)的合同網(wǎng)可減少通信量,提高AGV系統單位時(shí)間內的工作效率。


            關(guān)鍵詞:自動(dòng)搬運機器人(AGV)、多Agent系統、改進(jìn)合同網(wǎng)模型、效率


            作者:余榮洋 金桂根

            云南財經(jīng)大學(xué)


            引言


            隨著(zhù)物流行業(yè)智能化程度的提高,AGV在物流業(yè)內的使用范圍越來(lái)越廣。AGV不僅可以根據相應的指令實(shí)現對包裹的自動(dòng)搬運,而且能提高分揀效率和安全性,從而提升企業(yè)的物流水平,給顧客更好的用戶(hù)體驗。針對AGV系統多車(chē)的優(yōu)化調度,尤其是當任務(wù)訂單過(guò)多時(shí),如何對AGV進(jìn)行合理的分配,以實(shí)現在滿(mǎn)足訂單時(shí)效的情況下,使AGV的運行效率實(shí)現最優(yōu),一直是國內外學(xué)者的研究熱點(diǎn)。

            在多種任務(wù)分配的優(yōu)化方法中,多Agent方法是一個(gè)較優(yōu)的選項。多Agent方法是指多個(gè)Agent之間在通信的基礎上與環(huán)境進(jìn)行交互,并相互協(xié)調以求共同完成系統任務(wù)的方法。多Agent系統中大多是使用分布式合同網(wǎng)協(xié)議作為其內部協(xié)作的溝通機制,合同網(wǎng)協(xié)議在分布式多Agent系統中的應用有其非常突出的一些優(yōu)點(diǎn),比如合同網(wǎng)協(xié)議的可再擴充性很好,處理復雜動(dòng)態(tài)環(huán)境能力很強,所以在與多種分布式智能體系統的協(xié)作過(guò)程中的使用普遍。

            合同網(wǎng)是將系統中的成員角色分為任務(wù)管理Agent和任務(wù)執行Agent,通過(guò)模仿經(jīng)濟行為中的“招標-投標-中標”機制實(shí)現任務(wù)分配。Agent可以利用對任務(wù)的投標值來(lái)進(jìn)行各種相互的協(xié)作與競爭,爭取以最優(yōu)的全局效能和最低的時(shí)間代價(jià)來(lái)實(shí)現任務(wù)。由于傳統的合同網(wǎng)模型是通過(guò)廣播的方式來(lái)向系統內部的Agent發(fā)出各種任務(wù)信息以及其他相關(guān)的消息,感受到這些任務(wù)消息后的所有Agent成員均可以參與投標,一旦參加投標活動(dòng)的Agent數量過(guò)多,就會(huì )直接導致整個(gè)系統內部的網(wǎng)絡(luò )通信量過(guò)大,這增加了任務(wù)管理Agent的決策壓力。

            對此研究合同網(wǎng)的學(xué)者提出了多種多樣的改進(jìn)方案,比如:文獻[1]在傳統合同網(wǎng)基礎上引入可信度模型,使得能力不足的Agent無(wú)法參與部分投標[1]。文獻[2]借鑒了蟻群算法,將信息素加入招投標過(guò)程,并提出基于信息素的多Agent動(dòng)態(tài)調度策略,從而減少通信量,增強決策實(shí)時(shí)性[2]。

            文獻[3]通過(guò)建立Agent能力模型和Agent執行任務(wù)描述,使多Agent系統的任務(wù)分配更適應于動(dòng)態(tài)環(huán)境[3]。文獻[4]提出利用Agent具有主動(dòng)感知的特點(diǎn),加入公共消息黑板作為合同網(wǎng)的傳統媒介,讓任務(wù)執行Agent通過(guò)公共消息黑板來(lái)感知任務(wù)[4]。文獻[5]設計了基于多Agent通信的多任務(wù)協(xié)作時(shí)間調度算法,實(shí)現了額外代價(jià)最小化和窗口時(shí)間內完成任務(wù)最大化[5]。但上述文獻中并沒(méi)有將Agent的主動(dòng)性和Agent的負載[6]、能力和信任度的綜合考量結合起來(lái)。

            本文從實(shí)際出發(fā),考慮到在實(shí)際倉庫搬運中,任務(wù)需進(jìn)行優(yōu)先級的劃分,AGV優(yōu)先對高優(yōu)先級[7]和時(shí)間性強的任務(wù)進(jìn)行運輸。故本文在基于上述文獻的基礎上,對傳統合同網(wǎng)算法的招投標階段進(jìn)行改良,同時(shí)為AGV加入任務(wù)緩沖池,不僅可以充分發(fā)揮Agent的主動(dòng)感知的特點(diǎn),還能使任務(wù)緩沖池中的任務(wù)根據其優(yōu)先級更好地進(jìn)行動(dòng)態(tài)分配[8],使得應用場(chǎng)景更貼合實(shí)際。在招標階段,Agent通過(guò)對AGV的感知系數、能力和信任度等幾個(gè)方面進(jìn)行綜合考量,使得Agent的主動(dòng)性和智能性可以充分結合。


            動(dòng)態(tài)環(huán)境下的改進(jìn)合作網(wǎng)模型


            1.改進(jìn)合同網(wǎng)模型動(dòng)態(tài)任務(wù)分配框架

            本文運輸場(chǎng)景中的動(dòng)態(tài)任務(wù)分配問(wèn)題,主要涉及3種Agent:倉庫Agent、數據庫Agent和AGV Agent。

            數據庫Agent負責整個(gè)招投標過(guò)程中的信息采集和加工處理,并統一協(xié)調任務(wù)執行Agent的行為;倉庫Agent負責在接收到訂單消息之后制作標書(shū),并將標書(shū)進(jìn)行公布;當倉庫Agent發(fā)布標書(shū)時(shí),所有AGV Agent會(huì )根據標書(shū)信息先計算自身的感知系數,依據感知系數來(lái)決策是否進(jìn)行投標;倉庫Agent依據AGV Agent反饋的標書(shū)中的感知系數進(jìn)行決策,選擇與最合適的Agent進(jìn)行簽約。

            以上對傳統合同網(wǎng)的改進(jìn)流程圖,如圖1所示[9][10][11]。

            7086cb925aa979f6b574cb5ea6fe2e4a

            2.改進(jìn)合同網(wǎng)模型的協(xié)作策略

            (1)招標階段

            在本文中的運輸場(chǎng)景中,當倉庫Agent作為招標Agent在接收到訂單信息之后,根據以下標書(shū)格式對訂單信息中的數據進(jìn)行收集和整理。

            標書(shū)的格式為:

            Contract=<Task ID,Category,Priority,Li,Le,Capability>

            其中,Task ID:此次運輸任務(wù)的唯一編碼;

            Category:此次任務(wù)要運輸的貨物種類(lèi);

            Priority:此任務(wù)的優(yōu)先等級,分別為1,2,3;

            Li:此任務(wù)中所需搬運貨物的裝載位置;

            Le:此任務(wù)中所需搬運貨物的卸載位置;

            Capability:執行此任務(wù)所需的能力。

            在倉儲系統中,可以用上面的方法將運輸任務(wù)表述為:<TC00001,01,1,(IX,IY),(EX,EY),200KG>根據上述定義,這表示一項編號為T(mén)C0001,需裝載的貨物種類(lèi)是01,任務(wù)優(yōu)先級為1,需裝載貨物的位置為(IX,IY),需卸載貨物的位置為(EX,EY),此任務(wù)所需任務(wù)Agent的最低裝載量為200kg。

            倉庫Agent將標書(shū)進(jìn)行公布,所有AGV主動(dòng)去感知標書(shū)信息,當標書(shū)中的任務(wù)優(yōu)先級比自身任務(wù)緩沖池中的任務(wù)優(yōu)先級要高時(shí),AGV開(kāi)始計算自身反饋系數并決定是否要對相應任務(wù)進(jìn)行反饋。

            (2)投標階段

            每臺執行任務(wù)的AGV的都配有任務(wù)緩沖池,任務(wù)緩沖池中最多有3個(gè)待執行的任務(wù),當新的訂單出現的時(shí)候,倉庫Agent將訂單信息整理成任務(wù)標書(shū),每個(gè)任務(wù)標書(shū)只對應著(zhù)一個(gè)訂單,AGV對整理好的任務(wù)標書(shū)進(jìn)行主動(dòng)感知并計算自身的反饋系數,反饋系數跟AGV的負載情況和自身能力值有關(guān)。AGV負載過(guò)大或者自身能力值不能滿(mǎn)足任務(wù)需求都會(huì )導致反饋系數達不到任務(wù)要求,則AGV不會(huì )對公布的標書(shū)信息就行投標。

            ①AGV負載系數

            定義變量:Loadi表示為AGVi的負載系數,其根據優(yōu)先級動(dòng)態(tài)變化的,i為AGV的序號;圖片表示AGVi的平均工作負載,

            圖片表示此時(shí)系統內平均工作負載最小的AGV的系數,

            圖片表示此時(shí)系統內平均工作負載最大的AGV的系數。Mik表示AGVi執行的任務(wù),k代表AGV執行任務(wù)的順序,例如M11表示AGV1在目前正在執行的搬運任務(wù),M12表示AGV1在M11完成后將要執行的任務(wù),以此類(lèi)推;M0則表示新任務(wù)標書(shū)中待分配的搬運任務(wù)。TMik 代表完成任務(wù)Mik所需要的時(shí)間,例如TM23表示AGV2完成其第三項任務(wù)所需要的時(shí)間。

            當AGV1進(jìn)入工作狀態(tài)后,其任務(wù)總數最多只有4個(gè),由正在執行的任務(wù)和任務(wù)緩沖區的三個(gè)任務(wù)組成,可分別表示為M11,M12,M13,M14。若此時(shí)倉庫Agent公布了一個(gè)新的任務(wù)M0,且優(yōu)先級高于A(yíng)GV1任務(wù)緩沖池的M14,則AGV1的負載量是只以M11、M12和M13數據為基礎進(jìn)行計算。

            執行任務(wù)的總時(shí)間(T總)=執行當前任務(wù)(M11)仍需要的時(shí)間+完成任務(wù)緩沖池中的任務(wù)(M12 、M13)所需的時(shí)間+新的任務(wù)標書(shū)中任務(wù)(M0)所需的時(shí)間:

            圖片    (1)

            AGV1平均負載量( 圖片   )=執行任務(wù)的總時(shí)間

            (T總)/任務(wù)總數:

              圖片 (2)

            其他AGV的平均負載量以此類(lèi)推。當系統內的AGV都計算得出自身的平均負載量后,此時(shí),AGV1根據下方公式得出自身的負載系數(Load1)為:

             圖片 (3)

            當Load1=0時(shí),表明AGV1的工作負載為系統內最小,適合對新任務(wù)進(jìn)行投標。

            當Load1=1時(shí),表明AGV1的工作負載為系統內最高,不適合對新任務(wù)進(jìn)行投標。

            當Load1<Load2時(shí),說(shuō)明AGV1的工作負載比AGV2的工作負載低。

            上述過(guò)程體現了負載系統的動(dòng)態(tài)變化過(guò)程,即當M0出現在系統里面時(shí),各執行AGV首先會(huì )檢視自身緩沖池中的任務(wù)容量,若自身的任務(wù)緩沖池仍有剩余空間,則直接將執行M0預計所用的時(shí)間代入T總和圖片 進(jìn)行計算,得出其負載系數。若自身的任務(wù)緩沖池沒(méi)有剩余空間時(shí),則會(huì )檢視自身任務(wù)緩沖池中是否有任務(wù)優(yōu)先級低于M0的任務(wù)存在,若沒(méi)有,則不對M0作出響應;若有低于M0的任務(wù)存在,如上述例子中的AGV1任務(wù)緩沖池里面的M14,當AGV1感知到M0出現時(shí),AGV1首先檢查了自身緩沖池容量,在確定自身的任務(wù)緩沖池沒(méi)有剩余空間后,檢視出自身任務(wù)緩沖池中有任務(wù)優(yōu)先級低于M0的任務(wù)M14,所以在之后計算T總和圖片時(shí),剔除了執行M14預計所用的時(shí)間,加入了執行M0預計所用的時(shí)間。這一部分體現了負載系數的具有動(dòng)態(tài)變化的特征。

            ②A(yíng)GV的反饋值

            定義變量:Peri表示AGVi對投標任務(wù)的反饋值;Loadi表示AGVi在投標任務(wù)時(shí)的工作負載系數。當AGV最大載重量滿(mǎn)足標書(shū)中的能力值時(shí),A=1,否則,A=0。

            AGVi根據下方公式來(lái)計算自身的反饋系數

            圖片       (4)

            (3)評標階段

            AGVi的感應系數、能力值[12]和信任度在文中具有不同的量綱級別和不同的物理含義,因此本文將對它們進(jìn)行歸一化處理。

            ①AGV能力值

            在同一項任務(wù)標書(shū)中,AGV的能力值(Capi)與分配到該任務(wù)的可能性呈正相關(guān)。本文用AGVi完成標書(shū)任務(wù)的時(shí)間比值,來(lái)刻畫(huà)其完成任務(wù)的能力大小。

            定義變量:TM0 :AGV完成與標書(shū)任務(wù)的時(shí)間;maxTM0 :系統內的AGV預計完成標書(shū)任務(wù)的最長(cháng)用時(shí);minTM0 :系統內的AGV預計完成標書(shū)任務(wù)的最短用時(shí),那么,AGVi針對此項任務(wù)的能力值Capi為: 

             圖片 (5)

            當 Cap1> Cap2時(shí),說(shuō)明針對此標書(shū)發(fā)布的任務(wù),AGV1的能力值比AGV2的能力值高。

            ②A(yíng)GV的信任度

            另一個(gè)影響任務(wù)分配結果的是倉庫Agent對AGVi的信任度。同樣的,在同一項任務(wù)中,信任度越高的AGV分配到任務(wù)的可能性越大。

            信任度可以從AGVi成功完成任務(wù)的次數來(lái)表示,隨著(zhù)AGVi成功完成任務(wù)次數的增加,其在倉庫Agent的信任度方面會(huì )不斷地積累與提高。

            定義變量:Believei:倉庫Agent對于A(yíng)GVi完成任務(wù)的信任度;N為AGVi成功完成任務(wù)的總次數;Faili為AGVi中標之后因為自身能力不足而不能完成任務(wù)的次數,那么AGVi信任度為:

            圖片  (6)

            倉庫Agent從AGVi反饋的標書(shū)中得知其感知系數,再綜合AGVi的能力值和信任度,綜合三個(gè)要素來(lái)計算評價(jià)AGVi。

            圖片 (7)

            Valuei表示倉庫Agent對AGVi投標的評價(jià)值;Loadi表示AGVi對任務(wù)的感知系數;Capi表示AGVi自身能力值;Beli表示倉庫Agent對AGVi的信任度。

            AGVi將標書(shū)發(fā)送給倉庫Agent,倉庫Agent對所有投標標書(shū)進(jìn)行評價(jià)排序,評價(jià)值最高者被分配到該任務(wù)。以上完整定義了合同網(wǎng)中任務(wù)分配策略的形式化表示。


            仿真案例分析


            1.仿真實(shí)驗場(chǎng)景

            SH物流中心是一個(gè)現代化物流項目,可對客戶(hù)訂單進(jìn)行快速處理,并完成物料準確快速的存儲、復核、集貨、發(fā)運等業(yè)務(wù)。智能倉內運輸系統包括AGV、機器人擺臂、貨架和智能調度管理系統等。AGV主要負責立體庫出庫站臺,機械臂工作臺和月臺之間的搬運,俯瞰圖如圖2所示。

            d7b9ac3ced6d0953e6920f415b9046d6

            2.仿真實(shí)驗的條件

            為了評價(jià)提出的多屬性評價(jià)中標策略的性能,本文做了相應的對比仿真實(shí)驗。仿真實(shí)驗的條件如下: 

            (1)任務(wù)屬性:隨機生成任務(wù)優(yōu)先級為1,2,3的任務(wù),分配比率為1:3:6。

            (2)機械臂隨時(shí)可以滿(mǎn)足使用需求,當AGV到達機械臂工位時(shí),機械臂可立刻執行貨物搬運任務(wù)。

            (3)系統中AGV數量:9臺。

            當任務(wù)需求為整托盤(pán)貨物時(shí),倉儲系統的作業(yè)流程具體分解為:

            STEP1倉儲貨架中的穿梭車(chē)將整托盤(pán)運送至AGV裝載處;

            STEP2 AGV裝載整托盤(pán),并將整托盤(pán)直接運送至月臺裝卸處;

            STEP3 AGV將空托盤(pán)運送至空托盤(pán)組工位;

            當任務(wù)需求為散托盤(pán)任務(wù)時(shí),倉儲系統的作業(yè)流程具體分解為:

            STEP1倉儲貨架查詢(xún)中是否有直接滿(mǎn)足任務(wù)需求的散托盤(pán)。若有,AGV執行上述操作;若無(wú),穿梭車(chē)將整托盤(pán)運送至AGV裝載處;

            STEP2 AGV裝載整托盤(pán),并將整托盤(pán)運送至機械臂工位處;

            STEP3 機械臂工位將托盤(pán)上的貨物搬運至輸送線(xiàn)上;

            STEP4 AGV將散托盤(pán)運回至倉儲貨架。

            (4)結合作業(yè)流程分解,分解AGV搬運的動(dòng)作周期:接托盤(pán)(升降)-轉向上道-勻加速直線(xiàn)運動(dòng)-勻速直線(xiàn)運動(dòng)-勻減速直線(xiàn)運動(dòng)-轉向下道-放托盤(pán)(升降)。

            (5)執行任務(wù)的總時(shí)間組成為:t通訊+t升降+n*t上下道+t直線(xiàn)。

            3.基于多屬性評價(jià)策略的調度優(yōu)化結果分析 

            AGV運行基礎數據,如表1所示?;诟倪M(jìn)合同網(wǎng)仿真實(shí)驗,傳統合同網(wǎng)系統運行數據和改進(jìn)合同網(wǎng)系統運行數據,如表2所示。

            8e104c164e1ebb41b2f44295ea9a492a

            結論


            本文針對傳統合同網(wǎng)的協(xié)商機制進(jìn)行了改進(jìn)。在投標階段,AGV利用主動(dòng)感知的特點(diǎn)計算自身的感知系數并做出是否投標的決策。在評標階段,倉庫Agent通過(guò)對AGV的感知系數、能力和信任度進(jìn)行綜合考量,從而選擇最優(yōu)AGV來(lái)執行任務(wù),對比實(shí)驗證明了本文所提多屬性評價(jià)中標策略的有效性和可行性。

            本文基于一種理想狀態(tài)下將多Agent技術(shù)與倉儲物流系統相結合,同時(shí)充分運用Agent的主動(dòng)性和智能性,可以使AGV系統能夠靈活處理各種突發(fā)事件,增強系統的魯棒性。后續研究會(huì )在本文的基礎上,對機械臂Agent、貨架Agent和AGV系統的協(xié)作做出進(jìn)一步研究,使應用場(chǎng)景更貼合實(shí)際。


            參考文獻:

            [1] 趙新字,林作銓.合同網(wǎng)協(xié)議中的Agent可信度模型[J].計算機科學(xué),2006, 33: 6.

            [2] 陳鳴,朱海華,張澤群,等. [車(chē)間調度]基于信息素的多Agent車(chē)間調度策略[J].中國機械工程, 2018, 29(22): 2659.

            [3] 李明,劉瑋,張彥鐸.基于改進(jìn)合同網(wǎng)協(xié)議的多Agent動(dòng)態(tài)任務(wù)分配[J].山東大學(xué)學(xué)報(工學(xué)版), 2015, 46(2): 51-56.

            [4] 林琳,劉鋒.基于改進(jìn)合同網(wǎng)協(xié)議的多Agent協(xié)作模型[J].計算機技術(shù)與發(fā)展, 2010, 20(3): 71-75.

            [5] 胡晶晶,曹元大,焦德朝,等.基于多Agent的多任務(wù)協(xié)作時(shí)間調度算法研究[J].計算機集成制造系統, 2005, 11(3): 394-398.

            [6] 裘杭萍,覃垚,胡汭,等.多Agent系統中基于改進(jìn)合同網(wǎng)模型的任務(wù)分配研究[D]. ,2012.

            [7] 秦久峰,曾凡明,陳于濤.基于改進(jìn)合同網(wǎng)的多Agent系統協(xié)作機理研究[J].武漢理工大學(xué)學(xué)報,2014,38(5):1065-1069.

            [8] 張???史忠植.動(dòng)態(tài)合同網(wǎng)協(xié)議[J].計算機工程,2004,30(21):44-57.

            [9] 唐蘇,朱一凡,李群,等.多Agent系統任務(wù)分配方法綜述[J].系統工程與電子技術(shù),2010, 32(10):2155-2161.

            [10] 翟政,何明,徐鵬等.基于市場(chǎng)機制的無(wú)人集群任務(wù)分配研究綜述[J/OL].計算機應用研究:1-9

            [11] Buehler J, Pagnucco M. A framework for task planning in heterogeneous multi robot systems based on robot capabilities[C]//Twenty-eighth AAAI conference on artificial intelligence. 2014.

            [12] Confessore G, Fabiano M, Liotta G. A network flow based heuristic approach for optimising AGV movements[J]. Journal of Intelligent Manufacturing, 2013, 24(2): 405-419.


            服務(wù)電話(huà)

            13631629907

            15814057139

            Copyright ? 2016-2022 版權所有 版權所有
            地址:廣東省東莞市黃江鎮德豐盛智慧園 電話(huà):13631629907?傳真: 手機:15814057139
            RFID工業(yè)物聯(lián)智能設備 粵ICP備2021175590號

            王工:

            丁工:

            :

            服務(wù)時(shí)間:
            9:00-18:00(工作日)

            cache
            Processed in 0.008339 Second.
            久久久嫖妓东北女人精品,意大利死茸茸电影在线观看,丁香六月伊人啪啪综合网,91狼人妓女怡红院影院