logo资料库

环形穿梭车系统的设计与调度.docx

发布时间：2022-06-13 发布人：admin 分类：说明书 资料大小：0.46M 资料格式：docx 举报 版权申诉
第1页 / 共52页
第2页 / 共52页
第3页 / 共52页
第4页 / 共52页
第5页 / 共52页
第6页 / 共52页
第7页 / 共52页
第8页 / 共52页
资料共52页，剩余部分请下载后查看
    环形穿梭车系统的设计与调度 摘要 针对物流自动化运输中环形轨道 RGV 的调度问题，以总任务完成时间最短为 目标，建立调度穿梭车的数学模型，并基于规则的遗传算法求解。运用排队论建 立环形穿梭车排队模型，使用带约束的粒子群优化算法得出系统改进建议。 针对问题一，不考虑穿梭车的实际车长，我们可以将穿梭车视为质点，以总 完工时间最短为目标函数，以相关指标计算公式为模型约束条件，建立一般化的 调度 N 辆车处理货物的模型，运用基于规则的自适应遗传算法求得最优结果。并 求得了 N=3,6,9 时，穿梭车完成附件一和附件二中的待处理货物所需要的时间分 别为：三辆车时：12699 秒；六辆车时：6785.7 秒；九辆车时：2540.7 秒； 针对问题二，在问题一模型的基础上考虑穿梭车的实际车长，根据环形穿梭 车系统的运行规则调度，改进了第一问中的模型，运用基于规则的自适应遗传算 法求得最优结果。并求得了 N=3,6,9 时，穿梭车完成附件一和附件二中的待处理 货物所需要的时间分别为三辆车时：14724 秒；六辆车时：7926 秒；九辆车时： 5085 秒。并根据上述六个数据进行分析对比。 针对问题三，以附件一和附件二中的数据为基础，运用主观评价方法中的层 次分析法和客观评价方法中的熵值法建立主客观一致赋权评价模型，引入拉格朗 日函数求解。对系统运行效率进行综合评价，得问题一和问题二六种情况的评价 系数分别为 0.5011，0.4969，0.4983，0.5011，0.4969，0.4983 评价系数的数 值越大说明系统运行的效率越高。 针对问题四，运用排队论建立环形穿梭车系统排队模型，分析模型的约束松 弛条件，将模型转化为多目标寻优问题，根据带约束的粒子群优化算法解出系统 参数优化解，并提出改进建议： 关键词：环形穿梭车、遗传算法、层次分析法、熵值法、排队论、粒子群优化 算法
    一．问题重述 问题背景： 环行穿梭车系统被广泛应用于自动化物流系统，是物流业中的一个重要的环 节，其可替代大量的普通输送设备和多台直行穿梭车，实现输送目的地的任意性， 简化生产工艺流程，提高搬运效率。但在环行封闭导轨上多台穿梭车执行搬运任 务时，易造 成交通堵塞，降低运输能力，增大完工时间。因此，合理设计穿梭 车调度策略及优化系 统，对提高环形穿梭车系统的运输效率具有重要意义。此 外，为对不同环形穿梭车系统 进行评价与改进，建立客观有效的系统运行效率 评价模型十分必要。 问题一：要求在不计穿梭车实际长度的情况下，建立一般化的调度 N 辆穿梭 车来完成各个进货口中待处理货物的数学模型和相应的求解算法，目标为总完工 时间最小。此外，在表一所示的具体系统参数下，分别给出在 N=3,6,9 时，完成 附件一和附件二中的待处理货物所需的时间。 问题二:要求在考虑穿梭车实际长度的情况下，建立一般化的调度 N 辆穿梭 车来完成各个进货口中待处理货物的数学模型和相应的求解算法，目标为总完工 时间最小。此外，在表一所示的具体系统参数下，分别给出在 N=3,6,9 时，完成 附件一和附件二中的待处理货物所需的时间。 问题三：在表一的系统参数条件下，以附件一和附件二中的数据为基础，对 环形穿梭车系统运行效率进行评价。（系统运行效率的评价可以从系统中穿梭车 的拥堵时间以及系统的最大货物吞吐量等角度展开，但不限于以上视角）。 问题四：要求对此环形穿梭车系统进行参数优化设计，并提出实际可行的改 进建议。 二．问题分析 问题一分析：因为不考虑穿梭车的实际车长，所以我们将穿梭车视为质点， 以总完工时间最短为目标函数，确定两个距离约束条件，建立一般化的调度 N 辆车处理货物的模型，运用基于规则的自适应遗传算法对染色体进行交叉、修复、 变异，求得最优结果。 问题二分析：在问题一模型的基础上考虑穿梭车的实际车长，根据环形穿梭 车系统的运行规则调度，改进了第一问中的模型约束条件，将安全距离由 0 改为
    穿梭车的长度 1.3 米，运用基于规则的自适应遗传算法求得最优结果。并根据上 述数据进行分析对比。 问题三分析：运用主观评价方法中的层次分析法和客观评价方法中的熵值法 求出两个权重序列，利用最小二乘法进行综合，建立主客观一致赋权评价模型， 引入拉格朗日函数求解，优化组合权重，确定评价系数。 问题四分析：应用排队论建立环形穿梭车系统排队模型，分析模型的约束松 弛条件，将模型转化为多目标寻优问题，根据带约束的粒子群优化算法解出系统 参数优化解，并提出改进建议。 三．模型假设 1. 假设小车没有加速度减速度，开始运动的瞬间即可达到题目中要求速度，停 止运动的瞬间可以达到静止。 2. 设整个过程中，除了装货、卸货、堵车无其他状况影响小车正常运行。 3. 小车之间距离可以为 0，距离为 0 时，若不堵车则不会影响系统正常运行。 4. 车头到达进货口出货口即可以完成进货出货任务。 1l 2l /L UT v minT waitT runT carl (n,n 1)  四．符号说明 直道长度 弯道长度 装卸货时间 速度 最小总时间 等待时间 运行时间 两车之间距离
    ia test i crossP f max argf 'f Pm U V W CR iW /L UN x carL Ls Lq Ws Wq pL 第 i 辆车的编号 第 i 个货物出货口编码 自适应交叉概率 最大适应值 平均适应值 个体适应值 自适应变异概率 主观赋值法权重 客观赋值法权重 各指标优化组合权重 一致性比例 第 i 项权重 吞吐量 复合作业次数 有效搬运距离比 平均队长（指系统内顾客数） 平均排队长（指系统内等待服务的顾 客数的数学期望） 平均逗留时间 平均等待时间 平均服务台数 五．问题一模型的建立与求解
    5.1.问题一模型的建立 分析题目可得，本文需研究环形穿梭车调度问题，该系统由两段弯道与两段 直道组成，直道上设有进出货口，并且均匀分布，A 侧进货口要达到 B 侧指定出 货口，因车辆不确定，装卸货会需要固定 10s 时间，所以会产生堵车情况，而为 了求得最高效率即最小时间，需要在各个约束条件下，通过计算调度，在系统中 车数不同的情况下，堵车时间最短。系统具体情况如图。 图 1：环形穿梭车系统示意图 ( 2 弯道 ) 100  ； l ( ) 直线 l 总长度： 1 速度： 1.5 / m s  L UT 装卸货时间： / v  10 s 各个进货口货物量： 进货口 进货口  A(1.2) B(1.2.3.4.) (100.100)  (100.50.70.100) 目标函数： min T T  wait  T / L U  T run 其中 minT 代表本次要求的最小时间， waitT 代表，所有堵车时间的总和， /L UT 代表装卸货时间，每次装卸货时间为定值， runT ，表示小车运行时间 1.距离约束： carl （1） (n,n 1) 0   ，辆车之间距离大于 0；
    i n   i 1  （2） l car (i,i 1)    l 1 l 2 ，所有车辆间间隔之和小于总长度； 2.规则调度： 规则 1：为了尽可能降低等待时间，争取使后一辆车的出货口编号小于前一 辆车的出货口编号，且该编号差值最小。 规则 2：空闲穿梭车取货优先取离自己最近，且取货不会对后面车辆造成影 响的货物。 3.遗传算法： 传统的遗传算法其交叉概率和变异概率大部分时依靠经验取值，其参数的选 择直接影响算法最终的优化效果好坏和计算时间的长短。且由于环形 RGV 调度是 一种即时问题，固定的参数不利于调度的求解，而自适应遗传算法利用自适应的 交叉变异参数，当个体的差异较大时，它尽量缩小差距，既让优势的个体能充分 发展，也能给交叉的个体一定的进化机会；当个体的差异小时，它尽量增大概率， 能更好的推重群体地进化。 4.编码方式： 染色体编码利用自然数编码方式，对穿梭车和人物进行编码，组成一个染色 体。 ,a a test 1 1 a test 1 1  n 2 test  2 a test  n 2 a test i  n ,  a i n test n 其中 1 , a a 2 a 代表 n 辆车，每辆车的编号。 n test 1 , test 2  test ,n test n 1   test 2 n  代表每个货物指定的出货口。 5.适应度函数： 适应度函数是评价个体优劣程度的标准，本文中，染色体各目标适应度函数 如下:  堵塞最少： fit （1）交叉: 自适应交叉概率: ( ) min{ x  m  j 1  ( n cj , jj )} （1） 在遗传算法的参数中，交叉和变异算法直接影响算法的收敛过度和跳出局部
    变量极小的能力。 自适应交叉概率 crossP 计算公式如下: P cross       k 1 k 2 交叉方式:  *sin( * 2 f  ' ( f arg max max f f ) ' ( f '  f ) arg   f f arg （2） 本文利用两点交叉分发，交叉位置利用随机选取方式，交叉示意图如图 3； 父代 1 父代 2 1.1 1.2 （2）.染色体维度: 1.2 1.7 0.3 0.3 1.4 1.5 图 2：交叉示例图 1.5 1.8 1.6 1.4 由于同一人物不能由两辆车同时运行，因此，在交叉完后，需对染色体进行 修复。 子代 1 子代 2 1.1 1.2 （3）.变异: 1.7 1.2 0.3 0.3 1.5 1.4 1.5 1.8 1.6 1.4 图 3：染色体修复示意图 本文根据存储物流实际情况，针对变异基因的获得范围选用两种方式。其中， 当任务较多，有多余人物为参与染色体编码，且个体适应度小于平均适应度时选 用外部变异，否则选用自交叉变异 外部变异：选用原染色体中不存在的基因替换变异化位置基因，其方式如下:
    变异位置 1.8 原染色体: 新染色体: 1.1 1.1 1.2 1.8 0.3 0.3 1.4 1.5 1.5 1.8 自交叉变异:随机生成两个交叉位置，交换变异位置上的基因，方 图 4：外部变异示意图 原染色体: 新染色体: 1.1 1.2 自适应变异概率: 1.2 1.8 0.3 0.3 1.4 1.4 1.5 1.5 图 5：自交叉变异示意图 1.6 1.4 1.6 1.6 P m       k 3 k 4  *sin( * 2 f  ' ( f arg max max f f ) '   f f arg ( f '  f ) arg （3） 5.2.基于规则的混合遗传算法: 为保证初始种群质量，优化初始种群编码，本文中提出规则 3; 染色体中，优先保证前一辆车的出货口编码大于后一辆车的出货口编码，且 如果后一辆车的出货口编码大于等于前一辆车出货口编码，前一辆车的进货口编 码与后一辆车的出货口编码保持一致。 算法主要步骤如下: （1）算法依据调度规则，进行调度，得到中间结果。 （2）算法根据中介结果，结合遗传算法编码子方式和规则 3 获得初始种群 的一半个体，剩下一半由规则 3 获得。 （3）GA 算法进行优化运算得到最终结果，通过解码获得调度方案
    分享到：
    赞 收藏

    相关推荐

    资料库

    课程资源

    共收录17145份资料，累计13个分类，关注成员有19位，主要包括：PHP,网络管理,网页制作,Java,.Net,数据库,3G/移动开发,C/C++,游戏开发,嵌入式,讲义,软件测试,专业指导

    热门标签

    PHP 网络管理 网页制作 Java .Net 数据库 3G/移动开发 C/C++ 游戏开发 嵌入式 讲义 软件测试 专业指导

    最新资料