[发明专利]一种车间无人运输系统任务分配与路径规划方法

说明书

本发明用于车间无人运输系统，具体涉及一种基于局部搜索的无人运输系统的任务分配与路径规划方法。局部搜索算法即通过对当前解进行一个扰动，产生一个新解，如果新解优于当前解，则更新新解为当前解。局部搜索算法可以高效的找到一个可行解，但是由于在更新当前解时只接受更优解，这样便容易陷入局部最优解，并且由于任务是固定的，会使得搜索范围较小，很可能错失其他区域的更好的解。因此，本发明旨在解决陷入局部最优解和扩大搜索区域。本发明通过使用两个参数，使得在适当的时刻跳出局部最优解，从而得到更高效的路径。

技术领域

本发明用于车间无人运输系统，具体涉及一种车间无人运输系统任务分配与路径规划方法。

背景技术

随着5G与人工智能的发展，移动云基机器人(mobile cloud robotics，MCR)会越来越多的被运用到无人运输系统内，用来减少人力花费，提高生产效率。MRC将人工智能、云与机器人技术结合在一起，在5G技术的支持下，使得无人运输系统不再受机载计算、内存或软件资源的限制。相较于自动导引车(AGV)，MCR成本更低，效率更高。

在制造车间内，有多个物料仓库，每个仓库停有一个有容量限制的MCR，根据每个加工地点的位置与需求量，将它们分配给合适的MCR，MRC从初始仓库出发，将物料送到对应的加工地点，并且最终回到初始仓库，这个问题是一个有容量限制的路径规划与调度问题(CVRP)。该问题可以简化看成在一个制造车间里的多个旅行商问题(Travelling salesmanproblem，TSP)，属于NP-Hard问题，采用局部搜索方法求解很可能陷入局部最优解。本发明通过改进局部搜索方法，避免陷入局部最优解，实现无人运输系统成本最小化。

发明内容

本发明要解决的技术问题，是制造车间无人运输系统的任务分配与路径规划问题，最终使得无人运输系统成本最小化。

为了达到上述目的，本发明技术方案如下：

一种车间无人运输系统任务分配与路径规划方法，步骤如下：

第一步，将实际问题简化成模型

一个制造车间有M个物料仓库，有N个加工地点有物料需求，每个物料仓库有一辆容量相同的MCR。目标是在运输距离最短的情况下满足每个加工地点的需求。以下介绍模型中符号的含义：

M：MCR的个数，即物料仓库的个数；

N：需要运送物料的加工地点的个数，即运输任务数；

K：所有MCR的集合，K＝{1，2…M}；

B：物料仓库集合，B＝{1,2…M}；

k：MCR的编号，k∈K；

C：每个MCR的容量；

V：全部点组成的集合，包括所有仓库和加工地点，V＝{1,2…N,N+1,N+2,…N+M}；

i，j：集合V中的任意点；

A：工作地点集合，也即运输任务集合，A＝{1，2…N}；

C_A：A中每一个工作地点的物料需求量集合；

C_Ai：A中任意一个工作地点i的物料需求量，C_Ai>0；

V_k：编号为k的MCR分配到的运输任务点集合，V_k∈V；

V′_k：编号为k的MRC的路径中应该包括的点,包括物料仓库点；

N_k：编号为k的MCR分配到的运输任务数量,