1.问题

1.1 问题背景

1.2 基本假设

  • 单辆多载AGV调度。
  • 各个集装箱装载顺序不受时间限制,AGV可从任意任务起始点开始运输。
  • 规划目标为运输时间最短。
  • 每个任务有装载点和交付点。
任务数目 NNN NNN个任务全部装卸点 I={1,2,3...2N−1,2N}I=\{1,2,3...2N-1,2N\}I={1,2,3...2N−1,2N}
虚拟起点 2N+12N+12N+1 运输任务c1c_1c1​ 20英尺集装箱
虚拟终点 2N+22N+22N+2 运输任务c2c_2c2​ 20英尺集装箱
任务点总数 2N+22N+22N+2 运输任务c3c_3c3​ 40英尺集装箱

2.模型建立与求解

2.1 符号说明

符号 说明 符号 说明
任务数目 NNN 运输任务装载点坐标 PmP_mPm​
任务装载点集合 PPP 运输任务交付点坐标 DmD_mDm​
任务交付点集合 DDD AGV运行速度 θ\thetaθ
任务点总集合 I=P∪DI=P \cup DI=P∪D mmm 到$ n$点的运行时间 Tm,nT_{m,n}Tm,n​
增加虚拟起点与终点总集合 I+=P∪DI^+=P \cup DI+=P∪D AGV在任务点mmm的容量改变情况 dmd_mdm​
任务点mmm的容量改变情况 dmd_mdm​ 任务点mmm操作完成后AGV容量占用 CmC_mCm​
AGV的最大负载能力 CCC 决策变量表示访问m,nm,nm,n任务点 xmn=1x_{mn}=1xmn​=1
决策变量AGV点mmm完成操作时间 zmz_mzm​ 虚拟起点 SSS
虚拟终点 EEE 最末任务完成时间 fff

2.2 调度模型

(1)目标函数min⁡f\min fminf

(2)约束条件

​ 最末任务完成时间不小于任何事件的完成时间:f≥zm,∀m∈If\geq z_m ,\forall m \in If≥zm​,∀m∈I。

​ 若从任务点mmm前往nnn,则在时间上应该从m点装完货加上路程时间到达nnn点后,才能开始取货交付:
zn+(1−xm,n)Ml≥zm+Tmn,∀m,n∈I,m≠nz_n+(1-x_{m,n})M_l\geq z_m+T_{mn},\forall m,n\in I,m\neq n zn​+(1−xm,n​)Ml​≥zm​+Tmn​,∀m,n∈I,m​=n
​ 这里的要求是MlM_lMl​是一个很大的数,取一个值Ml=∑ijTijM_l=\sum_{ij}T_{ij}Ml​=∑ij​Tij​,这里的处理是很巧妙的。

​ 从任意的任务装载点mmm到任意的交付点之间是要走一段路程的:
zm+Tm(N+m)≤zN+m,m∈P,N+m∈Dz_m+T_{m(N+m)}\leq z_{N+m},m\in P,N+m\in D zm​+Tm(N+m)​≤zN+m​,m∈P,N+m∈D
​ 任意一个任务点III一定只有一个前驱和后继。只有一个前驱说明,该任务点作为交付点时,只能被交付装载货物一次。只有一个后继 说明,该任务点作为装载点时,一次就能把货物全部全部放上装载AGV小车。
∑m∈I+xmn=∑m∈I+xnm=1,∀n∈I\sum_{m \in I^+}x_{mn}=\sum_{m \in I^+}x_{nm}=1,\forall n \in I m∈I+∑​xmn​=m∈I+∑​xnm​=1,∀n∈I
​ 而且对于这样一个小车而言,对于任何一条路线m→nm\rightarrow nm→n或n→mn\rightarrow mn→m,最多只能被小车遍历一次(AGV要么不走,否则绝对不走回头路):
xm,n+xn,m≤1,∀m,n∈I,m≠nx_{m,n}+x_{n,m}\leq 1,\forall m,n\in I,m\ne n xm,n​+xn,m​≤1,∀m,n∈I,m​=n
​ 考虑特殊的虚拟起点与终点情况,虚拟起点只有一个后继:∑n∈I+/SxSn=1\sum_{n\in I^+/S}x_{Sn}=1∑n∈I+/S​xSn​=1,同样虚拟终点只有一个前驱∑m∈I+/ExmE=1\sum_{m\in I^+/E}x_{mE}=1∑m∈I+/E​xmE​=1。

​ 如果AGV走m,nm,nm,n任务点路线的话必定伴随两点之间货物容量的变化:
xmn(Cm+dn−Cn)=0,∀m,n∈I+x_{mn}(C_m+d_n-C_n)=0,\forall m,n\in I^+ xmn​(Cm​+dn​−Cn​)=0,∀m,n∈I+
​ 以下是负载约束:
dm≤Cm≤C,∀m∈P0≤Cn≤C+dn,∀n∈DCS=CE=0,d_m\leq C_m \leq C,\forall m \in P\\ 0\leq C_n \leq C+d_n,\forall n \in D\\ C_S=C_E=0,\\ dm​≤Cm​≤C,∀m∈P0≤Cn​≤C+dn​,∀n∈DCS​=CE​=0,
​ 下面是基本的参数变量的约束条件:
xmm=xmS=xEm=0,∀m∈I+f≥0,zm≥0,Tm,n≥0,∀m,n∈I+xmn∈{0,1},∀m,n∈I+x_{mm}=x_{mS}=x_{Em}=0,\forall m \in I^+\\ f\geq0,z_m \geq 0,T_{m,n}\geq0,\forall m,n \in I^+\\ x_{mn}\in \{0,1\},\forall m,n \in I^+ xmm​=xmS​=xEm​=0,∀m∈I+f≥0,zm​≥0,Tm,n​≥0,∀m,n∈I+xmn​∈{0,1},∀m,n∈I+

基于遗传算法自动化集装箱码头多载AGV调度(一)—模型搭建相关推荐

  1. 基于遗传算法的电动汽车有序充电优化调度

    基于遗传算法的电动汽车有序充电优化调度 软件:Matlab 利用遗传算法对电动汽车有序充电进行优化:优化目标包括充电费用最低,电动汽车充到足够的电,负荷峰谷差最小. 分别利用传统.精英和变异遗传算法进 ...

  2. 基于遗传算法的电动汽车有序充电优化调度 利用遗传算法对电动汽车有序充电进行优化;优化目标包括充电费用最低,电动汽车充到足够的电,负荷峰谷差最小

    基于遗传算法的电动汽车有序充电优化调度 软件:Matlab 利用遗传算法对电动汽车有序充电进行优化:优化目标包括充电费用最低,电动汽车充到足够的电,负荷峰谷差最小. 分别利用传统.精英和变异遗传算法进 ...

  3. 基于人脸的常见表情识别(3)——模型搭建、训练与测试

    基于人脸的常见表情识别(3)--模型搭建.训练与测试 模型搭建与训练 1. 数据接口准备 2. 模型定义 3. 模型训练 模型测试 本 Task 是『基于人脸的常见表情识别』训练营的第 3 课,如果你 ...

  4. 基于Matlab闭环Buck降压斩波电路Simulink仿真电路模型搭建

    文章目录 前言 一.闭环BUCK电路整体搭建模型 二.闭环BUCK电路搭建步骤 1.引入反馈环节 2.PWM输出DC-DC环节参数给定 3.输出波形图 三.负载变化的闭环BUCK电路 1.负载变化的闭 ...

  5. 【CSDN下载】第三期:多AGV调度系统软件、基于PCA的人脸识别系统

    为便于广大开发者对热门资源的下载需求,下载频道专为广大开发者开辟了推荐一周IT优质资源通道,以供开发者参考下载,同时欢迎大家上传优质资源并留言所需的资源,小编会汇总所需,及时奉上所求. 工具安装包系列 ...

  6. 【优化调度】基于遗传算法实现车辆发车间隔优化问题matlab源码

    1 简介 根据公交调度优化问题的特点,考虑车辆满载率及最大,最小发车间隔的约束,以企业收益和乘客利益最大为目标建立的公交发车间隔模型,采用遗传算法进行求解.实际应用表明,利用该模型及其算法能够快速得到 ...

  7. 【优化调度】基于遗传算法实现产品自动排序问题matlab代码

    1 简介 由于市场经济环境.国家政策.消费者多元化需求等多方面作用,制造型企业在更为复杂的市场背景下面对着更加激烈的竞争压力.随着人们生活水平逐渐提高和多元化消费需求的急速增长,依靠传统单一规模化生产 ...

  8. 车间调度问题总结笔记二——AGV调度

    一.考虑时间窗约束的智能车间单道工序任务调度的方法研究 陈庆华. 考虑时间窗约束的智能车间单道工序任务调度的方法研究[D].广东工业大学,2020.DOI:10.27029/d.cnki.ggdgu. ...

  9. 魅族容器云平台基于Kubernetes自动化运维实践

    作者简介: 曾彬 阿里巴巴 高级技术专家 互联网老兵,十多年的基础架构经验,曾在支付宝.爱立信.魅族等担任系统架构师,从事过 Linux 内核开发,Java 中间件.SOA 应用框架的设计实现.云平台 ...

最新文章

  1. 开启一个新的spyder窗口
  2. Golang代码实现HTTPs(HTTPS证书生成和部署)
  3. pdf百度云下载 python编程 从数据分析到数据科学_python零基础入门教程,不同方向的,这很重要...
  4. cookie工具类 java_springboot封装JsonUtil,CookieUtil工具类代码实例
  5. xenserver 虚拟机扩容lvm磁盘分区的方法_Linux磁盘扩容
  6. 奉献给你:《Visual C# 2005程序开发与界面设计秘诀》
  7. VLC简介及使用说明
  8. CISSP ALL in One 生词汇总
  9. .NET垃圾回收机制 转
  10. html5的新特性都有什么,html5的新特性
  11. property attribute: assign, strong, weak, unsafe_unretain and copy
  12. NetSpeedMonitor for mac
  13. 中值滤波器和双边滤波器(python实现)
  14. jQuery设计思想
  15. 佳能e478打印机怎么连接wifi
  16. 人民邮电报丨智链助力北大荒大米实现区块链全生命周期追溯
  17. python第五章总结
  18. 怎么用计算机计算复利,如何用普通计算器计算复利
  19. k-means算法与pca结合对多特征组聚类
  20. 12.FTP协议的简述及FTP的工作过程是什么?

热门文章

  1. 返璞归真-SOC起源
  2. 【重点!记忆化递归+DP】LeetCode 72. Edit Distance
  3. 程序员面试金典——17.12整数对查找
  4. tensorflow 实验过程可重复
  5. python开发环境
  6. [Swift]LeetCode1049.最后一块石头的重量 II | Last Stone Weight II
  7. android面试(4)---文件存储
  8. UIView局部点击(转)
  9. 字符串匹配のKMP【@Abandon】
  10. Istio 1.0 部署