一种车辆调度的方法和装置与流程

本发明涉及计算机，尤其涉及一种车辆调度的方法和装置。

背景技术：

1、在现代工业自动化物流仓储系统中，自动拣货机器人(agv)作为一种自动化程度高、灵活性好、抗干扰能力强的移动机器人得到了广泛的应用。目前无人仓中通常是单一功能agv车型对某一货架进行拣货作业，通过使用a*算法、或者用生物智能启发算法，如传统的粒子群算法或遗传算法，进行单agv车型的路径规划。

2、在实现本发明过程中，发明人发现现有技术中存在如下问题：

3、现有agv的应用方案在仓储货架的拣货量需求不同的场景下，只能对各个货架进行单独规划，不能对多种agv车型进行灵活调度，不利于资源的整合和效率的提升，不能满足实际需要。

技术实现思路

1、有鉴于此，本发明实施例提供一种车辆调度的方法和装置，根据接收到的车辆信息和至少一个目的地信息，生成车辆调度计划集合，基于预先构建的使用混合群智能算法得到规划模型，从车辆调度计划集合中选取符合模型要求的车辆调度计划。实现了一种适用于多种agv车型多目的地场景的agv车辆调度方案，通过使用混合群智能算法可以快速获取车辆调度计划，以对各个agv车型进行灵活调度，有利于资源的整合和效率的提升。

2、为实现所述目的，根据本发明实施例的一个方面，提供了一种车辆调度的方法，包括：

3、响应于调度请求，获取待调度车辆的车辆信息和至少一个目的地信息；

4、根据所述车辆信息和所述目的地信息，生成车辆调度计划集合；

5、将所述车辆调度计划集合输入到预先构建的使用混合群智能算法得到的规划模型，得到车辆调度计划。

6、可选地，在根据所述车辆信息和所述目的地信息，生成车辆调度计划集合之前，还包括：构建表征车辆使用状态的决策变量，所述决策变量包括车辆标识、路径起点和路径目的地；根据所述车辆信息和所述目的地信息，生成车辆调度计划集合，包括：根据所述车辆信息中的车辆标识，所述目的地信息，结合所述待调度车辆的起点信息，使用所述决策变量，得到所述待调度车辆的车辆调度计划集合。

7、可选地，所述规划模型的目标函数通过以下方式构建：通过所述决策变量，建立车辆的运输成本函数和固定成本函数；根据车辆起点到车辆目的地的路径中设置的途经点，建立所述路径的转折角度总和函数；根据所述运输成本函数、所述固定成本函数和所述转折角度总和函数，得到目标函数；基于所述目标函数，建立约束条件，所述约束条件包括：车辆使用数量约束、车辆的起点和终点的位置约束、车辆调度的规则约束、车辆负载约束。

8、可选地，将所述车辆调度计划集合输入到预先构建的使用混合群智能算法得到的规划模型，得到车辆调度计划，包括：初始化所述规划模型的参数；基于输入的所述车辆调度计划集合，对所述车辆调度计划集合进行聚类分组，得到至少一组车辆调度计划子种群；在迭代次数小于预设的最大迭代次数的情况下，循环进行下述迭代计算，直至所述迭代次数达到所述最大迭代次数，从所有迭代计算得到的所述车辆调度计划解中选取全局最优解，作为车辆调度计划：对所述每组车辆调度子种群采用粒子群算法计算个体最优解和全局最优解，得到车辆调度计划解；根据所述个体最优解和所述全局最优解，对所有车辆的速度和位置信息进行第一更新。

9、可选地，基于分布式并行框架，将所述车辆调度计划集合输入到预先构建的使用混合群智能算法得到的规划模型，得到车辆调度计划。

10、可选地，对所述每组车辆调度子种群采用粒子群算法计算个体最优解和全局最优解，包括：根据所述每组车辆调度子种群的个体适应度值，对所述每组车辆调度子种群的个体惯性系数和加速因子进行调整，得到所述每组车辆调度子种群个体的自适应惯性系数和自适应加速因子；采用粒子群算法，结合所述自适应惯性系数和所述自适应加速因子，计算个体最优解和全局最优解。

11、可选地，根据所述个体最优解和所述全局最优解，对所有车辆的速度和位置信息进行第一更新，包括：根据所述个体最优解和所述全局最优解，通过粒子群算法和聚类算法分别得到所有车辆的第一速度更新信息和第二速度更新信息；根据所述第一速度更新信息和所述第二速度更新信息，得到所述所有车辆的速度更新信息；根据所述所有车辆的速度更新信息，得到所述所有车辆的位置更新信息。

12、可选地，根据所述个体最优解和所述全局最优解，对所有车辆的速度和位置信息进行第一更新之后，包括：在所述每组车辆调度子种群中引入遗传算法的选择交叉操作算子和变异操作算子，对所述第一更新后的所有车辆的位置信息进行第二更新。

13、可选地，在所述每组车辆调度子种群中引入遗传算法的选择交叉操作算子和变异操作算子，对所述第一更新后的所有车辆的位置信息进行第二更新，包括：使用激活函数，根据所述每组车辆调度子种群的个体适应度值，对所述每组车辆调度子种群引入的个体选择概率、交叉概率和变异概率进行调整，得到所述每组车辆调度子种群个体的自适应选择概率、自适应交叉概率和自适应变异概率；根据所述自适应选择概率、自适应交叉概率和自适应变异概率，对所述第一更新后的所有车辆的位置信息进行第二更新。

14、可选地，对所述第一更新后的所有车辆的位置信息进行第二更新之后，还包括：在所述每组车辆调度子种群中引入遗传算法的删除操作算子、逆转操作算子和克隆操作算子，对所述第二更新后的所有车辆的位置信息进行第三更新。

15、可选地，得到车辆调度计划之后，所述方法包括：根据所述车辆调度计划，得到车辆的规划路径。

16、根据本发明实施例的第二方面，提供一种车辆调度的装置，包括：

17、信息获取模块，用于响应于调度请求，获取待调度车辆的车辆信息和至少一个目的地信息；

18、调度计划集合生成模块，用于根据所述车辆信息和所述目的地信息，生成车辆调度计划集合；

19、调度计划获取模块，用于将所述车辆调度计划集合输入到预先构建的使用混合群智能算法得到的规划模型，得到车辆调度计划。

20、根据本发明实施例的第三方面，提供一种车辆调度的电子设备，包括：

21、一个或多个处理器；

22、存储装置，用于存储一个或多个程序，

23、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例第一方面提供的方法。

24、根据本发明实施例的第四方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例第一方面提供的方法。

25、所述发明中的一个实施例具有如下优点或有益效果：通过响应于调度请求，获取待调度车辆的车辆信息和至少一个目的地信息；根据车辆信息和目的地信息，生成车辆调度计划集合；将车辆调度计划集合输入到预先构建的使用混合群智能算法得到的规划模型，得到车辆调度计划的技术方案，实现了根据接收到的车辆信息和至少一个目的地信息，生成车辆调度计划集合，基于预先构建的使用混合群智能算法得到规划模型，从车辆调度计划集合中选取符合模型要求的车辆调度计划。通过本发明实施例提供的方法，提供了一种适用于多种agv车型多目的地场景的agv车辆调度方案，通过使用混合群智能算法可以快速获取车辆调度计划，以对各个agv车型进行灵活调度，有利于资源的整合和效率的提升。

技术特征：

1.一种车辆调度的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，在根据所述车辆信息和所述目的地信息，生成车辆调度计划集合之前，还包括：

3.根据权利要求2所述的方法，其特征在于，所述规划模型的目标函数通过以下方式构建：

4.根据权利要求1所述的方法，其特征在于，将所述车辆调度计划集合输入到预先构建的使用混合群智能算法得到的规划模型，得到车辆调度计划，包括：

5.根据权利要求1所述的方法，其特征在于，基于分布式并行框架，将所述车辆调度计划集合输入到预先构建的使用混合群智能算法得到的规划模型，得到车辆调度计划。

6.根据权利要求4或5所述的方法，其特征在于，对所述每组车辆调度子种群采用粒子群算法计算个体最优解和全局最优解，包括：

7.根据权利要求4或5所述的方法，其特征在于，根据所述个体最优解和所述全局最优解，对所有车辆的速度和位置信息进行第一更新，包括：

8.根据权利要求4或5所述的方法，其特征在于，根据所述个体最优解和所述全局最优解，对所有车辆的速度和位置信息进行第一更新之后，包括：

9.根据权利要求8所述的方法，其特征在于，在所述每组车辆调度子种群中引入遗传算法的选择交叉操作算子和变异操作算子，对所述第一更新后的所有车辆的速度和位置信息进行第二更新，包括：

10.根据权利要求8所述的方法，其特征在于，对所述第一更新后的所有车辆的位置信息进行第二更新之后，还包括：

11.根据权利要求1所述的方法，其特征在于，得到车辆调度计划之后，所述方法包括：

12.一种车辆调度的装置，其特征在于，包括：

13.一种移动电子设备终端，其特征在于，包括：

14.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-11中任一所述的方法。

技术总结
本发明公开了一种车辆调度的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：响应于调度请求，获取待调度车辆的车辆信息和至少一个目的地信息；根据所述车辆信息和所述目的地信息，生成车辆调度计划集合；将所述车辆调度计划集合输入到预先构建的使用混合群智能算法得到的规划模型，得到车辆调度计划。该实施方式实现了一种适用于多种AGV车型多目的地场景的AGV车辆调度方案，通过使用混合群智能算法可以快速获取车辆调度计划，以对各个AGV车型进行灵活调度，有利于资源的整合和效率的提升。

技术研发人员：陈曾华
受保护的技术使用者：北京京东乾石科技有限公司
技术研发日：
技术公布日：2024/12/5