论文部分内容阅读
近年来,智能化和信息化建设已成为提升港口核心竞争力的重要手段,也是降低物流成本、提高物流效率的关键所在。自动化码头以高效率、无人化、自动化的特点成为了未来集装箱码头发展的大趋势。自动导引车(Automated Guided Vehicle,AGV),利用导航装置获知周围环境信息从而实现行驶路径的自主规划和调整,高效有序地装卸、搬运货物,已广泛地应用于自动化码头。然而,持续增长的港口吞吐量使得自动化码头的作业运输压力不断增大,在有限的集装箱水平运输道路内,AGV的路径冲突和道路死锁问题日益凸显。为了有效解决自动化码头AGV路径冲突和道路死锁问题,提升集装箱的水平运输效率,本文对自动化码头AGV路径与调度的优化展开了研究。主要研究内容包括:(1)按照堆场布置对自动化码头进行分类,并对各类自动化码头AGV行驶路径的特点、AGV路径规划与调度的现状和发展趋势进行了分析。(2)对传统蚁群算法的信息素反馈机制、信息素更新规则和状态转移规则进行改进,并融入多智能体系统(Multi-agent system,MAS)。将AGV视为蚂蚁智能体(Ant-agent),设定其携带负反馈机制的信息素进入运输路网。引入拥挤度的概念,设置了拥挤度阈值,建立了新的AGV状态转移规则;针对路径冲突,设计了冲突解决机制,并提出了基于Ant-agent的AGV控制算法(简称Ant-agent算法)。(3)以多智能体仿真软件Netlogo 6.1.0为平台,设计了测试起止模块、测试参数设置模块、测试环境模块和测试结果模块,开发了AGV控制算法性能测试系统。利用两阶段均匀设计试验法验证Ant-agent算法的路径优化性能,确定了Ant-agent算法在AGV路径优化中的最优参数组合。结果表明,Ant-agent算法的避碰性能、解锁性能和运输效率较传统方法均有显著提升。(4)利用两阶段均匀设计试验法,通过AGV控制算法性能测试系统对Ant-agent算法在AGV调度上的应用进行仿真,确定了各工况下最优的AGV调度优化策略,并对Ant-agent算法的各项调度性能进行了分析。结果表明,在运输任务量多、运输系统负荷大的情况下,Ant-agent算法的调度性能更优。本文提出了Ant-agent算法,可根据运输路网内AGV位置实时更新各节点的拥挤度,控制AGV的行驶状态,提升运输系统的避碰性能,并使其具备道路解锁能力,有效地解决了AGV路径冲突和道路死锁问题,提高了AGV的运输效率。通过对AGV控制的研究,实现了自动化码头AGV路径与调度的优化。