基于多智能體月臺(tái)調(diào)度智能排序模型的構(gòu)造
【專利摘要】本發(fā)明公開一種基于多智能體月臺(tái)調(diào)度智能排序模型的構(gòu)造；鋼材的物流配送屬于運(yùn)輸中的重型運(yùn)輸，需要專用的裝卸設(shè)備和大型的運(yùn)輸車輛，配送裝車過程中，車輛的裝車效率和順序(即月臺(tái)調(diào)度)直接關(guān)系到配送時(shí)效，但月臺(tái)調(diào)度是個(gè)多約束條件的組合優(yōu)化復(fù)雜系統(tǒng)，合理排序取得最優(yōu)化至關(guān)重要。本發(fā)明引入多智能體技術(shù)對(duì)實(shí)時(shí)的車輛調(diào)度決策進(jìn)行研究，構(gòu)造基于月臺(tái)的調(diào)度排序系統(tǒng)和多智能體算法設(shè)計(jì)作為多約束條件的組合優(yōu)化復(fù)雜系統(tǒng)，實(shí)現(xiàn)多智能體技術(shù)對(duì)實(shí)時(shí)的車輛調(diào)度決策進(jìn)行研究提供了新的解決方法，以提高貨運(yùn)作業(yè)效率，解決了獲取最優(yōu)解的問題，輔以車輛識(shí)別技術(shù)對(duì)配送車輛全程監(jiān)控，實(shí)現(xiàn)車輛調(diào)度的高效和裝卸過程的精準(zhǔn)，達(dá)到鋼材精準(zhǔn)配送目標(biāo)。
【專利說明】
基于多智能體月臺(tái)調(diào)度智能排序模型的構(gòu)造
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種多智能體月臺(tái)調(diào)度系統(tǒng)模型的構(gòu)造，具體地是一種按照供應(yīng)鏈和 Agent來構(gòu)造的模型。
【背景技術(shù)】
[0002] 本發(fā)明提出之前，在供應(yīng)鏈中，貨物的運(yùn)送涉及到的因素諸多，各種因素下的水平 指標(biāo)也會(huì)存在不一致，例如：
[0003] 1)送貨時(shí)間
[0004] 由于客戶訂單數(shù)量和周期不同，當(dāng)DPS系統(tǒng)收到訂單，將自動(dòng)比對(duì)現(xiàn)有庫存和貨物 數(shù)據(jù)，同時(shí)標(biāo)識(shí)出材料的斷點(diǎn)時(shí)間，提示業(yè)務(wù)員給予關(guān)注，根據(jù)備貨系數(shù)的調(diào)整，智能進(jìn)行 原料分配及生產(chǎn)計(jì)劃安排。并前期確定最優(yōu)的送貨時(shí)間。
[0005] 2)車輛數(shù)量
[0006] 參與運(yùn)輸操作的車輛數(shù)同樣影響著整個(gè)月臺(tái)的運(yùn)作效率，不同的車輛參與裝卸需 要提供不同的調(diào)度優(yōu)化策略。多輛運(yùn)輸車可以在其他條件允許的情況下同時(shí)在不同的倉(cāng)庫 門進(jìn)行裝卸，也可能在更節(jié)省時(shí)間的前提下在同一倉(cāng)庫門前進(jìn)行等待。
[0007] 3)車輛類型
[0008] 考慮到混裝，就是一臺(tái)車如果太大了，可能把兩個(gè)客戶東西湊在一起。車輛類型的 不同意味著裝運(yùn)剛才的品種與重要不同，也一定程度影響著貨物的裝卸時(shí)間和物流成本， 從調(diào)度、進(jìn)庫、裝配的靈活性上游很大程度的提高，大型車輛載重量大，貨物裝卸耗時(shí)長(zhǎng)，對(duì) 月臺(tái)的管理和車輛調(diào)度帶來一定的影響。
[0009] 4)緊急響應(yīng)
[0010]系統(tǒng)在每一個(gè)運(yùn)輸指令的關(guān)鍵環(huán)節(jié)上都設(shè)置了預(yù)警功能，當(dāng)實(shí)際執(zhí)行確認(rèn)指令未 在計(jì)劃時(shí)間內(nèi)反饋至系統(tǒng)，預(yù)警信息會(huì)立即顯示在系統(tǒng)看板上，異常情況的處理主動(dòng)性 強(qiáng)，響應(yīng)速度快。例如當(dāng)客戶的需求時(shí)間較為緊迫時(shí)，系統(tǒng)需要對(duì)相應(yīng)的車輛裝車時(shí)間進(jìn)行 提前處理。
[0011] 5)設(shè)備故障率
[0012] 在公司的長(zhǎng)期運(yùn)作中，設(shè)備不可避免的會(huì)出現(xiàn)故障，當(dāng)參與裝卸工作的行車出現(xiàn) 故障時(shí)，會(huì)嚴(yán)重影響對(duì)應(yīng)倉(cāng)庫的裝卸任務(wù)，從而導(dǎo)致整個(gè)月臺(tái)的調(diào)度做出調(diào)整，等待設(shè)備故 障修復(fù)。

【發(fā)明內(nèi)容】

[0013] 本發(fā)明的目的在于，克服上述各種因素中存在的弊端，提供一種多智能體系統(tǒng) (Multi-Agent System，MAS)理論，構(gòu)造基于月臺(tái)的調(diào)度排序系統(tǒng)作為多約束條件的組合優(yōu) 化復(fù)雜系統(tǒng)，實(shí)現(xiàn)多智能體技術(shù)對(duì)實(shí)時(shí)的車輛調(diào)度決策進(jìn)行研究提供了新的解決方法，以 提高貨運(yùn)作業(yè)效率。
[0014] 實(shí)現(xiàn)本發(fā)明的技術(shù)方案是，這種基于多智能體月臺(tái)調(diào)度智能排序模型的構(gòu)造，其 特征在于：多智能體系統(tǒng)(Multi-Agent System，MAS)是由一個(gè)在一個(gè)環(huán)境中交互的多個(gè)智 能體組成的計(jì)算系統(tǒng);多智能體系統(tǒng)也能被用在解決分離的智能體以及單層系統(tǒng)中難以解 決的問題;智能體通過一些方法，函數(shù)，過程，搜索算法來實(shí)現(xiàn)，其中各智能體的通信是通過 彼此協(xié)調(diào)擱置行為實(shí)現(xiàn)相互之間的通信，是以通信技術(shù)為基礎(chǔ)；
[0015] 本發(fā)明包括基于月臺(tái)調(diào)度的排序系統(tǒng)和多智能體算法設(shè)計(jì)兩個(gè)部分:其中，所述 的基于月臺(tái)調(diào)度的排序系統(tǒng)還包括配送模式、Agent建模、車輛調(diào)度；
[0016] 所述配送模式是基于月臺(tái)調(diào)度的物流配送模式，配送中心從上游獲取貨源，經(jīng)過 收貨、存儲(chǔ)、組裝和調(diào)度車輛等流程，最后將貨物送到客戶;任何情況的物流配送車輛調(diào)度 問題都可以按照數(shù)學(xué)建模的方法，表達(dá)成有目標(biāo)函數(shù)和約束條件兩部分構(gòu)成的數(shù)學(xué)規(guī)劃模 型;本發(fā)明基于月臺(tái)調(diào)度的車輛調(diào)度需求方案，其數(shù)學(xué)模型可以表述為:min or max z = f (x)根據(jù)實(shí)際項(xiàng)目的需求，可以分析得出約束條件:送貨時(shí)間相關(guān)的約束、運(yùn)輸車輛相關(guān)的 約束、標(biāo)準(zhǔn)工時(shí)相關(guān)的約束、緊急響應(yīng)相關(guān)的約束、人力資源相關(guān)的約束、裝卸設(shè)備相關(guān)的 約束；
[0017]所述Agent建模指的是:基于MAS處理多約束條件目標(biāo)優(yōu)化問題的明顯優(yōu)勢(shì)，本發(fā) 明將MAS應(yīng)用到月臺(tái)調(diào)度系統(tǒng)中，不同層次的主體(影響因素)可以通過不同層次的Agent來 進(jìn)行描述和表達(dá);不同層次的Agent相互聯(lián)系、相互作用共同組成了一個(gè)實(shí)際的調(diào)度系統(tǒng)；
[0018] 所述車輛調(diào)度是針對(duì)月臺(tái)調(diào)度智能排序的目標(biāo)而設(shè)計(jì)的最為關(guān)鍵的模塊，相應(yīng)的 影響因素主要涉及倉(cāng)庫和車輛兩個(gè)方面，在多倉(cāng)庫的環(huán)境中，將待運(yùn)車輛調(diào)度到合適的倉(cāng) 庫門來提高整個(gè)廠區(qū)的裝卸效率涉及較多的影響因素，如該倉(cāng)庫的繁忙程度、倉(cāng)庫的貨物 儲(chǔ)備量等;綜合各方面的因素，結(jié)合廠區(qū)內(nèi)的各個(gè)倉(cāng)庫門，車輛與相應(yīng)的倉(cāng)庫智能匹配;對(duì) 于一個(gè)倉(cāng)庫的不同庫門，存儲(chǔ)不同的產(chǎn)品，正常情況下，每個(gè)庫門對(duì)應(yīng)一種產(chǎn)品（窄帶、板 等），由于不同車輛需要混裝的實(shí)際情況，可能存在該倉(cāng)庫門存放著少量的本不屬于該庫門 的產(chǎn)品，當(dāng)客戶訂單完成后，安排車輛根據(jù)客戶訂單到對(duì)應(yīng)的倉(cāng)庫庫門去取相應(yīng)的產(chǎn)品;根 據(jù)各個(gè)倉(cāng)庫門的繁忙程度或是裝卸水平因素的影響，車輛可能不同的運(yùn)輸路徑到達(dá)對(duì)應(yīng)的 倉(cāng)庫門以最短的時(shí)間完成裝車工作，方便后面車輛的運(yùn)作，提高系統(tǒng)整體的運(yùn)行效率；
[0019] 本發(fā)明基于多智能體的月臺(tái)調(diào)度排序數(shù)學(xué)模型的構(gòu)造如下：
[0020]
[0021]
[0022]
[0023]
[0024]
[0025]上述模型中涉及的參數(shù)作如下說明：
[0026] G:倉(cāng)庫門的集合 [0027] V:參與配送車輛的集合 [0028] ti:車輛到達(dá)倉(cāng)庫i的用時(shí)
[0029] U:倉(cāng)庫i最晚服務(wù)的時(shí)間（廠區(qū)24小時(shí)工作，可忽略）
[0030] Ei:倉(cāng)庫i最早服務(wù)的時(shí)間（廠區(qū)24小時(shí)工作，可忽略）
[0031] a1:倉(cāng)庫最早可提供裝車服務(wù)的時(shí)間(車輛到達(dá)倉(cāng)庫時(shí)需等待的最短時(shí)間）
[0032] b1:倉(cāng)庫最晚可提供裝車服務(wù)的時(shí)間(車輛到達(dá)倉(cāng)庫時(shí)需等待的最長(zhǎng)時(shí)間）
[0033] f1:車輛到達(dá)倉(cāng)庫早于倉(cāng)庫提供服務(wù)時(shí)間的懲罰系數(shù)
[0034] f2:車輛到達(dá)倉(cāng)庫晚于倉(cāng)庫提供服務(wù)時(shí)間的懲罰系數(shù)
[0035] cij:車輛經(jīng)過倉(cāng)庫i和j之間的耗時(shí)（范圍為5-10min)
[0036] Pi:倉(cāng)庫門i裝完一輛車所需產(chǎn)品的耗時(shí)
[0037] q:車輛的容量
[0038] n1:倉(cāng)庫門i提供給車的貨物容量
[0039]
[0040]
[0041]
[0042] 本發(fā)明基于多智能體的月臺(tái)調(diào)度排序模型的算法采用兩種應(yīng)用廣發(fā)的啟發(fā)式算 法，遺傳算法與禁忌搜索算法相結(jié)合的混合算法實(shí)現(xiàn)，遺傳算法(GA)是根據(jù)達(dá)爾文的自然 選擇和遺傳理論，將生物進(jìn)化過程中適者生存規(guī)則與同一群染色體的隨進(jìn)信息交換相結(jié)合 的智能算法;遺傳算法的性能在很大程度上依賴于交叉和變異的操作，這取決于在解集中 如何抽取樣本解;禁忌搜索算法(TA)最重要的思想是標(biāo)記對(duì)應(yīng)已搜索的局部最優(yōu)解的一些 對(duì)象，并在進(jìn)一步的迭代搜索中盡量避開這些對(duì)象，而不是絕對(duì)禁止循環(huán)，從而保證對(duì)不同 的有效搜索途徑的探索；
[0043]混合后算法的主要策略就是：首先通過遺傳算法進(jìn)行全局搜索，采用自然數(shù)對(duì)所 有倉(cāng)庫和可調(diào)配車輛進(jìn)行編碼，將各倉(cāng)庫的供貨能力同車輛的運(yùn)載能力進(jìn)行全局的路徑優(yōu) 化;然后運(yùn)用禁忌搜索對(duì)種群中的個(gè)體以一定的概率進(jìn)行局部搜索，也就是針對(duì)同一輛車 對(duì)所有倉(cāng)庫進(jìn)行局部運(yùn)輸路徑優(yōu)化;本發(fā)明首先設(shè)置初始種群，然后模擬生物進(jìn)化，在初始 種群之間產(chǎn)生選擇、變異、交叉作為新一代種群，對(duì)新一代種群做僅僅搜索優(yōu)化，留下好的 個(gè)體，經(jīng)過多代的遺傳，最后形成適應(yīng)度最好的個(gè)體；
[0044]本發(fā)明所采用的混合算法求解過程如下：
[0045] (1)倉(cāng)庫門直接排列自然數(shù)編碼
[0046]首先可以設(shè)計(jì)多個(gè)1-G不同的不糊重復(fù)的自然數(shù)排列，該自然數(shù)排列就構(gòu)成一個(gè) 個(gè)體。按照約束條件可以依次將倉(cāng)庫門插入到行駛路線中，例如調(diào)用兩輛車到達(dá)4的倉(cāng)庫 點(diǎn)，假設(shè)車的行駛路徑為1234,即依次遍歷標(biāo)號(hào)為1，2,3,4的倉(cāng)庫點(diǎn)，首先將第一個(gè)倉(cāng)庫點(diǎn) 插入到行駛路線中，如果滿足上述所有約束條件，插入第二個(gè)倉(cāng)庫點(diǎn)，若滿足繼續(xù)進(jìn)行，當(dāng) 超出車輛的運(yùn)載量時(shí)，調(diào)用第二輛車。
[0047] (2)設(shè)置初始種群
[0048]隨機(jī)的生成1-G這G個(gè)互不重復(fù)的自然數(shù)排列，即生成一個(gè)個(gè)體。假設(shè)初始種群的 數(shù)目為N，則產(chǎn)生N個(gè)這樣不同的個(gè)體。
[0049] (3)適應(yīng)度評(píng)價(jià)標(biāo)準(zhǔn)確定
[0050] 因?yàn)閮?yōu)化目標(biāo)是求最小值，而遺傳算法的適應(yīng)度表示適應(yīng)能力最強(qiáng)的個(gè)體，故可 用目標(biāo)函數(shù)的倒數(shù)表示適應(yīng)度。
[0051] f = l/Zi
[0052] (4)復(fù)制操作
[0053]本設(shè)計(jì)通過保留最佳個(gè)體和賭盤策略來完成對(duì)種群個(gè)體優(yōu)勝劣汰的操作。
[0054] (5)交叉操作
[0055] 通過一定的概率交換兩個(gè)父代個(gè)體的部分片段來完成交叉操作，常見的交叉算子 有部分交叉算子、順序交叉算子、循環(huán)交叉算子和類0X算子等。
[0056] 本設(shè)計(jì)采用順序交叉算子，例如一輛車完成根據(jù)裝運(yùn)工作需要經(jīng)過1、2、3、4、5、6、 7這七個(gè)倉(cāng)庫門裝載相應(yīng)的產(chǎn)品，現(xiàn)有兩種不同的車輛行駛路線：1^ = 1234567，R2 = 3425167，Ri表不車輛依次經(jīng)過1號(hào)門、2號(hào)門、...、7號(hào)門，R2表不車輛依次經(jīng)過3號(hào)門、4號(hào) 門.....7號(hào)門，從中選擇一個(gè)匹配段，
[0057]
[0058]
[0059] 根據(jù)匹配段的映射關(guān)系，在匹配段區(qū)域外對(duì)應(yīng)的位置標(biāo)注為A，即：
[0060]
[0061]
[0062] 再移動(dòng)匹配段到起始位置，并在后面預(yù)留和匹配段空間相同的位置，標(biāo)注為A，即：
[0063]
[0064]
[0065]最后將兩個(gè)序列的匹配段相互交換，得到兩個(gè)新的后代，即：
[0066]
[0067]
[0068] (6)變異操作
[0069] 變異操作體現(xiàn)了自然界基因突變的思想，常見的變異算子有逆轉(zhuǎn)變異、交換變異 和插入變異。
[0070] 本設(shè)計(jì)采用逆轉(zhuǎn)變異，隨機(jī)選擇一個(gè)序列中的兩個(gè)點(diǎn)進(jìn)行位置互換，將兩點(diǎn)內(nèi)字 符反序插入到原序列中。例如對(duì)于一輛車的行駛路線為Ri = 1234567,將第二個(gè)位置和第五 個(gè)位置進(jìn)行逆轉(zhuǎn)變異，得到的序列為R/=1543267。
[0071] (7)利用禁忌搜索法對(duì)當(dāng)前解進(jìn)行改進(jìn) [0072]禁忌算法采用
[0073]:寸當(dāng)前解進(jìn)行評(píng)價(jià) i=V*
[0074] 其中T(i)表示車輛到達(dá)倉(cāng)庫點(diǎn)需要的時(shí)間，E(i)表示車輛在倉(cāng)庫點(diǎn)裝卸貨物和等 待的時(shí)間，W(i)表示車輛的車載量，p代表懲罰系數(shù)。
[0075]禁忌搜索算法的執(zhí)行步驟如下：
[0076] 步驟一:選定初始解(有遺傳算法得到)xn?，令禁忌表// = 0。
[0077] 步驟二:若滿足終止準(zhǔn)則，轉(zhuǎn)步驟四；否則，在xn?的領(lǐng)域N(xn?)中選出滿足禁忌要 求的候選集can_N(x n°w)，執(zhí)行步驟三。
[0078] 步驟三:在can_N(x_)選出一組評(píng)價(jià)值最優(yōu)解/^，令xn°w = xbest，更新禁忌表，轉(zhuǎn) 步驟二。
[0079] 步驟四：輸出運(yùn)算結(jié)果。
[0080] (8)終止準(zhǔn)則
[0081] 因?yàn)橛绊戃囕v調(diào)度系統(tǒng)穩(wěn)定性的動(dòng)態(tài)因素較多，對(duì)決策系統(tǒng)的時(shí)效性要高，本設(shè) 計(jì)擬采用指定代數(shù)步數(shù)終止的終止準(zhǔn)則；
[0082] 本發(fā)明基于多智能體的月臺(tái)調(diào)度排序模型的算法設(shè)計(jì)如下：
[0083]輸入?yún)?shù)：
[0084] 種群規(guī)模N，表示不同的初始車輛的運(yùn)行路線
[0085] 進(jìn)化代數(shù)T，表示種群要繁衍的代數(shù) [0086] 交叉概率卩。
[0087] 變異概率Pm [0088]懲罰系數(shù)p
[0089] 輸出結(jié)果：
[0090] 車輛調(diào)度路線和優(yōu)化目標(biāo)值
[0091] 算法主體：
[0092] 根據(jù)車輛倉(cāng)庫匹配矩陣產(chǎn)生多個(gè)不同的初始種群P(0)，
[0093] 當(dāng)前代數(shù)為t = 0;
[0094] 計(jì)算初始種群的適應(yīng)度
[0095]

[0097] 具體地，所述Agent建模包括:客戶Agent、倉(cāng)庫Agent、車輛Agent、路網(wǎng)Agent、勞動(dòng) 力Agent、訂單處理Agent、緊急響應(yīng)Agent、車輛調(diào)度Agent、裝卸調(diào)度Agent及總調(diào)度Agent， 其中：
[0098] 1)客戶Agent包含客戶名稱、客戶代碼、發(fā)貨計(jì)劃、要求送達(dá)時(shí)間、所需捆包的類 型和數(shù)量等信息；
[0099] 2)倉(cāng)庫Agent包含捆包類型、捆包號(hào)、備貨系數(shù)等信息；
[0100] 3)車輛Agent同司機(jī)綁定，包含車輛位置狀態(tài)(車輛等待、正在裝車、裝完車輛）、車 輛裝載量、車牌、司機(jī)、車批等信息；
[0101] 4)路網(wǎng)Agent包含不同的倉(cāng)庫點(diǎn)的庫門、庫位以及它們之間切換耗時(shí)信息；
[0102] 5)勞動(dòng)力Agent包含單包裝車標(biāo)準(zhǔn)工時(shí)、裝卸工人信息(總?cè)藬?shù)、已分配人數(shù)、待分 配人數(shù))等信息；
[0103] 6)訂單處理Agent會(huì)根據(jù)倉(cāng)庫的貨物存儲(chǔ)現(xiàn)狀和客戶的訂單要求初步評(píng)估現(xiàn)有的 貨物量能否滿足客戶的需求，并將最終的評(píng)估報(bào)告反映給最上層的總調(diào)度Agent，總調(diào)度 Agent根據(jù)評(píng)估報(bào)告決定采取生成裝運(yùn)計(jì)劃單(計(jì)劃單號(hào)作為訂單ID)還是安排相關(guān)貨物貨 物的生產(chǎn)計(jì)劃；
[0104] 7)緊急響應(yīng)Agent屬于單方向依賴的智能體，用來處理系統(tǒng)中的緊急情況;作用于 系統(tǒng)的每一個(gè)運(yùn)輸指令的關(guān)鍵環(huán)節(jié)上，當(dāng)實(shí)際執(zhí)行確認(rèn)指令未在計(jì)劃時(shí)間內(nèi)反饋至總調(diào)度 Agent，預(yù)警信息會(huì)立即顯示在系統(tǒng)看板上，異常情況的處理主動(dòng)性強(qiáng)；
[0105] 總調(diào)度根據(jù)生成的裝運(yùn)計(jì)劃，計(jì)算裝運(yùn)裝運(yùn)線和運(yùn)輸里程（用在根據(jù)理論在途時(shí) 間計(jì)算出廠時(shí)間上）；將裝運(yùn)計(jì)劃提供給車輛調(diào)度Agent，車輛調(diào)度Agent完成車輛調(diào)度;最 后根據(jù)車輛調(diào)度Agent的計(jì)算結(jié)果倒退車輛進(jìn)場(chǎng)時(shí)間；
[0106] 8)車輛調(diào)度Agent是整個(gè)調(diào)度系統(tǒng)的關(guān)鍵，當(dāng)客戶訂單生成并且系統(tǒng)沒有發(fā)生意 外情況下，總調(diào)度Agent提取裝載調(diào)度Agent的人力資源信息，將其同訂單一并下發(fā)給車輛 調(diào)度Agent，車輛調(diào)度Agent根據(jù)訂單和車輛等資源，對(duì)裝車順序合理調(diào)度，是系統(tǒng)整體效率 達(dá)到最尚；
[0107] 9)裝卸調(diào)度Agent負(fù)責(zé)勞動(dòng)力的調(diào)動(dòng)，合理的安排工人工作時(shí)間和地點(diǎn)，讓工人在 正確的時(shí)間出現(xiàn)在正確的倉(cāng)庫門口裝卸貨物，計(jì)算裝車用時(shí)，就計(jì)算結(jié)果返給上級(jí)Agent， 讓車輛在倉(cāng)庫停留時(shí)間最少；
[0108] 總調(diào)度Agent是整個(gè)系統(tǒng)的大腦，負(fù)責(zé)整個(gè)系統(tǒng)的同步和管理，協(xié)調(diào)各個(gè)Agent，使 它們之間協(xié)作，保證整個(gè)系統(tǒng)有序的運(yùn)行。
[0109] 具體地，所述車輛調(diào)度模塊中，D表示倉(cāng)庫，0表示不同影響因素的權(quán)重，表示第 i個(gè)倉(cāng)庫對(duì)第j個(gè)影響因素的評(píng)價(jià)情況，倉(cāng)庫裝卸能力表示當(dāng)前倉(cāng)庫的裝車水平，在實(shí)時(shí)狀 態(tài)下裝載單位產(chǎn)品的用時(shí);車輛到倉(cāng)庫耗時(shí)表示空載車輛(沒有裝載貨物)從場(chǎng)內(nèi)發(fā)車點(diǎn)到 對(duì)應(yīng)倉(cāng)庫門的用時(shí);倉(cāng)庫貨物儲(chǔ)量表示當(dāng)前倉(cāng)庫門能夠提供的對(duì)應(yīng)貨物的最大量，決定著 是否滿足車輛的需求;車輛實(shí)載率表示當(dāng)前車輛的裝載狀態(tài)，剩余可供產(chǎn)品裝車的空間還 有多少，影響著車輛選擇合適的倉(cāng)庫門。權(quán)重表示各個(gè)因素對(duì)車輛調(diào)度的重要程度。
[0110] 車輛初始?？课恢玫淖罴哑ヅ渌惴ǎㄒ詡}(cāng)庫門DQ1為例）：
[0111] 步驟一:標(biāo)準(zhǔn)化匹配矩陣的指標(biāo)，將不同的單位換算成可用來比較的同一量；
[0112]
[0113]
[0114]
[0115]
[0116]
[0117]
[01 18]對(duì) Δ 101、Δ 201、Δ 301、Δ 401、Δ 501、Δ 601 進(jìn)Ι?單位歸一化
[0119] 步驟二:歸一化處理各影響因素的權(quán)重；
[0120] 衡量4、02、4、￡)4、&、匕的值，并使其滿足：
[01 21 ] 9j + 0，+ 9：j. +:c?4. +.3S =..1.
[0122] 步驟三:計(jì)算倉(cāng)庫?？康木C合評(píng)價(jià)值；
[0123] 綜合評(píng)價(jià)值的計(jì)算公式為：
[0124]
[0125] 步驟四：當(dāng)有一個(gè)或多個(gè)車輛同時(shí)參與運(yùn)輸時(shí)，綜合考慮評(píng)價(jià)值最高的倉(cāng)庫作為 配送車輛?？康某跏甲罴褌}(cāng)庫。
[0126] 具體地，所述基于多智能體的月臺(tái)調(diào)度排序數(shù)學(xué)模型中式(3.1)作為整個(gè)模型的 優(yōu)化目標(biāo)，表示車輛經(jīng)過排序最后完成任務(wù)的時(shí)間最短，約束條件(3.2)表示車輛到達(dá)倉(cāng)庫 的時(shí)間不能早于倉(cāng)庫開始提供服務(wù)的時(shí)間，不能晚于倉(cāng)庫關(guān)閉服務(wù)的時(shí)間，對(duì)于廠區(qū)24小 時(shí)工作，可忽略此條件;式(3.3)表示車輛最終的運(yùn)載量不能超過車輛本身的運(yùn)載能力;式 (3.4)、（3.5)表示一個(gè)車輛一次且最多只能一次經(jīng)過同一個(gè)倉(cāng)庫且經(jīng)過倉(cāng)庫的總數(shù)不能超 過倉(cāng)庫的總數(shù)。
[0127] 本發(fā)明的優(yōu)點(diǎn)在于:整個(gè)方案的設(shè)計(jì)采用了多種理論和算法，并根據(jù)事件的應(yīng)用 需求對(duì)原有的算法做出了改進(jìn)，綜合體現(xiàn)了三個(gè)方面的優(yōu)勢(shì)。
[0128] 1.多智能體理論的優(yōu)勢(shì)。
[0129] 采用多智能體理論搭建排序系統(tǒng)，可以充分發(fā)揮多智能體理論的優(yōu)勢(shì)。
[0130]自治性:各個(gè)Agent可以獨(dú)立的完成數(shù)據(jù)本Agent任務(wù)的工作，需要其他Agent的數(shù) 據(jù)時(shí)，可以通過與其他Agent建立通信獲取。
[0131] 預(yù)動(dòng)性:各個(gè)Agent可以根據(jù)整個(gè)系統(tǒng)的資源調(diào)度，適時(shí)地預(yù)測(cè)本Agent所負(fù)責(zé)的 資源狀態(tài)，及時(shí)的更新資源，避免不必要的耗時(shí)。
[0132] 可擴(kuò)展性:隨著生產(chǎn)方式和需求的變化，系統(tǒng)需要根據(jù)實(shí)際需要作出調(diào)整，多智能 可以在原先結(jié)構(gòu)的基礎(chǔ)上很容易擴(kuò)展新的Agent，不需要做大的改動(dòng)。
[0133] 社會(huì)性:多智能體根據(jù)實(shí)際問題可以很好的對(duì)問題進(jìn)行劃分，將耦合性低的模塊 分給不同的Agent去處理，清晰了工作流程，提高了工作效率，提升了系統(tǒng)性能。
[0134] 2.混合算法的優(yōu)勢(shì)
[0135] 處理車輛調(diào)度問題的傳統(tǒng)方式是采用精確算法進(jìn)行求解，包括分支定界算法、動(dòng) 態(tài)規(guī)劃法等，這些算法都收限于問題的規(guī)模和約束條件的不變性。在處理大規(guī)模多變約束 條件下的問題是通常采用啟發(fā)式算法，常見的啟發(fā)式算法有遺傳算法、禁忌搜索算法、蟻群 算法等，但是單個(gè)算法存在固有的缺陷。
[0136] 遺傳算法雖然有很好的靈活性和魯棒性，適合大規(guī)模問題的求解，但其存在過早 地收斂和局部搜索能力差的缺陷。而在遺傳算法的基礎(chǔ)上添加禁忌搜索算法的混合算法可 以解除禁忌搜索算法局部?jī)?yōu)化的優(yōu)點(diǎn)很好的彌補(bǔ)了這一缺陷。整個(gè)混合算法的思想就是通 過遺傳算法構(gòu)造禁忌搜索算法的初始解，作為禁忌搜索模塊的鄰域，通過禁忌搜索算法進(jìn) 一步優(yōu)化個(gè)體，提升整個(gè)種群的質(zhì)量，使更優(yōu)的個(gè)體在最少的迭代步數(shù)內(nèi)出現(xiàn)。
[0137] 3.應(yīng)用實(shí)際的突破
[0138] 以往的基于啟發(fā)式算法的車輛調(diào)度都應(yīng)用在物流公司對(duì)客戶需求的配送中，考慮 的都是從物流中心出發(fā)到客戶手中的車輛調(diào)度，且考慮限制條件相對(duì)單一和存在很大的理 論性。本設(shè)計(jì)從廠區(qū)的實(shí)際需求出發(fā)，突破以往的場(chǎng)外物流條件，綜合考慮廠區(qū)中實(shí)際存在 的約束條件，采用啟發(fā)式算法完成廠區(qū)內(nèi)部車輛來往于不同倉(cāng)庫的調(diào)度問題，從原先的從 集中到分散的一對(duì)多配送模式轉(zhuǎn)變?yōu)楫?dāng)前的從倉(cāng)庫到這車輛的多對(duì)一物流模式，依據(jù)實(shí)際 對(duì)原有算法進(jìn)行大膽的創(chuàng)新，以解決實(shí)際物流問題。
[0139] 本設(shè)計(jì)基于實(shí)際項(xiàng)目背景，利用MAS多智能體模型搭建了基于月臺(tái)的車輛調(diào)度系 統(tǒng)模型，并在充分分析需求的基礎(chǔ)上，設(shè)計(jì)了以車輛運(yùn)作時(shí)間最短為目標(biāo)的車輛調(diào)度數(shù)學(xué) 模型，其中運(yùn)用到了在物流調(diào)度問題上廣泛采用的啟發(fā)式算法:遺傳算法和禁忌搜索算 法，在提取兩者優(yōu)勢(shì)的基礎(chǔ)上設(shè)計(jì)了基于兩者的混合遺傳算法，使車輛調(diào)度達(dá)到最優(yōu)。
【附圖說明】
[0140] 圖1是基于月臺(tái)調(diào)度的物流配送模式模型示意圖；
[0141 ]圖2是基于MAS的智能調(diào)度排序模型示意圖；
[0142] 圖3是車輛調(diào)度排序模型示意圖；
[0143] 圖4是車輛調(diào)度匹配算法的流程圖；
[0144] 圖5是倉(cāng)庫模型分析平面圖；
[0145] 圖6混合算法模型示意圖；
[0146] 圖7混合算法算法流程示意圖。
【具體實(shí)施方式】
[0147] 下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明。
[0148] 本發(fā)明提供一種多智能體系統(tǒng)Multi-Agent System，MAS理論，構(gòu)造基于月臺(tái)的調(diào) 度排序系統(tǒng)作為多約束條件的組合優(yōu)化復(fù)雜系統(tǒng)，實(shí)現(xiàn)多智能體技術(shù)對(duì)實(shí)時(shí)的車輛調(diào)度決 策進(jìn)行研究提供了新的解決方法，以提高貨運(yùn)作業(yè)效率。
[0149]多智能體(Multi-Agent System，MAS)作為分布式人工智能研究的前沿領(lǐng)域和支 持智能決策的重要方法之一，因其具備的特點(diǎn)而被公認(rèn)為是研究各類復(fù)雜系統(tǒng)的重要理論 模型?；谠屡_(tái)的調(diào)度排序系統(tǒng)作為多約束條件的組合優(yōu)化復(fù)雜系統(tǒng)，引入多智能體技術(shù) 對(duì)實(shí)時(shí)的車輛調(diào)度決策進(jìn)行研究提供了新的解決方法，具備很好的理論意義和實(shí)用價(jià)值。
[0150] 多智能體系統(tǒng)(Multi-Agent System,MAS)是由一個(gè)在一個(gè)環(huán)境中交互的多個(gè)智 能體組成的計(jì)算系統(tǒng)。多智能體系統(tǒng)也能被用在解決分離的智能體以及單層系統(tǒng)難以解決 的問題。智能體可以由一些方法，函數(shù)，過程，搜索算法或加強(qiáng)學(xué)習(xí)來實(shí)現(xiàn)。Agent具有自治 性、反應(yīng)性、預(yù)動(dòng)性、社會(huì)性的特點(diǎn)。MAS本身具有協(xié)作性、并行性、健壯性、易擴(kuò)展性以及分 布求解等特點(diǎn)，使得它在處理動(dòng)態(tài)復(fù)雜系統(tǒng)方面具有天然的優(yōu)越性。MAS是幾個(gè)半自治或自 治的Agent按照一定的協(xié)議和某種語言，能與其他Agent通信來完成一個(gè)復(fù)雜問題求解的一 個(gè)系統(tǒng)。具有協(xié)作性、并行性、健壯性、易擴(kuò)展性、分布性等特征。MAS系統(tǒng)中各智能體的通 信是通過彼此協(xié)調(diào)擱置行為實(shí)現(xiàn)相互之間的通信，是以通信技術(shù)為基礎(chǔ)。自主性、動(dòng)態(tài)性、 分布性和協(xié)調(diào)性等特點(diǎn)是人工智能研究領(lǐng)域的MAS具備的優(yōu)勢(shì)，MAS之間的協(xié)作也經(jīng)常用于 優(yōu)化資源配置和分布式問題合作求解。
[0151] 本發(fā)明包括基于月臺(tái)調(diào)度的排序系統(tǒng)和多智能體算法設(shè)計(jì)兩個(gè)部分:其中，所述 的基于月臺(tái)調(diào)度的排序系統(tǒng)還包括配送模式、Agent建模、車輛調(diào)度；
[0152] A、配送模式:基于月臺(tái)調(diào)度的物流配送模式大致如圖1所示，配送中心從上游獲取 貨源，經(jīng)過收貨、存儲(chǔ)、組裝和調(diào)度車輛等流程，最后將貨物送到客戶，基于月臺(tái)的車輛調(diào)度 主要負(fù)責(zé)廠區(qū)內(nèi)的車輛進(jìn)車裝貨并出廠的過程。
[0153] 任何情況的物流配送車輛調(diào)度問題都可以按照數(shù)學(xué)建模的方法，表達(dá)成有目標(biāo)函 數(shù)和約束條件兩部分構(gòu)成的數(shù)學(xué)規(guī)劃模型。根據(jù)基于月臺(tái)調(diào)度的車輛調(diào)度需求方案，其數(shù) 學(xué)模型可以表述為：
[0154] min or max z = f(x)
[0155] 根據(jù)實(shí)際項(xiàng)目的需求，可以分析得出約束條件:送貨時(shí)間相關(guān)的約束、運(yùn)輸車輛相 關(guān)的約束、標(biāo)準(zhǔn)工時(shí)相關(guān)的約束、緊急響應(yīng)相關(guān)的約束、人力資源相關(guān)的約束、裝卸設(shè)備相 關(guān)的約束等。
[0156] B、Agent建模:基于MAS處理多約束條件目標(biāo)優(yōu)化問題的明顯優(yōu)勢(shì)，本設(shè)計(jì)將MAS應(yīng) 用到月臺(tái)調(diào)度系統(tǒng)中，不同層次的主體(影響因素)可以通過不同層次的Agent來進(jìn)行描述 和表達(dá)。不同層次的Agent相互聯(lián)系、相互作用共同組成了一個(gè)實(shí)際的調(diào)度系統(tǒng)。
[0157] 按照供應(yīng)鏈和Agent建模的思想，整個(gè)基于MAS的月臺(tái)智能系統(tǒng)模型如圖2所示。
[0158] 1、客戶Agent包含客戶名稱、客戶代碼、發(fā)貨計(jì)劃、要求送達(dá)時(shí)間、所需捆包的類型 和數(shù)量等信息。
[0159] 2、倉(cāng)庫Agent包含捆包類型、捆包號(hào)、備貨系數(shù)等信息。
[0160] 3、車輛Agent同司機(jī)綁定，包含車輛位置狀態(tài)(車輛等待、正在裝車、裝完車輛）、車 輛裝載量、車牌、司機(jī)、車批等信息。
[0161] 4、路網(wǎng)Agent包含不同的倉(cāng)庫點(diǎn)的庫門、庫位以及它們之間切換耗時(shí)信息。
[0162] 5、勞動(dòng)力Agent包含單包裝車標(biāo)準(zhǔn)工時(shí)、裝卸工人信息(總?cè)藬?shù)、已分配人數(shù)、待分 配人數(shù))等信息。
[0163] 訂單處理Agent會(huì)根據(jù)倉(cāng)庫的貨物存儲(chǔ)現(xiàn)狀和客戶的訂單要求初步評(píng)估現(xiàn)有的貨 物量能否滿足客戶的需求，并將最終的評(píng)估報(bào)告反映給最上層的總調(diào)度Agent，總調(diào)度 Agent根據(jù)評(píng)估報(bào)告決定采取生成裝運(yùn)計(jì)劃單(計(jì)劃單號(hào)作為訂單ID)還是安排相關(guān)貨物貨 物的生產(chǎn)計(jì)劃。
[0164]緊急響應(yīng)Agent屬于單方向依賴的智能體，用來處理系統(tǒng)中的緊急情況。作用于系 統(tǒng)的每一個(gè)運(yùn)輸指令的關(guān)鍵環(huán)節(jié)上，當(dāng)實(shí)際執(zhí)行確認(rèn)指令未在計(jì)劃時(shí)間內(nèi)反饋至總調(diào)度 Agent，預(yù)警信息會(huì)立即顯示在系統(tǒng)看板上，異常情況的處理主動(dòng)性強(qiáng)。
[0165] 總調(diào)度根據(jù)生成的裝運(yùn)計(jì)劃，計(jì)算裝運(yùn)裝運(yùn)線和運(yùn)輸里程（用在根據(jù)理論在途時(shí) 間計(jì)算出廠時(shí)間上）。將裝運(yùn)計(jì)劃提供給車輛調(diào)度Agent，車輛調(diào)度Agent完成車輛調(diào)度。最 后根據(jù)車輛調(diào)度Agent的計(jì)算結(jié)果倒退車輛進(jìn)場(chǎng)時(shí)間。
[0166] 車輛調(diào)度Agent是整個(gè)調(diào)度系統(tǒng)的關(guān)鍵，當(dāng)客戶訂單生成并且系統(tǒng)沒有發(fā)生意外 情況下，總調(diào)度Agent提取裝載調(diào)度Agent的人力資源信息，將其同訂單一并下發(fā)給車輛調(diào) 度Agent，車輛調(diào)度Agent根據(jù)訂單和車輛等資源，對(duì)裝車順序合理調(diào)度，是系統(tǒng)整體效率達(dá) 到最尚。
[0167] 裝卸調(diào)度Agent負(fù)責(zé)勞動(dòng)力的調(diào)動(dòng)，合理的安排工人工作時(shí)間和地點(diǎn)，讓工人在正 確的時(shí)間出現(xiàn)在正確的倉(cāng)庫門口裝卸貨物，計(jì)算裝車用時(shí)，就計(jì)算結(jié)果返給上級(jí)Agent，讓 車輛在倉(cāng)庫停留時(shí)間最少。
[0168] 裝車計(jì)劃耗時(shí)為標(biāo)準(zhǔn)工時(shí)=捆包個(gè)數(shù)*標(biāo)準(zhǔn)工時(shí)
[0169] 總調(diào)度Agent是整個(gè)系統(tǒng)的大腦，負(fù)責(zé)整個(gè)系統(tǒng)的同步和管理，協(xié)調(diào)各個(gè)Agent，使 它們之間協(xié)作，保證整個(gè)系統(tǒng)有序的運(yùn)行。
[0170] C、車輛調(diào)度:針對(duì)月臺(tái)調(diào)度智能排序的目標(biāo)，整個(gè)系統(tǒng)中最為關(guān)鍵的模塊是車輛 調(diào)度Agent模塊，相應(yīng)的影響因素主要涉及倉(cāng)庫和車輛兩個(gè)方面，相關(guān)的影響因素關(guān)系圖如 圖3所示。
[0171] 在多倉(cāng)庫的環(huán)境中，將代運(yùn)車輛調(diào)度到合適的倉(cāng)庫門來提高整個(gè)廠區(qū)的裝卸效率 涉及較多的影響因素，如該倉(cāng)庫的繁忙程度、倉(cāng)庫的貨物儲(chǔ)備量等。綜合各方面的因素，結(jié) 合廠區(qū)內(nèi)的13個(gè)倉(cāng)庫門，車輛與相應(yīng)的倉(cāng)庫匹配矩陣如表1所示。
[0172] 表1車輛與倉(cāng)庫的匹配矩陣
[0173]
[0174] 表1中D表示倉(cāng)庫，.0_表示不同影響因素的權(quán)重，△ ij表示第i個(gè)倉(cāng)庫對(duì)第j個(gè)影響因 素的評(píng)價(jià)情況，倉(cāng)庫裝卸能力表示當(dāng)前倉(cāng)庫的裝車水平，在實(shí)時(shí)狀態(tài)下裝載單位產(chǎn)品的用 時(shí);車輛到倉(cāng)庫耗時(shí)表示空載車輛(沒有裝載貨物)從場(chǎng)內(nèi)發(fā)車點(diǎn)到對(duì)應(yīng)倉(cāng)庫門的用時(shí);倉(cāng) 庫貨物儲(chǔ)量表示當(dāng)前倉(cāng)庫門能夠提供的對(duì)應(yīng)貨物的最大量，決定著是否滿足車輛的需求； 車輛實(shí)載率表示當(dāng)前車輛的裝載狀態(tài)，剩余可供產(chǎn)品裝車的空間還有多少，影響著車輛選 擇合適的倉(cāng)庫門。權(quán)重表示各個(gè)因素對(duì)車輛調(diào)度的重要程度。
[0175] 車輛初始?？课恢玫淖罴哑ヅ渌惴ǎㄒ詡}(cāng)庫門DQ1為例）：
[0176] 步驟一:標(biāo)準(zhǔn)化匹配矩陣的指標(biāo)，將不同的單位換算成可用來比較的同一量；
[0177] Δ 101 =卩揚(yáng)搬*〇 · 6+P行輛?'κ遁*0 · 2+P··個(gè) *0 · 2
[0178] Δ 2〇1 = Ρρ達(dá)倉(cāng)南'1個(gè)
[0179] A 301 = Ρ棚3*編；>1<〇 · 9+Ρ難r*=品*0 · 1
[0180 ] Δ4〇ι = Ρ^?3|?/Ρ^???
[0181]
[0182]
[0183] 對(duì) Δ ιο?、Δ 2。1、Δ 3。1、Δ 4。1、Δ 5。1、Δ 6。1進(jìn)單位歸一化
[0184] 步驟二:歸一化處理各影響因素的權(quán)重；
[0185] 衡量氣、％、％、04、03、％的值，并使其滿足：
[0186] 0, + + 3, + θ4 + θ3 + θ6 - 1
[0187] 步驟三:計(jì)算倉(cāng)庫停靠的綜合評(píng)價(jià)值；
[0188] 綜合評(píng)價(jià)值的計(jì)算公式為：
[0189]
[0190] 步驟四：當(dāng)有一個(gè)或多個(gè)車輛同時(shí)參與運(yùn)輸時(shí)，綜合考慮評(píng)價(jià)值最高的倉(cāng)庫作為 配送車輛停靠的初始最佳倉(cāng)庫。匹配算法的流程圖如圖4所示。
[0191] 由于存在一個(gè)倉(cāng)庫貨物短缺或是其他原因而存在一個(gè)倉(cāng)庫不能滿足配送車輛運(yùn) 輸需求的情況，車輛需要到其他倉(cāng)庫門提取需要裝載的貨物，在到達(dá)其他倉(cāng)庫提取相應(yīng)的 貨物時(shí)，由于裝卸水平的限制，出現(xiàn)多個(gè)車輛的時(shí)候需要后面的車輛等待前面車輛離開后 才能裝載，浪費(fèi)了時(shí)間，降低了運(yùn)輸效率。
[0192] 廠區(qū)倉(cāng)庫模型：以倉(cāng)庫1為例(其他兩個(gè)庫房同倉(cāng)庫1)，對(duì)倉(cāng)庫模型進(jìn)行分析，倉(cāng)庫 1的平面圖如圖5所示。
[0193] 倉(cāng)庫1對(duì)應(yīng)六個(gè)庫門，其中1號(hào)門和7號(hào)門共用裝卸設(shè)備，2號(hào)門和6號(hào)門共用裝卸設(shè) 備，3號(hào)門和5號(hào)門共用裝卸設(shè)備，對(duì)于一個(gè)倉(cāng)庫的不同庫門，存儲(chǔ)不同的產(chǎn)品，正常情況下， 每個(gè)庫門對(duì)應(yīng)一種產(chǎn)品（窄帶、板等），由于不同車輛需要混裝的實(shí)際情況，可能存在該倉(cāng) 庫門存放著少量的本不屬于該庫門的產(chǎn)品，當(dāng)客戶訂單完成后，安排車輛根據(jù)客戶訂單到 對(duì)應(yīng)的倉(cāng)庫庫門去取相應(yīng)的產(chǎn)品。根據(jù)各個(gè)倉(cāng)庫門的繁忙程度或是裝卸水平因素的影響， 車輛可能不同的運(yùn)輸路徑到達(dá)對(duì)應(yīng)的倉(cāng)庫門以最短的時(shí)間完成裝車工作，方便后面車輛的 運(yùn)作，提高系統(tǒng)整體的運(yùn)行效率。
[0194] 根據(jù)用時(shí)最優(yōu)的目標(biāo)設(shè)計(jì)調(diào)度模型，模型中涉及的參數(shù)作如下說明：
[0195] G:倉(cāng)庫門的集合
[0196] V:參與配送車輛的集合
[0197] ti:車輛到達(dá)倉(cāng)庫i的用時(shí)
[0198] Li:倉(cāng)庫i最晚服務(wù)的時(shí)間（廠區(qū)24小時(shí)工作，可忽略）
[0199] Ei:倉(cāng)庫i最早服務(wù)的時(shí)間（廠區(qū)24小時(shí)工作，可忽略）
[0200] a1:倉(cāng)庫最早可提供裝車服務(wù)的時(shí)間(車輛到達(dá)倉(cāng)庫時(shí)需等待的最短時(shí)間）
[0201] b1:倉(cāng)庫最晚可提供裝車服務(wù)的時(shí)間(車輛到達(dá)倉(cāng)庫時(shí)需等待的最長(zhǎng)時(shí)間）
[0202] f1:車輛到達(dá)倉(cāng)庫早于倉(cāng)庫提供服務(wù)時(shí)間的懲罰系數(shù)
[0203] f2:車輛到達(dá)倉(cāng)庫晚于倉(cāng)庫提供服務(wù)時(shí)間的懲罰系數(shù)
[0204] Cij:車輛經(jīng)過倉(cāng)庫i和j之間的耗時(shí)（范圍為5-lOmin)
[0205] Pi:倉(cāng)庫門i裝完一輛車所需產(chǎn)品的耗時(shí)
[0206] q:車輛的容量
[0207] m:倉(cāng)庫門i提供給車的貨物容量
[0208]
[0209]
[0210]
[0211] 數(shù)學(xué)模型：
[0212]
[0213]
[0214]
[0215]
[0216]
[0217] 式(3.1)作為整個(gè)模型的優(yōu)化目標(biāo)，表示車輛經(jīng)過排序最后完成任務(wù)的時(shí)間最短， 約束條件(3.2)表示車輛到達(dá)倉(cāng)庫的時(shí)間不能早于倉(cāng)庫開始提供服務(wù)的時(shí)間，不能晚于倉(cāng) 庫關(guān)閉服務(wù)的時(shí)間，對(duì)于廠區(qū)24小時(shí)工作，可忽略此條件;式(3.3)表示車輛最終的運(yùn)載量 不能超過車輛本身的運(yùn)載能力;式(3.4)、（3.5)表示一個(gè)車輛一次且最多只能一次經(jīng)過同 一個(gè)倉(cāng)庫且經(jīng)過倉(cāng)庫的總數(shù)不能超過倉(cāng)庫的總數(shù)。
[0218] 本發(fā)明基于多智能體月臺(tái)調(diào)度排序模型的構(gòu)造算法設(shè)計(jì)：
[0219] 混合算法：
[0220] 在車輛調(diào)度相關(guān)問題的求解中，普遍采取的是啟發(fā)式算法，本設(shè)計(jì)采用兩種應(yīng)用 廣發(fā)的啟發(fā)式算法，遺傳算法與禁忌搜索算法相結(jié)合的混合算法實(shí)現(xiàn)，混合后的算法既具 有遺傳算法的全局性優(yōu)點(diǎn)，有具有禁忌搜索算法的爬山能力，可以較大程度的避免早熟，提 生會(huì)
[0221] 遺傳算法(GA)是根據(jù)達(dá)爾文的自然選擇和遺傳理論，將生物進(jìn)化過程中適者生 存規(guī)則與同一群染色體的隨進(jìn)信息交換相結(jié)合的智能算法。
[0222] 遺傳算法的性能在很大程度上依賴于交叉和變異的操作，這取決于在解集中如何 抽取樣本解。
[0223]禁忌搜索算法(TA)最重要的思想是標(biāo)記對(duì)應(yīng)已搜索的局部最優(yōu)解的一些對(duì)象，并 在進(jìn)一步的迭代搜索中盡量避開這些對(duì)象(而不是絕對(duì)禁止循環(huán)），從而保證對(duì)不同的有效 搜索途徑的探索。
[0224]混合后算法的主要策略就是：首先通過遺傳算法進(jìn)行全局搜索，采用自然數(shù)對(duì)所 有倉(cāng)庫和可調(diào)配車輛進(jìn)行編碼，將各倉(cāng)庫的供貨能力同車輛的運(yùn)載能力進(jìn)行全局的路徑優(yōu) 化;然后運(yùn)用禁忌搜索對(duì)種群中的個(gè)體以一定的概率進(jìn)行局部搜索，也就是針對(duì)同一輛車 對(duì)所有倉(cāng)庫進(jìn)行局部運(yùn)輸路徑優(yōu)化?；旌纤惴ǖ脑O(shè)計(jì)策略如圖6所示。
[0225] 剛開始只有初始種群(十個(gè)藍(lán)色六角星），然后模擬生物進(jìn)化，在初始種群之間產(chǎn) 生選擇(適應(yīng)性強(qiáng)的個(gè)體保留，留下六個(gè)藍(lán)色六角星）、變異（出現(xiàn)兩個(gè)四角星）、交叉（出現(xiàn) 一個(gè)紅色六角星)作為新一代種群，對(duì)新一代種群做僅僅搜索優(yōu)化，留下好的個(gè)體，經(jīng)過多 代的遺傳，最后形成適應(yīng)度最好的個(gè)體(一個(gè)紅色六角星和一個(gè)藍(lán)色五角星）。
[0226] 混合算法求解：
[0227] (1)倉(cāng)庫門直接排列自然數(shù)編碼
[0228] 首先可以設(shè)計(jì)多個(gè)1-G不同的不糊重復(fù)的自然數(shù)排列，該自然數(shù)排列就構(gòu)成一個(gè) 個(gè)體。按照約束條件可以依次將倉(cāng)庫門插入到行駛路線中，例如調(diào)用兩輛車到達(dá)4的倉(cāng)庫 點(diǎn)，假設(shè)車的行駛路徑為1234,即依次遍歷標(biāo)號(hào)為1，2,3,4的倉(cāng)庫點(diǎn)，首先將第一個(gè)倉(cāng)庫點(diǎn) 插入到行駛路線中，如果滿足上述所有約束條件，插入第二個(gè)倉(cāng)庫點(diǎn)，若滿足繼續(xù)進(jìn)行，當(dāng) 超出車輛的運(yùn)載量時(shí)，調(diào)用第二輛車。
[0229] (2)設(shè)置初始種群
[0230]隨機(jī)的生成1-G這G個(gè)互不重復(fù)的自然數(shù)排列，即生成一個(gè)個(gè)體。假設(shè)初始種群的 數(shù)目為N，則產(chǎn)生N個(gè)這樣不同的個(gè)體。
[0231] (3)適應(yīng)度評(píng)價(jià)標(biāo)準(zhǔn)確定
[0232] 因?yàn)閮?yōu)化目標(biāo)是求最小值，而遺傳算法的適應(yīng)度表示適應(yīng)能力最強(qiáng)的個(gè)體，故可 用目標(biāo)函數(shù)的倒數(shù)表示適應(yīng)度。
[0233] f = l/Zi
[0234] (4)復(fù)制操作
[0235] 本設(shè)計(jì)通過保留最佳個(gè)體和賭盤策略來完成對(duì)種群個(gè)體優(yōu)勝劣汰的操作。
[0236] (5)交叉操作
[0237] 通過一定的概率交換兩個(gè)父代個(gè)體的部分片段來完成交叉操作，常見的交叉算子 有部分交叉算子、順序交叉算子、循環(huán)交叉算子和類0X算子等。
[0238]本設(shè)計(jì)采用順序交叉算子，例如一輛車完成根據(jù)裝運(yùn)工作需要經(jīng)過1、2、3、4、5、6、 7這七個(gè)倉(cāng)庫門裝載相應(yīng)的產(chǎn)品，現(xiàn)有兩種不同的車輛行駛路線：1^ = 1234567，R2 = 3425167，Ri表不車輛依次經(jīng)過1號(hào)門、2號(hào)門、...、7號(hào)門，R2表不車輛依次經(jīng)過3號(hào)門、4號(hào) 門.....7號(hào)門，從中選擇一個(gè)匹配段，
[0239]
[0240] ^
[0241 ]根據(jù)匹配段的映射關(guān)系，在匹配段區(qū)域外對(duì)應(yīng)的位置標(biāo)注為A，即：
[0242]
[0243]
[0244] 再移動(dòng)匹配段到起始位置，并在后面預(yù)留和匹配段空間相同的位置，標(biāo)注為A，即：
[0245]
[0246] ____________
[0247] 最后將兩個(gè)序列的匹配段相互交換，得到兩個(gè)新的后代，即：
[0248]
[0249]
[0250] (6)變異操作
[0251] 變異操作體現(xiàn)了自然界基因突變的思想，常見的變異算子有逆轉(zhuǎn)變異、交換變異 和插入變異。
[0252] 本設(shè)計(jì)采用逆轉(zhuǎn)變異，隨機(jī)選擇一個(gè)序列中的兩個(gè)點(diǎn)進(jìn)行位置互換，將兩點(diǎn)內(nèi)字 符反序插入到原序列中。例如對(duì)于一輛車的行駛路線為Ri = 1234567,將第二個(gè)位置和第五 個(gè)位置進(jìn)行逆轉(zhuǎn)變異，得到的序列為R/=1543267。
[0253] (7)利用禁忌搜索法對(duì)當(dāng)前解進(jìn)行改進(jìn)
[0254] 禁忌算法采用
[0255]
:寸當(dāng)前解進(jìn)行評(píng)價(jià)
[0256] 其中T(i)表示車輛到達(dá)倉(cāng)庫點(diǎn)需要的時(shí)間，E(i)表示車輛在倉(cāng)庫點(diǎn)裝卸貨物和 等待的時(shí)間，W(i)表示車輛的車載量，p代表懲罰系數(shù)。
[0257] 禁忌搜索算法的執(zhí)行步驟如下：
[0258] 步驟一:選定初始解(有遺傳算法得到)xn?，令禁忌表// =0。
[0259] 步驟二:若滿足終止準(zhǔn)則，轉(zhuǎn)步驟四；否則，在xn1勺領(lǐng)域N(xn?)中選出滿足禁忌要 求的候選集can_N(x n°w)，執(zhí)行步驟三。
[0260] 步驟三:在can_N(x_)選出一組評(píng)價(jià)值最優(yōu)解/^，令xn°w = xbest，更新禁忌表，轉(zhuǎn) 步驟二。
[0261] 步驟四：輸出運(yùn)算結(jié)果。
[0262] (8)終止準(zhǔn)則
[0263] 因?yàn)橛绊戃囕v調(diào)度系統(tǒng)穩(wěn)定性的動(dòng)態(tài)因素較多，對(duì)決策系統(tǒng)的時(shí)效性要高，本設(shè) 計(jì)擬采用指定代數(shù)步數(shù)終止的終止準(zhǔn)則。
[0264]算法流程:結(jié)合了遺傳算法和緊急搜索算法的混合算法的流程圖如圖7所示。
[0265] 算法設(shè)計(jì)：
[0266] 輸入?yún)?shù)：
[0267] 種群規(guī)模N，表示不同的初始車輛的運(yùn)行路線
[0268] 進(jìn)化代數(shù)T，表示種群要繁衍的代數(shù)
[0269] 交叉概率卩。
[0270] 變異概率Pm
[0271] 懲罰系數(shù)p [0272]輸出結(jié)果：
[0273] 車輛調(diào)度路線和優(yōu)化目標(biāo)值
[0274] 算法主體：
[0275] 根據(jù)車輛倉(cāng)庫匹配矩陣產(chǎn)生多個(gè)不同的初始種群P(0)，當(dāng)前代數(shù)為t = 0;
[0276] 計(jì)算初始種群的適應(yīng)度
[0277]
[0278] 資源狀態(tài)，及時(shí)的更新資源，避免不必要的耗時(shí)。
[0285] 可擴(kuò)展性:隨著生產(chǎn)方式和需求的變化，系統(tǒng)需要根據(jù)實(shí)際需要作出調(diào)整，多智能 可以在原先結(jié)構(gòu)的基礎(chǔ)上很容易擴(kuò)展新的Agent，不需要做大的改動(dòng)。
[0286] 社會(huì)性:多智能體根據(jù)實(shí)際問題可以很好的對(duì)問題進(jìn)行劃分，將耦合性低的模塊 分給不同的Agent去處理，清晰了工作流程，提高了工作效率，提升了系統(tǒng)性能。
[0287] 2、混合算法的優(yōu)勢(shì)
[0288] 處理車輛調(diào)度問題的傳統(tǒng)方式是采用精確算法進(jìn)行求解，包括分支定界算法、動(dòng) 態(tài)規(guī)劃法等，這些算法都收限于問題的規(guī)模和約束條件的不變性。在處理大規(guī)模多變約束 條件下的問題是通常采用啟發(fā)式算法，常見的啟發(fā)式算法有遺傳算法、禁忌搜索算法、蟻群 算法等，但是單個(gè)算法存在固有的缺陷。
[0289] 遺傳算法雖然有很好的靈活性和魯棒性，適合大規(guī)模問題的求解，但其存在過早 地收斂和局部搜索能力差的缺陷。而在遺傳算法的基礎(chǔ)上添加禁忌搜索算法的混合算法可 以解除禁忌搜索算法局部?jī)?yōu)化的優(yōu)點(diǎn)很好的彌補(bǔ)了這一缺陷。整個(gè)混合算法的思想就是通 過遺傳算法構(gòu)造禁忌搜索算法的初始解，作為禁忌搜索模塊的鄰域，通過禁忌搜索算法進(jìn) 一步優(yōu)化個(gè)體，提升整個(gè)種群的質(zhì)量，使更優(yōu)的個(gè)體在最少的迭代步數(shù)內(nèi)出現(xiàn)。
[0290] 3、應(yīng)用實(shí)際的突破
[0291] 以往的基于啟發(fā)式算法的車輛調(diào)度都應(yīng)用在物流公司對(duì)客戶需求的配送中，考慮 的都是從物流中心出發(fā)到客戶手中的車輛調(diào)度，且考慮限制條件相對(duì)單一和存在很大的理 論性。本設(shè)計(jì)從廠區(qū)的實(shí)際需求出發(fā)，突破以往的場(chǎng)外物流條件，綜合考慮廠區(qū)中實(shí)際存在 的約束條件，采用啟發(fā)式算法完成廠區(qū)內(nèi)部車輛來往于不同倉(cāng)庫的調(diào)度問題，從原先的從 集中到分散的一對(duì)多配送模式轉(zhuǎn)變?yōu)楫?dāng)前的從倉(cāng)庫到這車輛的多對(duì)一物流模式，依據(jù)實(shí)際 對(duì)原有算法進(jìn)行大膽的創(chuàng)新，以解決實(shí)際物流問題。
[0292] 本發(fā)明基于實(shí)際項(xiàng)目背景，利用MAS多智能體模型搭建了基于月臺(tái)的車輛調(diào)度系 統(tǒng)模型，并在充分分析需求的基礎(chǔ)上，設(shè)計(jì)了以車輛運(yùn)作時(shí)間最短為目標(biāo)的車輛調(diào)度數(shù)學(xué) 模型，其中運(yùn)用到了在物流調(diào)度問題上廣泛采用的啟發(fā)式算法:遺傳算法和禁忌搜索算法， 在提取兩者優(yōu)勢(shì)的基礎(chǔ)上設(shè)計(jì)了基于兩者的混合遺傳算法，使車輛調(diào)度達(dá)到最優(yōu)。
【主權(quán)項(xiàng)】
1.一種基于多智能體月臺(tái)調(diào)度智能排序模型的構(gòu)造，其特征在于：多智能體系統(tǒng) (Multi-Agent System,MAS)是由一個(gè)在一個(gè)環(huán)境中交互的多個(gè)智能體組成的計(jì)算系統(tǒng)；多 智能體系統(tǒng)也能被用在解決分離的智能體W及單層系統(tǒng)中難W解決的問題;智能體通過一 些方法，函數(shù)，過程，捜索算法來實(shí)現(xiàn)，其中各智能體的通信是通過彼此協(xié)調(diào)擱置行為實(shí)現(xiàn) 相互之間的通信，是W通信技術(shù)為基礎(chǔ)； 本發(fā)明包括基于月臺(tái)調(diào)度的排序系統(tǒng)和多智能體算法設(shè)計(jì)兩個(gè)部分:其中，所述的基 于月臺(tái)調(diào)度的排序系統(tǒng)還包括配送模式、Agent建模、車輛調(diào)度； 所述配送模式是基于月臺(tái)調(diào)度的物流配送模式，配送中屯、從上游獲取貨源，經(jīng)過收貨、 存儲(chǔ)、組裝和調(diào)度車輛等流程，最后將貨物送到客戶;任何情況的物流配送車輛調(diào)度問題都 可W按照數(shù)學(xué)建模的方法，表達(dá)成有目標(biāo)函數(shù)和約束條件兩部分構(gòu)成的數(shù)學(xué)規(guī)劃模型;本 發(fā)明基于月臺(tái)調(diào)度的車輛調(diào)度需求方案，其數(shù)學(xué)模型可W表述為:min or max z = f(x)根 據(jù)實(shí)際項(xiàng)目的需求，可W分析得出約束條件:送貨時(shí)間相關(guān)的約束、運(yùn)輸車輛相關(guān)的約束、 標(biāo)準(zhǔn)工時(shí)相關(guān)的約束、緊急響應(yīng)相關(guān)的約束、人力資源相關(guān)的約束、裝卸設(shè)備相關(guān)的約束； 所述Agent建模指的是:基于MAS處理多約束條件目標(biāo)優(yōu)化問題的明顯優(yōu)勢(shì)，本發(fā)明將 MS應(yīng)用到月臺(tái)調(diào)度系統(tǒng)中，不同層次的主體(影響因素)可W通過不同層次的Agent來進(jìn)行 描述和表達(dá);不同層次的Agent相互聯(lián)系、相互作用共同組成了一個(gè)實(shí)際的調(diào)度系統(tǒng)； 所述車輛調(diào)度是針對(duì)月臺(tái)調(diào)度智能排序的目標(biāo)而設(shè)計(jì)的最為關(guān)鍵的模塊，相應(yīng)的影響 因素主要設(shè)及倉(cāng)庫和車輛兩個(gè)方面，在多倉(cāng)庫的環(huán)境中，將待運(yùn)車輛調(diào)度到合適的倉(cāng)庫口 來提高整個(gè)廠區(qū)的裝卸效率設(shè)及較多的影響因素，如該倉(cāng)庫的繁忙程度、倉(cāng)庫的貨物儲(chǔ)備 量等;綜合各方面的因素，結(jié)合廠區(qū)內(nèi)的各個(gè)倉(cāng)庫口，車輛與相應(yīng)的倉(cāng)庫智能匹配;對(duì)于一 個(gè)倉(cāng)庫的不同庫口，存儲(chǔ)不同的產(chǎn)品，正常情況下，每個(gè)庫口對(duì)應(yīng)一種產(chǎn)品（窄帶、板等），由 于不同車輛需要混裝的實(shí)際情況，可能存在該倉(cāng)庫口存放著少量的本不屬于該庫口的產(chǎn) 品，當(dāng)客戶訂單完成后，安排車輛根據(jù)客戶訂單到對(duì)應(yīng)的倉(cāng)庫庫口去取相應(yīng)的產(chǎn)品;根據(jù)各 個(gè)倉(cāng)庫口的繁忙程度或是裝卸水平因素的影響，車輛可能不同的運(yùn)輸路徑到達(dá)對(duì)應(yīng)的倉(cāng)庫 口 W最短的時(shí)間完成裝車工作，方便后面車輛的運(yùn)作，提高系統(tǒng)整體的運(yùn)行效率； 本發(fā)明基于多智能體的月臺(tái)調(diào)度排序數(shù)學(xué)模型的構(gòu)造如下：上述模型中設(shè)及的參數(shù)作如下說明： G:倉(cāng)庫口的集合 V:參與配送車輛的集合 ti:車輛到達(dá)倉(cāng)庫i的用時(shí) Li:倉(cāng)庫i最晚服務(wù)的時(shí)間（廠區(qū)24小時(shí)工作，可忽略） El:倉(cāng)庫i最早服務(wù)的時(shí)間（廠區(qū)24小時(shí)工作，可忽略） ai:倉(cāng)庫最早可提供裝車服務(wù)的時(shí)間（車輛到達(dá)倉(cāng)庫時(shí)需等待的最短時(shí)間） bi:倉(cāng)庫最晚可提供裝車服務(wù)的時(shí)間（車輛到達(dá)倉(cāng)庫時(shí)需等待的最長(zhǎng)時(shí)間） fi:車輛到達(dá)倉(cāng)庫早于倉(cāng)庫提供服務(wù)時(shí)間的懲罰系數(shù) f2:車輛到達(dá)倉(cāng)庫晚于倉(cāng)庫提供服務(wù)時(shí)間的懲罰系數(shù) cij:車輛經(jīng)過倉(cāng)庫i和j之間的耗時(shí)(范圍為5-lOmin) Pi:倉(cāng)庫口 i裝完一輛車所需產(chǎn)品的耗時(shí) q:車輛的容量 m:倉(cāng)庫口 i提供給車的貨物容量本發(fā)明基于多智能體的月臺(tái)調(diào)度排序模型的算法采用兩種應(yīng)用廣發(fā)的啟發(fā)式算法，遺 傳算法與禁忌捜索算法相結(jié)合的混合算法實(shí)現(xiàn)，遺傳算法(GA)是根據(jù)達(dá)爾文的自然選擇和 遺傳理論，將生物進(jìn)化過程中適者生存規(guī)則與同一群染色體的隨進(jìn)信息交換相結(jié)合的智能 算法;遺傳算法的性能在很大程度上依賴于交叉和變異的操作，運(yùn)取決于在解集中如何抽 取樣本解;禁忌捜索算法(TA)最重要的思想是標(biāo)記對(duì)應(yīng)已捜索的局部最優(yōu)解的一些對(duì)象， 并在進(jìn)一步的迭代捜索中盡量避開運(yùn)些對(duì)象，而不是絕對(duì)禁止循環(huán)，從而保證對(duì)不同的有 效捜索途徑的探索； 混合后算法的主要策略就是：首先通過遺傳算法進(jìn)行全局捜索，采用自然數(shù)對(duì)所有倉(cāng) 庫和可調(diào)配車輛進(jìn)行編碼，將各倉(cāng)庫的供貨能力同車輛的運(yùn)載能力進(jìn)行全局的路徑優(yōu)化； 然后運(yùn)用禁忌捜索對(duì)種群中的個(gè)體W-定的概率進(jìn)行局部捜索，也就是針對(duì)同一輛車對(duì)所 有倉(cāng)庫進(jìn)行局部運(yùn)輸路徑優(yōu)化;本發(fā)明首先設(shè)置初始種群，然后模擬生物進(jìn)化，在初始種群 之間產(chǎn)生選擇、變異、交叉作為新一代種群，對(duì)新一代種群做僅僅捜索優(yōu)化，留下好的個(gè)體， 經(jīng)過多代的遺傳，最后形成適應(yīng)度最好的個(gè)體； 本發(fā)明所采用的混合算法求解過程如下： (1)倉(cāng)庫口直接排列自然數(shù)編碼 首先可W設(shè)計(jì)多個(gè)1-G不同的不糊重復(fù)的自然數(shù)排列，該自然數(shù)排列就構(gòu)成一個(gè)個(gè)體。 按照約束條件可W依次將倉(cāng)庫口插入到行駛路線中，例如調(diào)用兩輛車到達(dá)4的倉(cāng)庫點(diǎn)，假設(shè) 車的行駛路徑為1234,即依次遍歷標(biāo)號(hào)為1，2,3,4的倉(cāng)庫點(diǎn)，首先將第一個(gè)倉(cāng)庫點(diǎn)插入到行 駛路線中，如果滿足上述所有約束條件，插入第二個(gè)倉(cāng)庫點(diǎn)，若滿足繼續(xù)進(jìn)行，當(dāng)超出車輛 的運(yùn)載量時(shí)，調(diào)用第二輛車。 (2) 設(shè)置初始種群 隨機(jī)的生成1-G運(yùn)G個(gè)互不重復(fù)的自然數(shù)排列，即生成一個(gè)個(gè)體。假設(shè)初始種群的數(shù)目 為N，則產(chǎn)生N個(gè)運(yùn)樣不同的個(gè)體。 (3) 適應(yīng)度評(píng)價(jià)標(biāo)準(zhǔn)確定 因?yàn)閮?yōu)化目標(biāo)是求最小值，而遺傳算法的適應(yīng)度表示適應(yīng)能力最強(qiáng)的個(gè)體，故可用目 標(biāo)函數(shù)的倒數(shù)表示適應(yīng)度。 f=l/Zi (4) 復(fù)制操作 本設(shè)計(jì)通過保留最佳個(gè)體和賭盤策略來完成對(duì)種群個(gè)體優(yōu)勝劣汰的操作。 (5) 交叉操作 通過一定的概率交換兩個(gè)父代個(gè)體的部分片段來完成交叉操作，常見的交叉算子有部 分交叉算子、順序交叉算子、循環(huán)交叉算子和類0X算子等。 本設(shè)計(jì)采用順序交叉算子，例如一輛車完成根據(jù)裝運(yùn)工作需要經(jīng)過1、2、3、4、5、6、7運(yùn) 屯個(gè)倉(cāng)庫口裝載相應(yīng)的產(chǎn)品，現(xiàn)有兩種不同的車輛行駛路線:Ri = 1234567，R2 = 3425167，Ri 表示車輛依次經(jīng)過1號(hào)口、2號(hào)口.....7號(hào)口，R2表示車輛依次經(jīng)過3號(hào)口、4號(hào)口.....7號(hào) Π ，從中選擇一個(gè)匹配段， 巧=12;34;567 巧2 =34; 25; 167 根據(jù)匹配段的映射關(guān)系，在匹配段區(qū)域外對(duì)應(yīng)的位置標(biāo)注為A，即： 巧* =1/);34;/?67 R* = AA\25\\bl 再移動(dòng)匹配段到起始位置，并在后面預(yù)留和匹配段空間相同的位置，標(biāo)注為A,即： 巧 ** 二 Μ;/?/?;671 R" =25\ΛΑ·Λ6? 最后將兩個(gè)序列的匹配段相互交換，得到兩個(gè)新的后代，即： 巧 *** =%;25乂71 屬/*'=25;34;167 (6) 變異操作 變異操作體現(xiàn)了自然界基因突變的思想，常見的變異算子有逆轉(zhuǎn)變異、交換變異和插 入變異。 本設(shè)計(jì)采用逆轉(zhuǎn)變異，隨機(jī)選擇一個(gè)序列中的兩個(gè)點(diǎn)進(jìn)行位置互換，將兩點(diǎn)內(nèi)字符反 序插入到原序列中。例如對(duì)于一輛車的行駛路線為化= 1234567,將第二個(gè)位置和第五個(gè)位 置進(jìn)行逆轉(zhuǎn)變異，得到的序列為Ri*=1543267。 (7) 利用禁忌捜索法對(duì)當(dāng)前解進(jìn)行改進(jìn) 禁忌算法采用計(jì)當(dāng)前解進(jìn)行評(píng)價(jià) 其中τα)表示車輛到達(dá)倉(cāng)庫點(diǎn)需要的時(shí)間，E(i)表示車輛在倉(cāng)庫點(diǎn)裝卸貨物和等待的 時(shí)間，W(i)表示車輛的車載量，P代表懲罰系數(shù)。 禁忌捜索算法的執(zhí)行步驟如下： 步驟一:選定初始解(有遺傳算法得到)χη?，令禁忌表i? = 0。 步驟二:若滿足終止準(zhǔn)則，轉(zhuǎn)步驟四；否則，在χη?的領(lǐng)域Ν(χη?)中選出滿足禁忌要求的 候選集can_N(xn?)，執(zhí)行步驟=。 步驟Ξ:在Can_N(Xn?)選出一組評(píng)價(jià)值最優(yōu)解xbest，令χη?二xbest，更新禁忌表，轉(zhuǎn)步驟 --〇 步驟四：輸出運(yùn)算結(jié)果。 (8)終止準(zhǔn)則 因?yàn)橛绊戃囕v調(diào)度系統(tǒng)穩(wěn)定性的動(dòng)態(tài)因素較多，對(duì)決策系統(tǒng)的時(shí)效性要高，本設(shè)計(jì)擬 采用指定代數(shù)步數(shù)終止的終止準(zhǔn)則； 本發(fā)明基于多智能體的月臺(tái)調(diào)度排序模型的算法設(shè)計(jì)如下： 輸入?yún)?shù)： 種群規(guī)模N，表示不同的初始車輛的運(yùn)行路線 進(jìn)化代數(shù)T，表示種群要繁衍的代數(shù) 交叉概率Pc 變異概率Pm 懲罰系數(shù)P 輸出結(jié)果： 車輛調(diào)度路線和優(yōu)化目標(biāo)值 算法主體： 根據(jù)車輛倉(cāng)庫匹配矩陣產(chǎn)生多個(gè)不同的初始種群P(〇)，當(dāng)前代數(shù)為t = 0; 計(jì)算初始種群的適應(yīng)度 怖ile(t<T) { 將當(dāng)前代數(shù)適應(yīng)度最高的個(gè)體進(jìn)行復(fù)制操作，插入到新一代中p(t+l); 根據(jù)適應(yīng)度和賭盤選擇策略，計(jì)算每個(gè)個(gè)體的選擇概率Pi ; for(k = 0；k< = N；k+ = 2) { 根據(jù)選擇概率Pi從父代種群中選擇兩個(gè)父代個(gè)體； r=[0，l]之間的隨機(jī)值 i 地 < = Pc) 對(duì)兩個(gè)父代個(gè)體進(jìn)行交叉操作，添加到新一代種群P(t+1)中； else { r=[0，l]之間的隨機(jī)值 if (;r< = Pm) 對(duì)兩個(gè)父代個(gè)體1進(jìn)行變異操作，添加到新一代種群P(t+1)中； else父代個(gè)體1直接復(fù)制，添加到新一代種群P(t+1)中； r= [0,1]之間的隨機(jī)值 if (;r< = Pm) 對(duì)兩個(gè)父代個(gè)體2進(jìn)行變異操作，添加到新一代種群P( t+1)中； else父代個(gè)體2直接復(fù)制，添加到新一代種群P(t+1)中； 禁忌捜索算法； } } 計(jì)算P(t+1)代種群適應(yīng)度； t = t+l ； } 輸出結(jié)果。2.根據(jù)權(quán)利要求1所述的基于多智能體月臺(tái)調(diào)度智能排序模型的構(gòu)造，其特征在于:所 述Agent建模包括:客戶Agent、倉(cāng)庫Agent、車輛Agent、路網(wǎng)Agent、勞動(dòng)力Agent、訂單處理 Agent、緊急響應(yīng)Agent、車輛調(diào)度Agent、裝卸調(diào)度Agent及總調(diào)度Agent,其中： 1) 客戶Agent包含客戶名稱、客戶代碼、發(fā)貨計(jì)劃、要求送達(dá)時(shí)間、所需捆包的類型和 數(shù)量等信息； 2) 倉(cāng)庫Agent包含捆包類型、捆包號(hào)、備貨系數(shù)等信息； 3) 車輛Agent同司機(jī)綁定，包含車輛位置狀態(tài)(車輛等待、正在裝車、裝完車輛）、車輛裝 載量、車牌、司機(jī)、車批等信息； 4) 路網(wǎng)Agent包含不同的倉(cāng)庫點(diǎn)的庫口、庫位W及它們之間切換耗時(shí)信息； 5) 勞動(dòng)力Agent包含單包裝車標(biāo)準(zhǔn)工時(shí)、裝卸工人信息（總?cè)藬?shù)、已分配人數(shù)、待分配人 數(shù))等?胃息； 6) 訂單處理Agent會(huì)根據(jù)倉(cāng)庫的貨物存儲(chǔ)現(xiàn)狀和客戶的訂單要求初步評(píng)估現(xiàn)有的貨物 量能否滿足客戶的需求，并將最終的評(píng)估報(bào)告反映給最上層的總調(diào)度Agent,總調(diào)度Agent 根據(jù)評(píng)估報(bào)告決定采取生成裝運(yùn)計(jì)劃單(計(jì)劃單號(hào)作為訂單ID)還是安排相關(guān)貨物貨物的 生產(chǎn)計(jì)劃； 7) 緊急響應(yīng)Agent屬于單方向依賴的智能體，用來處理系統(tǒng)中的緊急情況;作用于系統(tǒng) 的每一個(gè)運(yùn)輸指令的關(guān)鍵環(huán)節(jié)上，當(dāng)實(shí)際執(zhí)行確認(rèn)指令未在計(jì)劃時(shí)間內(nèi)反饋至總調(diào)度 Agent,預(yù)警信息會(huì)立即顯示在系統(tǒng)看板上，異常情況的處理主動(dòng)性強(qiáng)； 總調(diào)度根據(jù)生成的裝運(yùn)計(jì)劃，計(jì)算裝運(yùn)裝運(yùn)線和運(yùn)輸里程（用在根據(jù)理論在途時(shí)間計(jì) 算出廠時(shí)間上）；將裝運(yùn)計(jì)劃提供給車輛調(diào)度Agent,車輛調(diào)度Agent完成車輛調(diào)度;最后根 據(jù)車輛調(diào)度Agent的計(jì)算結(jié)果倒退車輛進(jìn)場(chǎng)時(shí)間； 8) 車輛調(diào)度Agent是整個(gè)調(diào)度系統(tǒng)的關(guān)鍵，當(dāng)客戶訂單生成并且系統(tǒng)沒有發(fā)生意外情 況下，總調(diào)度Agent提取裝載調(diào)度Agent的人力資源信息，將其同訂單一并下發(fā)給車輛調(diào)度 Agent，車輛調(diào)度Agent根據(jù)訂單和車輛等資源，對(duì)裝車順序合理調(diào)度，是系統(tǒng)整體效率達(dá)到 最局； 9)裝卸調(diào)度Agent負(fù)責(zé)勞動(dòng)力的調(diào)動(dòng)，合理的安排工人工作時(shí)間和地點(diǎn)，讓工人在正 確的時(shí)間出現(xiàn)在正確的倉(cāng)庫口口裝卸貨物，計(jì)算裝車用時(shí)，就計(jì)算結(jié)果返給上級(jí)Agent,讓 車輛在倉(cāng)庫停留時(shí)間最少； 總調(diào)度Agent是整個(gè)系統(tǒng)的大腦，負(fù)責(zé)整個(gè)系統(tǒng)的同步和管理，協(xié)調(diào)各個(gè)Agent,使它們 之間協(xié)作，保證整個(gè)系統(tǒng)有序的運(yùn)行。3. 根據(jù)權(quán)利要求1所述的基于多智能體月臺(tái)調(diào)度智能排序模型的構(gòu)造，其特征在于:所 述車輛調(diào)度模塊中，D表示倉(cāng)庫，S表示不同影響因素的權(quán)重，Δυ表示第i個(gè)倉(cāng)庫對(duì)第j個(gè)影 響因素的評(píng)價(jià)情況，倉(cāng)庫裝卸能力表示當(dāng)前倉(cāng)庫的裝車水平，在實(shí)時(shí)狀態(tài)下裝載單位產(chǎn)品 的用時(shí)；車輛到倉(cāng)庫耗時(shí)表示空載車輛(沒有裝載貨物）從場(chǎng)內(nèi)發(fā)車點(diǎn)到對(duì)應(yīng)倉(cāng)庫口的用 時(shí);倉(cāng)庫貨物儲(chǔ)量表示當(dāng)前倉(cāng)庫口能夠提供的對(duì)應(yīng)貨物的最大量，決定著是否滿足車輛的 需求;車輛實(shí)載率表示當(dāng)前車輛的裝載狀態(tài)，剩余可供產(chǎn)品裝車的空間還有多少，影響著車 輛選擇合適的倉(cāng)庫口。權(quán)重表示各個(gè)因素對(duì)車輛調(diào)度的重要程度。 車輛初始?？课恢玫淖罴哑ヅ渌惴▊}(cāng)庫口 Doi為例）： 步驟一:標(biāo)準(zhǔn)化匹配矩陣的指標(biāo)，將不同的單位換算成可用來比較的同一量；A 101、Δ 201、Δ 301、Δ 401、Δ 501、Δ ^ 步驟二:歸一化處理各影響因素的權(quán)重； 衡量新、@2、&、At、Ss、5.6.的值，并使其滿足： 巧 +.? + +S.4 +'巧5 +S.6 = 1 步驟Ξ:計(jì)算倉(cāng)庫?？康木C合評(píng)價(jià)值； 綜合評(píng)價(jià)值的計(jì)算公式為：步驟四：當(dāng)有一個(gè)或多個(gè)車輛同時(shí)參與運(yùn)輸時(shí)，綜合考慮評(píng)價(jià)值最高的倉(cāng)庫作為配送 車輛?？康某跏甲罴褌}(cāng)庫。4. 根據(jù)權(quán)利要求1所述的基于多智能體月臺(tái)調(diào)度智能排序模型的構(gòu)造，其特征在于:所 述基于多智能體的月臺(tái)調(diào)度排序數(shù)學(xué)模型中式(3.1)作為整個(gè)模型的優(yōu)化目標(biāo)，表示車輛 經(jīng)過排序最后完成任務(wù)的時(shí)間最短，約束條件(3.2)表示車輛到達(dá)倉(cāng)庫的時(shí)間不能早于倉(cāng) 庫開始提供服務(wù)的時(shí)間，不能晚于倉(cāng)庫關(guān)閉服務(wù)的時(shí)間，對(duì)于廠區(qū)24小時(shí)工作，可忽略此條 件;式(3.3)表示車輛最終的運(yùn)載量不能超過車輛本身的運(yùn)載能力;式(3.4)、（3.5)表示一 個(gè)車輛一次且最多只能一次經(jīng)過同一個(gè)倉(cāng)庫且經(jīng)過倉(cāng)庫的總數(shù)不能超過倉(cāng)庫的總數(shù)。
【文檔編號(hào)】G06Q10/04GK105976030SQ201610145780
【公開日】2016年9月28日
【申請(qǐng)日】2016年3月15日
【發(fā)明人】高山, 王永川, 姚琳, 車靜, 張東, 劉利
【申請(qǐng)人】武漢寶鋼華中貿(mào)易有限公司