多物流机器人的任务分配策略研究
随着物流行业的飞速发展，订单配送方式正向大规模、多批次、小批量的定制配送模式转型。近年来，随着人口老龄化来袭，劳动人口数量下降，利用机器人替代人工的需求将越来越强烈，尤其在智能配送行业。物流机器人是无人配送设备的一种，在“无人配送”模式下，多物流机器人的任务分配策略极大地影响着订单配送效率。研究高效的多物流机器人任务分配策略，可在不增加配送成本的情况下提高总体配送效率，具有重要的科学研究价值和社会经济效益。 论文围绕实际物流配送场景中存在的真实问题，聚焦任务分配过程数学规划建模、调度算法平衡全局/局部搜索与高维快速优化方面的现实难题，研究多物流机器人的任务分配策略，具体如下: 1.充分考虑多物流机器人任务分配问题的特点，借鉴经典的车辆路径问题模型，根据实际物流配送场景建立容量约束和送达时间窗约束，研究多物流机器人任务分配的混合整数规划模型。 2.针对单一算法在解决多物流机器人任务分配问题时出现的收敛速度慢，易陷入局部最优解等问题，研究一种遗传嵌入的混合遗传粒子群算法。该混合算法以粒子群算法为主体框架，保证算法的快速收敛性;通过粒子进化过程中嵌入遗传算法，增加混合算法的全局搜索能力，在很大程度上避免陷入局部最优解。通过遗传算法与粒子群算法优势互补,实现获取质量更高的调度方案的目的。 3.针对带送达时间窗的多物流机器人任务分配问题，研究一种融合自编码器的遗传算法。在该算法中，针对高维数据使得遗传算法难以构建“积木块”的问题，融合自编码器将遗传算法种群的高维编码降维，通过在降维后产生的低维解空间中进行遗传迭代，更高效地进行全局搜索;同时在原始高维解空间中进行迭代，通过高/低维种群并行搜索有效平衡了遗传算法的全局/局部搜索。 在大量数据集实例及随机产生数据集上进行了数值仿真，并进行了不同算法的对比，结果表明论文研究的调度方法可以获取高质量的调度优化方案。
物流机器人;任务分配;遗传算法;粒子群算法;自编码器
北京化工大学
硕士
控制科学与工程
曹政才
2023
中文
TP242
2023-09-27（万方平台首次上网日期，不代表论文的发表时间）