戴劍勇,席釕姿
(南華大學(xué) 經(jīng)濟(jì)管理學(xué)院,湖南 衡陽 421001)
物流運(yùn)輸調(diào)度是針對一系列發(fā)貨點(diǎn)和收貨點(diǎn),組織適當(dāng)?shù)男熊嚶肪€,使車輛有序通過它們,在滿足一定約束條件下(如貨物需求量、車載量、行車?yán)锍?、交發(fā)貨時間、時間限制、路線約束等),達(dá)到一定目標(biāo)最優(yōu)化(如路程最短、運(yùn)費(fèi)最低、時間準(zhǔn)時、車輛較少等)的過程。
物流運(yùn)輸調(diào)度系統(tǒng)是一個涉及多因素、多層次、動態(tài)變化的大規(guī)模復(fù)雜系統(tǒng),是一個在時間和空間上的分布式、非線性、時變的隨機(jī)系統(tǒng),具有復(fù)雜性、遞階結(jié)構(gòu)、不確定性、多目標(biāo)、多約束、多資源相互協(xié)調(diào)等特點(diǎn)。目前,物流企業(yè)面臨著日益劇烈變化的市場競爭,其運(yùn)輸調(diào)度工作的條件復(fù)雜,不僅貨運(yùn)點(diǎn)多、貨物品種類型繁多、道路網(wǎng)復(fù)雜,而且運(yùn)輸服務(wù)地區(qū)內(nèi)運(yùn)輸網(wǎng)點(diǎn)的分布也不均勻,這要求物流運(yùn)輸調(diào)度系統(tǒng)的控制結(jié)構(gòu)具有局部自治和分布式?jīng)Q策特性,集中式調(diào)度方式己經(jīng)不能適應(yīng)環(huán)境變化的要求。
隨著計算機(jī)技術(shù)的飛速發(fā)展以及智能計算技術(shù)的不斷涌現(xiàn),智能優(yōu)化調(diào)度技術(shù)成為解決物流運(yùn)輸調(diào)度的主要技術(shù),但優(yōu)化問題的關(guān)鍵在于數(shù)學(xué)模型的建立和算法的求解。對于物流運(yùn)輸調(diào)度系統(tǒng)的優(yōu)化問題,其核心不僅在于其相應(yīng)功能模塊的完善及其分布式自治管理,而且涉及到各相應(yīng)功能模塊的協(xié)調(diào)問題。而多智能體系統(tǒng)(Multi-Agent System,MAS)采用分布式體系結(jié)構(gòu),具有敏捷、靈活、實時的優(yōu)點(diǎn),其每個智能體皆有一定的獨(dú)立功能,且單個Agent與Agent之間的結(jié)構(gòu)關(guān)系是可動態(tài)調(diào)整的,不同功能的Agent組成緊耦合的運(yùn)輸調(diào)度管理體系結(jié)構(gòu)具有自適應(yīng),自組織和良好的協(xié)調(diào)性能,可以通過協(xié)調(diào)方式完成繁雜的整體運(yùn)作。因此,應(yīng)用多智能體技術(shù)對解決物流運(yùn)輸調(diào)度系統(tǒng)的分布式自治和集成優(yōu)化問題具有重要的現(xiàn)實意義。
智能體(Agent)是指駐留在某一環(huán)境下,能持續(xù)自主地發(fā)揮作用,具備駐留性、自治性、反應(yīng)性、主動性、社會性、進(jìn)化性等特征的計算實體。多智能體(Multi-Agent)一般專指多智能體 系 統(tǒng)(Multi-Agent System,MAS) 或 多 智 能 體 技 術(shù)(Multi-Agent Technology,MAT),它是多個智能體組成的集合,它的目標(biāo)是將大而復(fù)雜的系統(tǒng)建設(shè)成小的、彼此互相通信和協(xié)調(diào)的、易于管理的系統(tǒng)。主要研究智能體之間的交互通信、協(xié)調(diào)合作、沖突消解等方面,強(qiáng)調(diào)多個智能體之間的緊密群體合作,而非個體能力的自治和發(fā)揮,主要說明如何分析、設(shè)計和集成多個智能體構(gòu)成相互協(xié)作的系統(tǒng)。
Multi-Agent系統(tǒng)建模是一種自底向上的新型建模方法,與傳統(tǒng)的自上而下的建模方法不同,Multi-Agent系統(tǒng)建模是針對復(fù)雜系統(tǒng)的模型研究,而物流企業(yè)運(yùn)輸調(diào)度系統(tǒng)正是這樣一個復(fù)雜的、多目標(biāo)的、不確定的、多變的隨機(jī)系統(tǒng)。多智能體系統(tǒng)建模方法是首先根據(jù)研究的系統(tǒng)對單個的Agent進(jìn)行定義,給每個Agent賦予一定的行為及參數(shù),然后根據(jù)Agent與Agent之間及Agent與環(huán)境之間的關(guān)系,確定其交互規(guī)則,通過交互將各個Agent聯(lián)結(jié)成一個整體,構(gòu)成一個完整的Multi-Agent系統(tǒng)。
根據(jù)物流運(yùn)輸調(diào)度系統(tǒng)的實際情況,采用功能和物理相結(jié)合的混合建模方法,將物流運(yùn)輸調(diào)度過程中涉及的運(yùn)輸訂單、車輛調(diào)度、車輛、路網(wǎng)信息等物理實體以及協(xié)調(diào)、管理等邏輯實體統(tǒng)一分解成四種不同的Agent類型。并對每一個Agent建立相應(yīng)的模型。再將各個Agent集成為運(yùn)輸調(diào)度系統(tǒng)的多智能體體系結(jié)構(gòu),其結(jié)構(gòu)如圖1所示。
圖1 物流運(yùn)輸調(diào)度系統(tǒng)多智能體體系結(jié)構(gòu)
針對物流企業(yè)運(yùn)輸調(diào)度系統(tǒng)的特殊性,對前一部分所構(gòu)建的多智能體體系結(jié)構(gòu)中的各個Agent分別進(jìn)行分析。
管理型Agent與其他Agent之間的聯(lián)系最多,負(fù)責(zé)整個調(diào)度系統(tǒng)的監(jiān)督、控制與管理,并協(xié)調(diào)其他各個Agent之間的工作,起著運(yùn)輸配送計劃員的作用。根據(jù)協(xié)調(diào)Agent自有的特性,建立其特征模型,如圖2所示。
圖2 協(xié)調(diào)Agent(管理型)的結(jié)構(gòu)模型
States:協(xié)調(diào)Agent的內(nèi)部狀態(tài)。用來監(jiān)控和處理整個物流運(yùn)輸調(diào)度系統(tǒng)全局性的信息,包括訂單分解、訂單更改、訂單取消、運(yùn)輸調(diào)度計劃的編制等。
Perceptions:感知信息。協(xié)調(diào)Agent從其他Agent和環(huán)境中通過信息交互與協(xié)調(diào)獲得與訂單相關(guān)的信息,再通過感知器傳遞給States。由States利用相關(guān)的知識庫做出相應(yīng)的決策。
Behaviors:行為信息。Behaviors接收到States傳過來的動作命令做出相應(yīng)的動作,比如對訂單進(jìn)行分解等。再通過效應(yīng)器傳遞給其他Agent以及環(huán)境。
任務(wù)型Agent映射的是實際物流企業(yè)運(yùn)輸調(diào)度系統(tǒng)中的運(yùn)輸訂單任務(wù)。運(yùn)輸訂單Agent在物流企業(yè)是一個非常重要的模塊。任務(wù)型Agent從管理型Agent處獲得訂單的基本信息,然后建立訂單資料檔案,并對其資料進(jìn)行查核及確認(rèn),若確認(rèn)信息有誤則將其反饋給管理Agent對訂單狀態(tài)進(jìn)行修改,確認(rèn)無誤后再通過運(yùn)輸調(diào)度系統(tǒng)將數(shù)據(jù)處理并輸出,最后將輸出傳遞到車輛調(diào)度Agent。影響任務(wù)型Agent的參數(shù)如圖3所示。
圖3 運(yùn)輸訂單Agent(任務(wù)型)參數(shù)
計算型Agent在整個物流企業(yè)運(yùn)輸調(diào)度系統(tǒng)中起著關(guān)鍵作用,這里的計算型Agent映射的是車輛調(diào)度Agent,它根據(jù)運(yùn)輸訂單Agent所傳遞過來的數(shù)據(jù),然后與管理Agent、車輛Agent及路網(wǎng)信息Agent進(jìn)行溝通,對訂單Agent進(jìn)行分析,將同一條線路上的不同貨物組合起來,配裝在同一輛載貨車上,對現(xiàn)有的資源Agent(車輛Agent)進(jìn)行分析,選擇最合適的車輛進(jìn)行調(diào)度排班,最后根據(jù)路網(wǎng)信息Agent,計算出最佳的運(yùn)輸線路,以便使貨物能夠安全、有效、快速、準(zhǔn)時到達(dá)客戶手中。車輛調(diào)度Agent考慮的參數(shù)如圖4所示。
圖4 運(yùn)輸調(diào)度Agent(計算型)參數(shù)
資源型Agent是物流企業(yè)運(yùn)輸調(diào)度系統(tǒng)中的硬件條件,它映射的是實際物流運(yùn)輸系統(tǒng)中能夠完成一個或多個特定功能的單元或單元組合,包括設(shè)備、運(yùn)輸工具、路網(wǎng)信息、操作人員等,如:物流企業(yè)運(yùn)輸部門提供的自有車輛、其他公司提供的外包車輛、道路網(wǎng)絡(luò)信息,它可以根據(jù)自身的能力、狀態(tài)、任務(wù)的要求及環(huán)境信息等對當(dāng)前的任務(wù)進(jìn)行判斷,并監(jiān)控資源的狀態(tài)及任務(wù)執(zhí)行情況。上述三個單Agent都要受到資源型Agent的約束,在這里將資源型Agent分成兩類,一類是車輛Agent,另一類是路網(wǎng)信息Agent。其參數(shù)分別如圖5、圖6所示。
對每個Agent建立相應(yīng)的模型后,采用信息集成技術(shù),將各個子系統(tǒng)的信息集成在一起,構(gòu)成一個完整的物流運(yùn)輸調(diào)度系統(tǒng),從而完成復(fù)雜系統(tǒng)的集成。利用這種多智能體技術(shù)進(jìn)行建??梢越档透鱾€Agent問題求解的復(fù)雜性同時可以降低整個系統(tǒng)的復(fù)雜性,有效地提高了問題求解的能力。
本文通過把多智能體理論引入到物流企業(yè)運(yùn)輸調(diào)度系統(tǒng)中,構(gòu)建了運(yùn)輸調(diào)度系統(tǒng)的多智能體結(jié)構(gòu),并對體系結(jié)構(gòu)中的每個Agent進(jìn)行分析,促進(jìn)物流企業(yè)運(yùn)輸調(diào)度系統(tǒng)的多智能體分布式自治及其功能擴(kuò)展,能有效地解決多智能體結(jié)構(gòu)的物流運(yùn)輸調(diào)度系統(tǒng)的結(jié)構(gòu)問題,從而創(chuàng)造商品的空間效益,降低運(yùn)輸費(fèi)用,對實現(xiàn)物流企業(yè)柔性管理、提高企業(yè)經(jīng)濟(jì)效益具有重要現(xiàn)實意義與應(yīng)用前景。
[1]P CPendharkar.Acomputational studyon design and performance issues of multi- agent intelligent systems for dynamic scheduling environments [J].Expert Systems with Applications,1999,(16):121- 133.
[2]Cai Yanguang,Wang Tao,CaiHao.A Differential Evolution Algorithm for Allied Vehicle Routing Problem with Multiple Transport Network.[A].International Conference on Power Electronics and Intelligent Transportation System[C].2010.
[3]黃天辰,韓京才.基于Agent技術(shù)的復(fù)雜適應(yīng)系統(tǒng)分析與建模[J].計算機(jī)仿真,2005,22(9):58-60.
[4]孟憲春,丁承君,段萍,郭勝輝.多智能體技術(shù)的發(fā)展和應(yīng)用現(xiàn)狀[J].河北工業(yè)大學(xué)學(xué)報,2006,35(3):6-11.
[5]戴劍勇,楊仕教,古德生.遺傳算法在水泥礦山卡車運(yùn)輸調(diào)度系統(tǒng)中的應(yīng)用[J].中國工程科學(xué),2006,8(8):77-81.
[6]陳勇,林飛龍.制造企業(yè)物流多智能體建模及其應(yīng)用[J].浙江工業(yè)大學(xué)學(xué)報,2006,34(3):310-313.
[7]趙金超,齊歡,王平,張勇明.基于多智能體的艦船維修系統(tǒng)建模技術(shù)研究[J].船海工程,2007,36(1):125-129.
[8]韓仁東,劉科成,鞠彥兵,崔春生.基于多agent的軍事物流系統(tǒng)仿真建模方法[J].計算機(jī)應(yīng)用研究,2010,27(5):1756-1760.
[9]王雪茹,袁建清,崔然.多智能體技術(shù)及其在交通控制系統(tǒng)中的應(yīng)用[J].中國新技術(shù)新產(chǎn)品,2011,17(1):27-28.
[10]霍曉宇,楊仕教,吳長振,戴劍勇,羊帆.露天礦山運(yùn)輸調(diào)度系統(tǒng)粒子群優(yōu)化[J].煤炭學(xué)報,2012,37(1):234-239.
[11]趙業(yè)清,郭磊,畢貴紅,朱道飛.基于多Agent的煉鋼復(fù)雜物流系統(tǒng)分析與設(shè)計[J].冶金自動化,2012,36(2):1-6.
[12]陳培友,張永賓.聯(lián)盟運(yùn)輸調(diào)度的煤炭運(yùn)輸運(yùn)作模式的研究[J].物流技術(shù),2012,31(3):17-19.