張雪玉 徐紅博 李赫 肖愛梅
摘 要 環(huán)形穿梭車是一種智能的搬運設(shè)備,它有著很高的靈活性,而環(huán)形穿梭車系統(tǒng)已成為現(xiàn)如今工業(yè)生產(chǎn)中最重要的貨物運輸調(diào)度方式之一。如何合理設(shè)計系統(tǒng)的算法,為工業(yè)生產(chǎn)節(jié)省更多的時間成為人們需要解決的問題。本文運用排隊論相關(guān)知識,結(jié)合C++編程,使用量子遺傳算法自適應(yīng)的確定個體交叉變異概率,為穿梭車系統(tǒng)的設(shè)計與調(diào)度過程進行了最優(yōu)化的模擬。通過動態(tài)模擬穿梭車調(diào)度過程,對環(huán)形穿梭車系統(tǒng)進行了多角度的分析,建立了穿梭車動態(tài)調(diào)度模型,并給出了該系統(tǒng)最優(yōu)化的貨物處理方案,在實際應(yīng)用中有較大的參考價值。
關(guān)鍵詞 排隊論;動態(tài)調(diào)度;環(huán)形穿梭車;量子遺傳算法
1問題背景
近年來,隨著物流行業(yè)的高速發(fā)展與廣泛應(yīng)用,因全球經(jīng)濟飛速發(fā)展等原因,物流運輸對物流作業(yè)能力、勞動生產(chǎn)率、物流作業(yè)差錯、利潤等方面的要求越來越高。物流運輸已逐漸趨于自動化。環(huán)形穿梭車系統(tǒng)是一種智能的搬運設(shè)備。以其自動化控制、高速運輸、線路控制、合理作業(yè)等特點而獲得廣大用戶的認可和支持,現(xiàn)普遍應(yīng)用于日用百貨、煙草、機電、醫(yī)藥等領(lǐng)域,已成為工業(yè)生產(chǎn)中最重要的貨物運輸調(diào)度方式之一。如何合理的設(shè)計系統(tǒng)的算法,為工業(yè)生產(chǎn)節(jié)省更多的時間成為人們需要解決的問題。對于環(huán)形穿梭車系統(tǒng)的研究和開發(fā),不僅意義重大,而且具有實際運用價值。
2問題描述
環(huán)形穿梭車系統(tǒng)[1]由兩側(cè)的進出貨口、若干輛穿梭車以及一個環(huán)形軌道組成。它的工作流程如下:①穿梭車行至相應(yīng)進貨口。②若穿梭車前面有車,則等待裝貨;若無,則立即裝載貨物。③穿梭車行至相應(yīng)出貨口。④若穿梭車前面有車,則等待;若無,則立即卸載貨物⑤循環(huán)過程1-4直至所有貨物全部裝卸完畢。
假設(shè)環(huán)形穿梭車在工作過程中不會出現(xiàn)故障,并且能夠完整地跑完整個過程。環(huán)形穿梭車在到達進貨口裝載貨物的時候,能夠立即開始裝貨,即保證進貨口能夠及時供貨側(cè)進貨口裝載的貨物只能運送到B指定的出貨口,B側(cè)進貨口裝載的貨物可以運送到A側(cè)任意出貨口。每個進出貨口都遵循先來先服務(wù)的原則,且A側(cè)某個進貨口運輸?shù)紹側(cè)的出貨口的序號不是固定的。在不考慮穿梭車長度的情況下,目標(biāo)為總完工時間最小[2]。整體流程示意圖如圖1所示。
3模型構(gòu)建
排隊論[3-4]是研究解決排隊問題的一門學(xué)科,因為該系統(tǒng)中穿梭車的調(diào)度過程中不允許發(fā)生超車,即會出現(xiàn)排隊的情況。在排隊模型中,我們可以把穿梭車看成顧客,把服務(wù)機構(gòu)看成貨物口,排隊服從于先來先服務(wù)的規(guī)則,當(dāng)裝卸完畢之后視為服務(wù)結(jié)束。
由此建立N輛穿梭車的貨物調(diào)度模型,計算總完工時間,其可以描述為:
其中代表穿梭車處理第i個貨物所需要的總時間,我們把某個任務(wù)的完成時間分為了三部分,空載運行的時間、裝貨運行的時間以及排隊等待的時間,則的計算方式如下:
其中貨物的等待時間為前面需要處理裝卸貨物的穿梭車的個數(shù)乘上裝卸貨所需要的時間,即
在穿梭車接收到指令到到達貨物口的這段過程中,穿梭車處于空載狀態(tài),我們設(shè)這段距離所需要的時間為:
穿梭車裝載貨物完成后到達目的出貨口的過程,所需要花費的時間為:
為了評定模型效率,建立評價模型,我們從以下三個方面來分析系統(tǒng)的花費時間。
系統(tǒng)完成整個任務(wù)的總過程中,穿梭車的空閑時間為:
(n 是需要處理的貨物總數(shù))
不考慮小車長度穿梭車總的擁堵時間:
系統(tǒng) 100 秒內(nèi)的最大貨物吞吐量:
β為在時間段中完成的貨物個數(shù)。根據(jù)實際生活中的具體情況,我們對每個影響參數(shù)進行加權(quán)平均,獲得系統(tǒng)總的效率評價模型:
其中為影響每個參數(shù)的權(quán)重因子。通過改變穿梭車數(shù)目,運行程序100次,測得α1,α2,α3的平均值為 0.1,0.3,0.6。因此采用此比例作為最終的評價權(quán)重因子。
4實驗仿真
在系統(tǒng)中,由于穿梭車速度的原因,導(dǎo)致穿梭車裝卸貨物的時間內(nèi),后面的穿梭車只能處于等待狀態(tài)而浪費了大量時間。因此我們利用問題模型結(jié)合遺傳算法,對小車的運行速度進行了優(yōu)化。
根據(jù)本問題的實際需求,本文使用自適應(yīng)量子遺傳算法[5-7]來對3穿梭車情況下的最優(yōu)速度問題進行求解,受篇幅所限,自適應(yīng)量子遺傳算法原理在此不再贅述。算法在2.03s就跑出了結(jié)果,其進化代數(shù)與相應(yīng)的調(diào)度總時間如圖2所示??梢钥闯?,算法的迭代次數(shù)和收斂效果都非常的不錯。
圖2 自適應(yīng)量子遺傳算法進化代數(shù)效果圖
其中算法得到的最終結(jié)果與相應(yīng)時間如圖3所示。
從運行結(jié)果可以看出,小車速度并不是越快越好,由于會發(fā)生堵塞等原因,3 穿梭車在速度為 5.0m/s 時,總調(diào)度時間最短為13126s。
5結(jié)束語
本文給出了環(huán)形穿梭車的動態(tài)調(diào)度模型和時間最優(yōu)化算法。為了能夠?qū)崿F(xiàn)動態(tài)調(diào)度最優(yōu)化,首先把問題分解為多個子問題:環(huán)形車的物料運輸問題、環(huán)形車的排隊問題,環(huán)形車的分配派遣問題,根據(jù)不同的子問題建立總的的動態(tài)規(guī)劃模型。并且將擁堵時間與理想時間的比值、單位時間貨物的最大處理量作為評價依據(jù),建立評價模型。利用自適應(yīng)量子遺傳算法,對環(huán)形穿梭車系統(tǒng)的穿梭車速度參數(shù)進行改進,得到了良好的實驗效果。
圖3 自適應(yīng)量子遺傳算法效果圖
參考文獻
[1] 鄒佰翰,夏鑫,張吉懿.基于貪心策略的環(huán)形穿梭車調(diào)度算法設(shè)計[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用,2020(4):52-53.
[2] 向旺,吳雙,張可義,等.基于排隊論的環(huán)形穿梭車系統(tǒng)運行參數(shù)分析[J].制造業(yè)自動化,2018,40(6):151-153.
[3] 楊少華,張家毅,趙立.基于排隊論的環(huán)軌多車數(shù)量與能力分析[J].制造業(yè)自動化,2011,33(16):102-104.
[4] 胡建偉,李東波,何非,童一飛.環(huán)形穿梭車調(diào)度系統(tǒng)設(shè)計與開發(fā)[J].物流技術(shù),2015,34(9):266-268.
[5] 余建坤,張文彬,陸玉昌. 遺傳算法及其應(yīng)用[J]. 云南民族學(xué)院學(xué)報(自然科學(xué)版),2002(4):193-197.
[6] 曲志堅,張先偉,曹雁鋒,等. 基于自適應(yīng)機制的遺傳算法研究[J]. 計算機應(yīng)用研究,2015(11):3222-3225.
[7] WangY,F(xiàn)eng XY,HuangYX,et al. Anovel quantumswarm evolutionary algorithm and its applications[J].Neurocomputing,2007,70(4-6):633-640.
作者簡介
張雪玉(1998-),女,山東省煙臺市人;現(xiàn)就讀學(xué)校:山東理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院,本科在讀,研究方向:智能優(yōu)化算法。
徐紅博(1998-),男,山東省聊城市人;現(xiàn)就讀學(xué)校:山東理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院,本科,研究方向:遺傳算法與機器學(xué)習(xí)。
李赫(1997-),男,山東省濟南市人;現(xiàn)就讀學(xué)校:山東理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院,本科,研究方向:計算機軟件與應(yīng)用。
肖愛梅(1973-),女,山東省膠州市;學(xué)歷:碩士,職稱:副教授,現(xiàn)就職單位:山東理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院,研究方向:計算機軟件與應(yīng)用。