代写物流论文范文：基于多Agent的密集仓储四向穿梭车调度管理思考

本文是一篇物流论文，本文基于多Agent的建模和系统出入库模型，实现了多订单任务的调度，但基于多Agent密集仓储四向穿梭车系统的系统配置与设备利用率、订单效率、物流成本等相关指标本文没有考虑，采用的是现有案例模型对结果进行验证，同时对于四向穿梭车Agent的路径算法没有深入研究。

第一章 绪论

1.1  研究背景与意义

1.1.1研究背景

2013年德国提出德国工业4.0时代，工业4.0时代是利用信息技术促进产业变革的时代，即智能化时代。我国同样在2014年提出了“中国制造2025”，推行智能制造工程，建造更多的智能工厂，智能物流仓储运输系统是智能工厂中不可或缺的组成部分，越来越多的自动化立体仓库应用到各领域的生产制造企业当中，信息技术和传感器技术的发展，也为智能物流设备创造了有利条件。新型的电商模式为生产制造企业和新型互联网企业带来商机的同时，也为传统物流模式带来挑战，消费者的差异化需求、更多的商品SKU和更大的物流需求量，使传统的“人工叉车+托盘”的仓储模式无法满足大量差异化需求，而智能仓储技术随着信息技术、互联网技术、传感技术的发展，存储量更大、拣选效率更高、自动化程度更高的智能立体仓库逐渐成为电商企业和制造企业的仓储系统新方案。在生产制造型企业中，自动化立体仓库通常与智能生产线配套使用，主要用于存储生产过程中的成品、半成品或者生产资料，例如烟厂、药厂、汽车制造厂等。新兴的电商物联网企业中，为满足消费者大量差异化的购物需求，以淘宝、京东、拼多多等为代表的企业在全国乃至全球建立智能仓储物流中心，进一步提高商品的出入库效率和拣选效率。

现如今自动化立体仓库系统主要分为两种，堆垛机式自动化立体仓库(Automated Storage and Retrieval System，AS/RS)和穿梭车式立体仓库(Shuttle-based Storage and Retrieval System，SBS/RS)，堆垛机立体仓库是在两排货架之间通过堆垛机和货叉从立体仓库的对应货位取货，与传统仓储模式相比很大程度上提高拣选效率，但仓库空间的利用率不高。相较堆垛机式立体仓库，穿梭车式立体仓库在满足高效拣选作业的前提下，对于仓储空间的利用率更高，穿梭车设备主要包括轨道引导小车(RGV)、自动引导小车(AGV)两种，轨道引导小车按照其运动方式还可细分为往复式穿梭车、子母穿梭车和四向穿梭车。

1.2  国内外研究现状

1.2.1穿梭车式存储系统的研究

密集仓储穿梭车系统是通过立体仓库巷道、提升机、以及穿梭车的配合完成三维出入库订单任务，穿梭车式存储方式的物流设备所需空间很少，对于立体仓库的空间利用率更高，在调度管理方面柔性更强，与传统堆垛机式自动化立体仓库相比可以大幅改善物流系统的吞吐能力。

传统穿梭车式仓储系统采用的是往复穿梭车，只能在固定轨道做往复运动，作业较为受限，每台往复穿梭车对应的巷道口都需要配置一台提升机。Ning在对传统穿梭车式仓储系统的研究中，采用仿真工具，研究了在巷道中使用多台提升机对于系统出入库性能的影响。Lerher(2015)在考虑穿梭车与提升机运动速度与加速度等特性后，提出了旅行时间模型，模型包含货物在单指令和双指令周期下的平均服务时间。之后Lerher(2016)提出了计算穿梭车系统吞吐量的计算方法，对双深位的传统穿梭式仓储系统搭建了旅行时间模型。北京伍强科技有限公司总经理尹军琪提出，目前穿梭车的基本种类划分分为箱式、和托盘式，进一步划分可分为输送式和存储式两种类型，输送式又可分为子母穿梭车和四向穿梭车，同时目前穿梭车系统还有一些关键技术需要突破，例如电池技术、通讯定位技术、检测技术等。

密集仓储四向穿梭车系统(FS/RS)是一种新兴的智能立体仓库系统，四向穿梭车系统在作业时能够满足三个维度的实时调度，是对于传统的穿梭车系统的创新和发展，四向穿梭车拥有双向行驶结构，可以通过变换交叉轨道进行二维平面的四个方向行驶的穿梭车，配合穿梭车提升机能够实现货物在整个立体仓库内三维动态运输，具有高柔性、高可靠性、高灵活性等优势，能在提高仓库空间利用率的同时降低物流成本，逐渐成为解决单元物料的智能化仓储的重要途径之一。

第二章 相关理论基础

2.1  Agent相关理论

2.1.1Agent的起源和定义

Agent最初是为了解决分布式人工智能问题提而被提出的，目标是建立一个多子系统构成的调度合作系统，通过将复杂的问题分解为多个子系统，再针对各个子任务设计一个独立子系统，从而来解决复杂问题。Agent的起源可以追溯到1977年Hewiit的Actor模型[1]，在模型中各个Actor之间可以通过即时的通讯来协调整体工作行为，而后来的Agent理论，就是从Actor演变而来。国内外学者对于Agent根据不同的研究角度给出了不同的定义，有的学者从Agent组成成分角度出发，将Agent定义为是一类在作业环境下能够自主完成一系列系统设置目标的实体，而目前最广为流传的Agent定义是由Wooldridge提出的“强定义”和“弱定义”，本文对于Agent的定义也取自这两个定义。

弱定义中对于Agent的定义是具有以下四种特性的智能体模型。

1）反应性（Reactitvity）。反应性是指Agent可以适应不同环境，根据自身所处环境，对环境中的相关事件做出反应的行为。

2）自治性（Autonomy）。自治性是指Agent对于自身的行为和状态有一定的自控能力，而不是直接由人为或者固定指令操控，这也是Agent模型的重要特征。

3）社会性（Sociality）。Agent通常不会单独存在于一个系统当中，社会性是指一个系统当中的Agent能够通过各种通信方式与其他Agent完成信息交互，共同协作完成一系列复杂工序。

4）自发性（Pro-activeness）。自发性是指Agent在一些情况下，能够根据自身条件或环境因素自发主动的采取一些相应行动。

2.2  多Agent系统相关理论

2.2.1多Agent系统的基本结构

具有多个能够独立计算的智能体Agent所组成的多Agent系统（Mutil-Agent-System,MAS）[4]。多Agent系统中的各个独立Agent通过通讯机制来共同协作完成复杂作业任务，以此实现多Agent系统的智能化，目前多Agent系统在物流交通、国家电力运输、卫生医疗以及网上购物等许多领域得到了广泛应用[5]。

MAS存在着多种Agent控制结构，不同的控制结构应用于各种场景当中，也影响系统内Agent相互协作的效率，多Agent系统的基本结构主要分为以下三种类型，分别是集中型、分布型以及混合型。

（1）集中型控制

集中型控制系统中包含一个集中型Agent以及若干个普通Agent构成，集中型Agent主要负责统领协调系统中的普通Agent，拥有最高权限，决策系统中的各项选择；普通型Agent则是在系统中完成大部分执行操作，协助集中式Agent完成协作工作。集中型控制MAS优势在于系统整体结构简单、逻辑清晰，但是同样存在明显缺陷，如果集中型Agent出现故障，则会导致整个系统的瘫痪，同时由于集中型Agent的整体逻辑集中在集中型Agent当中，因此后续对于系统扩展只能增加系统长度，导致系统的延展性差。集中型一般应用于问题简单、业务逻辑明显的工业生产中。逻辑示意图如下图2-5所示。

第三章 多Agent密集仓储四向穿梭车调度模型构建........................22

3.1 系统结构分析.....................................22

3.2 Agent个体模型构建................................24

第四章 多Agent四向穿梭车系统调度研究..........................39

4.1 多Agent密集仓储四向穿梭车系统调度.............................39

4.2 调度管理Agent基于混合订单任务提升机的调度.....................41

第五章 工程算例分析...........................64

5.1 算例分析.....................................64

5.2 冲突调度与异常事件调度算例分析.......................70

第五章 工程算例分析

5.1  算例分析

本章实例分析采用实际密集仓储四向穿梭车系统为模型参考，实现基于多Agent系统的订单任务时间最短、四向穿梭车冲突避让以及异常事件调度的算例仿真，通过对数据的分析最终得出结论。

A物流中心采用基于托盘存储单元的智能密集仓储四向穿梭车系统，快速响应客户订单，集物料的存储、集货和配送功能为一体的现代化物流项目。密集仓储四向穿梭车系统中包括穿梭车、提升机、立体仓库以及MAS多Agent系统、WMS存储系统和WCS调度管理系统。通过Flexsim对该立体仓库进行建模，模型如图5-1所示。

第六章 总结与展望

6.1  总结

本篇论文的研究方向背景是基于当前智能物流的研究方向，结合了多Agent系统研究四向穿梭车的系统出入库作业多订单调度以及各种情况下的调度策略。本文首先介绍近几年的新型仓储模式密集仓储，结合传统堆垛机式的仓储模式和子母穿梭车仓储模式，分析了符合未来发展需求的四向穿梭车系统，之后结合人工智能，分析了Agent与多Agent系统的建模结构与方法，并建立本文基于多Agent的密集仓储四向穿梭车仓储系统模型，之后介绍多Agent系统中的订单如何通过合同网的方式传递，并采用出入库混合订单组为研究对象，研究混合出入库作业流程，针对提升机构建了系统整体作业的出入库模型，通过比对算法，最终选择使用遗传算法来作为模型的求解算法，最后通过甘特图的方式展示多Agent系统在遇到各种可能发生的情况时的调度策略。取得主要成果有：

（1）通过对国内外其他学者对于多Agent系统的建模方法，结合密集仓储四向穿梭车的特点、研究现状，对基于多Agent的密集仓储四向穿梭车系统进行建模，同时对系统中的每个个体Agent进行建模，该模型由七个Agent构成，分别是数据管理Agent、订单管理Agent、仓储货架管理Agent、调度管理Agent、出入库站台Agent、四向穿梭车Agent和提升机Agent，多Agent结构采用分布式结构，使系统拥有更多的灵活性与自主性，也可以充分发挥多Agent间的交流交互，在保证高效完成出入库作业同时，更好的应对各种异常风险。

（2）针对优化后的合同网协议机制，详细描述了出入库订单进入系统后，如何通过合同网机制，将订单从订单管理Agent传递至仓储货架Agent、出入站台Agent、穿梭车Agent，并最终传递至调度管理Agent当中，同时也详细描述了在订单传递过程中每个招标Agent所发出的订单任务标书指标，和投标Agent对自身能力计算的方法。与传统的四向穿梭车仓储系统相比，订单分配机制有很大区别，传统四向穿梭车仓储系统订单分配原则为平均分配订单，或将某一区域的订单统一分配至某一四向穿梭车当中，而基于多Agent系统的订单分配机制，不再是由集中的一个系统分配，而是每个四向穿梭车Agent计算自身能力指标后，向出入库站台Agent发出投标标书，标书指标高的Agent分配对应订单，同时当订单缓冲池中订单数量增多时，也会相应减低该Agent的能力指标。

参考文献（略）