摘要：近年來，隨著業界機械自動化水平的不斷提高，多功能軌道是自動引導車(RGV)也開始扮演著舉足輕重的角色，因而人們對于RGV動態調度問題的研究和分析從未停止過。本文中，我們通過粒子群算法求解動態調度的非線性目標規劃模型，由此實現對動態調度及模型合理性等問題加以分析和討論。

　　關鍵詞：就近算法；非線性目標規劃；粒子群算法

　　一、RGV發展現狀

　　(1)RGV應用方式概述[1]

　　RGV在工業自動化車間以及物流配送系統中的應用甚為廣泛，然而由于系統作業需求不同，RGV在具體應用中具有諸多的作業形式，與此同時，與其相關的作業策略和控制技術也存在著諸多的差異。

　　二、單一直線往復式RGV的工作流程分析

　　(1)順序排隊原則的設定

　　假定RGV嚴格遵循順序排隊原則，實現“先發出信號，先完成任務”的初級目標。

　　(2)起始點的選取

　　我們運用機理分析法對這8個CNC的位置與初期工作效率的關系做初步的分析。由于效率=工作量/時間，所以我們從減少無用耗時的層面解決起始點選定的問題。

　　①RGV的行駛需要一定時間，所以起始點的選擇一定要靠近軌道的兩端，在這里我們選定CNC#1、#2一端。

　　②RGV工作流程的核心在機械臂的運動情況，所以縮短機械臂的工作耗時是最佳的選擇。

　　故而選定CNC1作為設定的RGV初期工作方案的起始點。

　　(3)基于就近算法的循環疊加模型[2]

　　首先，我們假設RGV的工作流程共循環有限的n次(依序完成CNC1至CNC8的所有任務為一整個工作流程)。

　　接下來，RGV在每一次工作循環中，由于完成CNC8的時間節點在下一個循環中CNC1的發送需求信息的時間節點之前，所以不得不停下等待，直至下一循環開始。最終的求解結果即代表最優調動策略的工作用時。

　　(4)RGV數量推廣

　　下面探討關于n個物料，m臺CNC的作業車間調度問題

　　1)量化表示工作用時，用時包括RGV移動所需的時間、上下料用時、加工一道工序的時間及加工后的清洗流程的用時。

　　其中，M為一個趨于無窮大的常系數。

　　3)在求解優化調度模型中，通常構建最大值目標函數[3]來確定工作情況和時間的關系，此中，在工作總用時既定的情況下求解最大有效工作量來衡量工作效率。

　　三、多臺直線往復式RGV的工作流程分析

　　(1)建立空間調度的規劃模型

　　下面探討關于n個物料，m臺CNC的作業車間調度問題

　　1)量化表示第一道工作用時和第二道工序的工作用時

　　其中，M為一個趨于無窮大的常系數。

　　3)在求解優化調度模型中，通常構建目標函數來確定工作情況和時間的關系。該模型中，在工作總用時既定的情況下求解最大有效工作量(由最長有效工作時間T來表示)來衡量工作效率。最終得到這樣的目標函數：

　　參考文獻

　　[1]王曉寧.直線往復式軌道穿梭車避讓策略仿真研究[D].北京郵電大學,2012

　　[2]聶峰，程珩.多功能穿梭車優化調度研究[J].物流技術,2008,27(10):251-253.

　　[3]ZhaoJing,HanChongZhao,WeiBin.Binaryparticleswarmoptimizationwithmultipleevolutionarystrategies[J].ScienceChina(InformationSciences),2012,55(11)：2485-2494.

　　[4]鐘壽桂.基于離散粒子群與模擬退火融合算法的自動小車存取系統貨位優化[D].廈門大學,2009

　　作者張子巖毛敏吳彥亭