考虑负载量均衡的自动拣货系统AGV任务分配优化OA北大核心CSTPCD

为提高AGV自动拣货系统作业效率、降低作业成本,在剖析造成系统拥堵的关键影响因素基础上,提出考虑负载量均衡的AGV任务分配双层规划模型,上层考虑总成本最小,下层通过构建多目标函数来最小化系统负载量标准差和AGV空闲率。针对传统GA求解任务分配问题效率低、易陷入局部最优等问题,提出了一种改进自适应遗传算法(SAGA),引入sigmoid函数用于适应度值的转换,并参与到自适应调整交叉变异算子的操作中,加入灾变策略防止算法出现早熟的情况。最后将该算法对不同规模算例进行仿真,结果证明,相比遗传算法、自适应遗传算法、自适应灾变遗传算法、蚁群算法,该改进算法在不同规模算例实验结果中均有明显优化,表明改进算法能更好地避免早熟、提升求解质量与收敛稳定性,有效地均衡了路网负载量,降低了作业总成本。