Agv、Rgv 车辆控制调度系统开发第七篇-选车算法

Agv、Rgv 车辆控制调度系统开发第七篇-选车算法


前言

我说过10期讲完调度,就一定会更新完,大家也不要再催更了,我会在有时间的时候更新,
这期讲一下选车算法,为什么选车也叫算法,因为现场运行的好坏选车起到了绝对作用,选择一辆对的车,车将少走很多弯路,大幅提升运送效率。

一、选车算法

选车算法的核心思想就是让车走最少的距离,为了走最少的距离这里面真的用到了算法。
这些年我一共实现了两套选车算法,第一套主要应用于车间场景50台一下。
第二种主要应用于仓储场景,台数不限制。
这两种算法各有优缺点

在这里插入图片描述

二、分别讲解

1.基于最短路线的选车算法

基于最短路线的,实际上也就是使用的最短路线算法,这一版算法的优点就是选择的车距离绝对是最短的,缺点就是对车辆数量有要求,测试发现50台是极限。

在这里插入图片描述
算法用的就是标准的最短路线算法,最难的是选车模型的创建,我把选车模型的代码贴在下面供大家参考。

这一版算法已经经过现场验证

 /// <summary>
        /// 给选车算法创建一个简单的虚拟模型
        /// </summary>
        /// <param name="name"></param>
        /// <param name="edges"></param>
        /// <param name="Tier"></param>
        public void add_vertex(string name, Dictionary<string, int> edges,int Tier)
        {
            bool i = false;
            if (!DispatchData.Vertices.ContainsKey(Tier))
            {
                DispatchData.Vertices.Add(Tier, null);
            }
            foreach (var v in DispatchData.Vertices)
            {
                if(v.Key== Tier)
                {
                    if (v.Value == null)
                    {
                        continue;
                    }
                    foreach (var item in v.Value)
                    {
                        if (item.Key == name)
                        {
                            foreach (var t in edges)
                            {
                                DispatchData.Vertices[Tier][name].Add(t.Key, t.Value);
                            }

                            i = true;
                        }
                    }
                }  
            }
            if (i == false)
            {
                if (DispatchData.Vertices[Tier] == null)
                {
                    var c = new Dictionary<string, Dictionary<string, int>>();
                    c.Add(name, null);
                    DispatchData.Vertices[Tier]=c;
                }
                DispatchData.Vertices[Tier][name] = edges;
            }




        }

2.基于递归算法 的选车算法

第二版算法本质上就是递归算法,这个算法的缺点就是选择的车是相对距离比较近的,不是绝对近的,优点就是对车辆数量没有要求,写到这里突然想到为什么不结合起来用不就完美了吗?哈哈

在这里插入图片描述

总结

其实我把调度的核心思想和创作方式都分享了,只是没分享源码,其实即使我分析源码大家也看不懂,
即使看懂了也没有用,像调度这种系统代码量真的不多,但是代码质量真的高,其实我的学历不高只有小学,为了写好调度,我分别学习了高等数据线微积分,向量,几何学等,其实做这种系统上过大学的有绝对优势。
在这里插入图片描述

系列文章链接

Agv、Rgv 车辆控制调度系统开发第一篇
Agv、Rgv 车辆控制调度系统开发第二篇
Agv、Rgv 车辆控制调度系统开发第三篇
Agv、Rgv 车辆控制调度系统开发第四篇
Agv、Rgv 车辆控制调度系统开发第五篇-避碰
Agv、Rgv 车辆控制调度系统开发第六篇-流程控制器
Agv、Rgv 车辆控制调度系统开发第七篇-选车算法
Agv、Rgv 车辆控制调度系统开发第八篇-错误纠正
Agv、Rgv 车辆控制调度系统开发第9篇-性能测试
Agv车辆控制调度系统开发第十篇-终结篇

其他文章

调度系统核心算法第一篇-交通管制
agv车辆调度系统-技术篇
agv调度系统3.0技术介绍
调度算法研究交流群的建立-欢迎加群交流
Agv、Rgv 车辆控制调度系统开发知识点篇

新篇章

新篇章:智能工厂软件生态第一篇

  • 3
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
仓储自动化多AGV(Automated Guided Vehicle)控制系统调度算法的研究是为了提高仓储系统的效率和精细化管理。AGV是一种能够自主导航和运输物品的无人驾驶车辆,广泛应用于仓储和物流领域。 在仓储自动化多AGV控制系统的研究中,首先需要考虑到如何实现AGV的自主导航和路径规划。研究者们通常采用激光雷达、视觉传感器或者超声波等技术来获取环境信息,并通过SLAM(Simultaneous Localization and Mapping)算法实现AGV的自定位和地图创建。此外,还需要结合实际需求设计并提取适当的特征,以便AGV能够在有限的空间中安全、高效地行驶。 其次,针对仓储物品的分类、存储和取出等需求,研究者们还需考虑多AGV之间的任务分配和调度问题。调度算法需要根据实时仓储物品的情况和AGV的状态,决定哪些AGV负责执行哪些任务,并合理安排它们的行动顺序和路径,以最大化系统的吞吐量和效率。常用的调度算法包括遗传算法、禁忌搜索算法、模拟退火算法等。 此外,为了提高仓储自动化多AGV控制系统的准确性和灵活性,研究者们还可以在系统中引入无线通信技术和物联网技术,实现AGV之间的实时通信和协作。通过实时传输任务和AGV的状态信息,系统可以更加精确地进行任务分配和调度,并且能够对异常情况进行快速响应和处理。 总之,仓储自动化多AGV控制系统调度算法的研究是为了提高仓储系统的自动化程度和效率,通过引入先进的导航技术和调度算法,实现对AGV的准确控制和任务分配,进而提升仓储系统的整体性能和管理水平。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值