Yikemanong的博客

四向车调度仿真模拟与多智能体路径规划算法设计与开发

入库口2个，出库口3个，会不断地生成入库任务，出库任务与搬库任务，并执行。通过模拟仿真建模后，在该场景中设置9台四向穿梭车。共执行177个任务，略低于单车20任务/小时的效率要求。

通过模拟仿真建模后，在该场景中设置9台四向穿梭车。出库口共5个，会生成足够数量的出库任务，并执行。正好执行了180个出库任务，单车20个出库任务/小时。

共执行任务133个，平均单设备14.8任务/小时。入库受限于入库口的限制，并且生成入库任务的货位分配为随机分配，分配货位合理的话，极限效率应该比这个高不少。入库口共5个，会在入库处不断生成且仅生成入库任务，并执行。通过模拟仿真建模后，在该场景中设置9台四向穿梭车。

1个小时完成了179个搬库任务，因为5倍加速仿真对应本地路径规划计算无法加速，只能对运动加速，所以搬库任务可以达到单车20个任务/小时。通过模拟仿真建模后，在该场景中设置9台四向穿梭车。

后续将通过模拟仿真来测试几种作业场景。并进行效率测试与记录，来进行算法与调度策略的验证。橘黄色色块带边该位置有托盘。

上位机调度系统在路径规划与任务下发时，需要避免一切碰撞的可能。这一点需要上位系统进行高效率的动态规划，动态的控制地图点位的占用与释放。如果释放慢了，就会长期占用通道，导致其他设备的动作任务无法下发。这个还好，这类设备本身就是比较灵活的，效率不够的时候，增加一台设备，有的设备坏了，可以拉出去维修。中间有一些空白的地方，是立柱或者提升机设备占用空间，导致货架不对称，但整体问题不大。当设备密度较高时，且任务集中时，这个效率还是比较难达到的，这个需要实际测试。3、设备数量不确定，可以动态的进行设备增减。

当设备密集提高的时候，整体路径冲突情况会急剧增加。调度算法和调度策略的难度也会增加。如果优化得当的话，可以有效降低冲突情况，提高整体设备运行效率，提高任务执行效率。之前测试了4台设备的情况，现在测试下9台设备的情况。3：对地图和算法都进行定向优化。1：不对策略进行特殊优化。2：对地图进行一定优化。

多智能体路径规划仿真效果展示

使用模拟仿真来进行算法验证的时候，因为运动模型和距离都是使用实际建模的，导致仿真效率偏低，现在给仿真进行一次加速，可以自己输入加速倍数。加速后，运行效果就顺眼多了，测试效率也高了很多。

第二个问题则是在稍微仿真模拟了一下实际项目中的运行场景后发现的，在一些特定点位，最经典的便是出库站台，特别容易发生堵塞情况。多个设备分配了同一出库站台的出库任务，此时在出库站台那里，堵塞的频率很高。尤其当出库站台结构不合理，是一个没有环路的单向路径时，设备把托盘放在站台上后，必须通过原路径离开该区域，堵塞情况会更加严重。第二段从起点位置到达目的位置，不考虑避让与堵塞的情况下，是避免不掉，无法减少的。②：当多个设备有路径冲突的时候，为了结局这种路径冲突，时间代价是很高的。1：路径重合或者路径冲突。

路径规划后设备运动模型的设计与实现

AGV与四向穿梭车调度-多智能体路径规划问题