使用遗传算法和粒子群优化的混合,在FMS中进行多目标AGV调度

  • 使用遗传算法和粒子群优化的混合,在FMS中进行多目标AGV调度已关闭评论
  • 1,865 views
  • A+
所属分类:工业4.0

使用遗传算法和粒子群优化的混合,在FMS中进行多目标AGV调度

使用遗传算法和粒子群优化的混合,在FMS中进行多目标AGV调度


灵活的制造系统(FMS)通过提供快速的产品多样化能力,增强了公司的灵活性和对不断变化的客户需求的响应能力。FMS的性能高度依赖于系统组件的调度策略的准确性,例如自动导引车辆(AGV)。作为移动机器人的AGV为制造设施或仓库内的物料和货物运输提供卓越的工业能力。将AGV分配给任务,同时考虑到运营的成本和时间,定义了AGV调度过程。与单一客观实践不同,AGV的多目标调度是一个复杂的组合过程。在研究的主要研究中,开发了一个数学模型,并与进化算法(遗传算法(GA)粒子群优化(PSO)和混合GA-PSO),以优化AGV的任务调度,目的是在考虑AGV的电池电量的同时最大限度地减少AGV的制造时间和数量。评估优化前后的数值实例调度证明了所有这三种算法在减少制造量和AGV数量方面的适用性。混合GA-PSO产生最佳效果,优于其他两种算法,其中AGV,GA和混合GA-PSO中AGVs运行效率的平均值分别为69.4,74和79.8%。该模型的评估和验证是通过Flexsim软件的模拟进行的。和混合GA-PSO),以优化AGV的任务调度,其目的是在考虑AGV的电池电量的同时最小化AGV的制造时间和数量。评估优化前后的数值实例调度证明了所有这三种算法在减少制造量和AGV数量方面的适用性。混合GA-PSO产生最佳效果,优于其他两种算法,其中AGV,GA和混合GA-PSO中AGVs运行效率的平均值分别为69.4,74和79.8%。该模型的评估和验证是通过Flexsim软件的模拟进行的。和混合GA-PSO),以优化AGV的任务调度,其目的是在考虑AGV的电池电量的同时最小化AGV的制造时间和数量。评估优化前后的数值实例调度证明了所有这三种算法在减少制造量和AGV数量方面的适用性。混合GA-PSO产生最佳效果,优于其他两种算法,其中AGV,GA和混合GA-PSO中AGVs运行效率的平均值分别为69.4,74和79.8%。该模型的评估和验证是通过Flexsim软件的模拟进行的。优化前后的调度证明了所有这三种算法在减少制造时间和AGV数量上的适用性。混合GA-PSO产生最佳效果,优于其他两种算法,其中AGV,GA和混合GA-PSO中AGVs运行效率的平均值分别为69.4,74和79.8%。该模型的评估和验证是通过Flexsim软件的模拟进行的。优化前后的调度证明了所有这三种算法在减少制造时间和AGV数量上的适用性。混合GA-PSO产生最佳效果,优于其他两种算法,其中AGV,GA和混合GA-PSO中AGVs运行效率的平均值分别为69.4,74和79.8%。该模型的评估和验证是通过Flexsim软件的模拟进行的。

weinxin
微信公众号
agvba是一个分享AGV知识和agv案例视频的网站。