基于Ant-agent 的自动化码头AGV 控制算法

交通运输系统工程与信息 ›› 2020, Vol. 20 ›› Issue (1): 190-197.

基于Ant-agent 的自动化码头AGV 控制算法

兰培真^{* 1, 2}，陈锦文^{1, 2}，曹士连^{1, 2}

1. 集美大学海上交通安全研究所，福建厦门 361021； 2. 交通安全应急信息技术国家工程实验室，福建厦门 361021

收稿日期:2019-10-23 修回日期:2019-11-20 出版日期:2020-02-25 发布日期:2020-03-02
作者简介:兰培真(1962-)，女，福建古田人，教授，博士.
基金资助:
福建省自然科学基金/ Natural Science Foundation of Fujian Province, China (2017J01796, 2016J01763).

An AGV Control Algorithm in Automated Terminal Based on Ant-agent

LAN Pei-zhen^{1, 2}, CHEN Jin-wen^{1, 2}, CAO Shi-lian^{1, 2}

1. Maritime Traffic Safety Institute, Jimei University, Xiamen 361021, Fujian, China; 2. National Engineering Laboratory for the Emergency Information Technology of Traffic Safety, Xiamen 361021, Fujian, China

Received:2019-10-23 Revised:2019-11-20 Online:2020-02-25 Published:2020-03-02

摘要/Abstract

摘要：

为解决自动化码头水平运输区存在的自动导引车(AGV)路径冲突和道路死锁问题，提高运输效率，将AGV视为蚂蚁智能体(Ant-agent)，设定其携带负反馈机制的信息素进入运输路网. 引入拥挤度及拥挤度阈值q ，建立新的状态转移规则；针对节点冲突和路径拥堵，构建解决机制；提出基于Ant-agent 的AGV控制算法，采用两阶段均匀设计试验法确定算法最优参数组合. 仿真结果表明，与传统动态路径规划算法对比，所提算法在各运输任务量下的避碰性能、解锁性能和运输效率均有较大提高，可有效地解决AGV路径冲突和道路死锁，提高运输效率.

关键词: 智能交通, 路径冲突, 道路死锁, Ant-agent, 自动导引车, 控制算法

Abstract:

In order to solve the problem of automated guided vehicle (AGV) path conflict and road deadlock in the automated terminal horizontal transportation area, improving transportation efficiency, AGV is treated as Antagent, carrying the pheromone with negative feedback mechanism into the transportation network. A new state transition rule is established on the basis of the congestion and its threshold q . A solution mechanism for node conflicts and path congestion is constructed. As a result, the AGV control algorithm based on Ant- agent is proposed. The optimal parameter combination of the algorithm is determined through the method of two- stage uniform design test. Simulation result indicates that compared with traditional dynamic path planning algorithms, the collision avoidance performance, unlocking performance and transportation efficiency of the algorithm are greatly improved. It can effectively solve AGV path conflicts and deadlocks, as well as improve transportation efficiency.

Key words: intelligent transportation, path conflict, road deadlock, Ant-agent, automated guided vehicle, control algorithm

中图分类号:

U169.74

兰培真，陈锦文，曹士连. 基于Ant-agent 的自动化码头AGV 控制算法[J]. 交通运输系统工程与信息, 2020, 20(1): 190-197.

LAN Pei-zhen, CHEN Jin-wen, CAO Shi-lian. An AGV Control Algorithm in Automated Terminal Based on Ant-agent[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20(1): 190-197.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19994.shtml

http://www.tseit.org.cn/CN/Y2020/V20/I1/190

参考文献

[1] RADHIA Z, KHALED M, SIMON C D, et al. A Hybrid method for assigning containers to agvs in container terminal[J]. IFAC-PapersOnLine, 2016, 49(3): 96-103.

[2] 张素云, 杨勇生, 梁承姬, 等. 自动化码头多AGV路径冲突的优化控制研究[J]. 交通运输系统工程与信息, 2017, 17(2): 83-89. [ZHANG S Y, YANG Y S, LIANG C J, et al. Optimal control of multiple AGV path conflict in automated terminals[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(2): 83-89.]

[3] 韦燚, 刘晓东. 集装箱自动化码头AGV带时间约束的路径规划研究[J]. 新型工业化, 2016, 6(2): 41-45. [WEI Y, LIU X D. Research of routing schedule of AGV in automated container terminal and subject to time constraints[J]. The Journal of New Industrialization, 2016, 6(2): 41-45.]

[4] YONGSHENG Y, MEISU Z, YASSER D, et al. An integrated scheduling method for AGV routing in automated container terminals[J]. Computers & Industrial Engineering, 2018, 126(12): 482-493.

[5] 仲美稣, 杨勇生. 卸船作业模式下自动化码头AGV路径仿真优化[J]. 水运工程, 2018, 44(4): 126- 131. [ZHONG M S, YANG Y S. Based on discharging operation mode automation terminal of AGV path simulation optimization[J]. Port & Waterway Engineering, 2018, 44(4): 126-131.]

[6] 罗志凡, 卢耀祖, 张氢, 等. 一类自动引导小车的路径规划方法[J]. 中国工程机械学报, 2004, 2(4): 400- 403. [LUO Z F, LU Y Z, ZHANG Q, et al. Path planning method of automatic guided vehicle in partially known environment[J]. Chinese Journal of Construction Machinery, 2004, 2(4): 400-403.]

[7] 杨勇生, 崔佳羽, 梁承姬, 等. 基于软时间窗的自动化集装箱码头AGV路径规划[J]. 广西大学学报(自然科学版), 2017, 42(5): 1793-1801． [YANG Y S, CUI J Y, LIANG C J, et al. Research on the routing of AGV in automated container terminal based on soft time window [J]. Journal of Guangxi University (Nature Science Editon), 2017, 42(5): 1793-1801.]

[8] 张峥炜, 陈波, 陈卫东. 时间窗约束下的AGV动态路径规划[J]. 微型电脑应用, 2016, 32(11): 46- 49. [ZHANG Z W, CHEN B, CHEN W D. Dynamic routing of automated guided vehicles with time window[J]. Microcomputer Applications, 2016, 32(11): 46-49.]

[9] 朱颢东, 孙振, 吴迪. 基于改进蚁群算法的移动机器人三维路径规划[J]. 华中师范大学学报(自然科学版), 2016, 50(6): 812-817. [ZHU H D, SUN Z, WU D. Path planning for mobile based on improved ant robot in 3D space colony algorithm[J]. Journal of Central China Normal University, 2016, 50(6): 812-817.]

[10] 李浩宇, 吕梅柏. 一种基于改进的蚁群优化算法的三维空间路径搜索算法[J]. 西北工业大学学报, 2014, 32 (4): 563-568. [LI H Y, LV M B. A three dimensional route planning method based on improved ant colony optimization algorithm[J]. Journal of Northwestern Polytechnical University, 2014, 32(4): 563-568.]

[11] 赵业清. 钢铁生产复杂物流网络系统仿真：面向多 Agent的系统工程方法[M]. 北京: 新华出版社, 2015. [ZHAO Y Q. Simulation of complex logistics network system for steel production: System engineering method for multi-agent[M]. Beijing: Xinhua Publishing House, 2015.]

[12] COLORNI A, DORIGO M, MANIEZZO V, et al. Distributed optimization by ant colonies[C]. Proceedings of ECAL91- European Conference on Artificial Life, Paris, France, Elsevier, 1992: 134-142.

[13] DORIGO M, MANIEZZO V, COLORAI A. The ant system: Optimization by a colony of cooperating agents [J]. IEEE Transaction of Systems, Man, and Cybernetics-Part B, 1996, 26(1): 29-41.

[14] 詹士昌, 徐婕, 吴俊. 蚁群算法中有关算法参数的最优选择[J]. 科技通报, 2003, 19(5): 381-386. [ZHAN S C, XU J, WU J. The optimal selection on the parameters of the Ant colony algorithm[J]. Bulletin of Science and Technology, 2003, 19(5): 381-386.]

[1]	郭烈, 胥林立, 秦增科, 王旭. 自动驾驶接管影响因素分析与研究进展[J]. 交通运输系统工程与信息, 2022, 22(2): 72-90.
[2]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[3]	程君, 张立炎, 陈启宏. 一种基于地图辅助的自动驾驶视-惯融合定位方法[J]. 交通运输系统工程与信息, 2022, 22(2): 117-126.
[4]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[5]	马东方, 陈曦, 吴晓东, 金盛. 基于强化学习的干线信号混合协同优化方法[J]. 交通运输系统工程与信息, 2022, 22(2): 145-153.
[6]	许波桅, 王玲玲, 李军军. 自动化码头多级作业超网络延误传导特性研究[J]. 交通运输系统工程与信息, 2022, 22(2): 280-289.
[7]	田会娟, 刘嘉伟, 翟佳豪, 邓琳琳. 基于多入侵线的视频车速检测方法[J]. 交通运输系统工程与信息, 2022, 22(1): 49-56.
[8]	贾彦峰, 曲大义, 赵梓旭, 王韬, 宋慧. 基于安全势场的网联自主车辆跟驰行为决策及模型[J]. 交通运输系统工程与信息, 2022, 22(1): 85-97.
[9]	刘文, 汪文博. 基于秩最小化矩阵去噪的船舶轨迹重构方法[J]. 交通运输系统工程与信息, 2022, 22(1): 106-114.
[10]	赵建东, 陈溱, 焦彦利, 张凯丽, 韩明敏. 重点营运车辆的异常驾驶行为识别研究[J]. 交通运输系统工程与信息, 2022, 22(1): 282-291.
[11]	徐东伟, 彭航, 商学天, 魏臣臣, 杨艳芳. 基于图自编码-生成对抗网络的路网数据修复[J]. 交通运输系统工程与信息, 2021, 21(6): 33-41.
[12]	游峰, 梁健中, 曹水金, 肖智豪, 吴镇江, 王海玮. 面向多目标跟踪的密集行人群轨迹提取和运动语义感知[J]. 交通运输系统工程与信息, 2021, 21(6): 42-54.
[13]	王福建, 俞佳浩, 赵锦焕, 梅振宇. 基于站点实时关联度的短时公交客流预测方法[J]. 交通运输系统工程与信息, 2021, 21(6): 131-144.
[14]	张毅, 姚丹亚, 李力, 裴华鑫, 晏松, 葛经纬. 智能车路协同系统关键技术与应用[J]. 交通运输系统工程与信息, 2021, 21(5): 40-51.
[15]	龙建成, 郭嘉琪. 动态交通分配问题研究回顾与展望[J]. 交通运输系统工程与信息, 2021, 21(5): 125-138.