摘要：仓储路径规划的研究对智能仓储具有重要意义，合理的路径规划能够有效避免仓储路径冲突，提升仓库内货物运输效率。针对当前仓储布局较为简单、缺乏针对复杂仓储布局的路径冲突策略问题，提出基于AGV坐标保留表和冲突分类的多目标AGV路径规划算法。首先，构建基于网格法的智能仓储鱼骨布局方案，并根据分区机制，给出存储节点间的距离计算模型，构成单一单向的仓储路径网络有向图。其次，建立AGV坐标保留表方法和路径冲突分类方法，制定路径冲突解决策略和算法。然后，建立以最小化总运输距离、最小化最大运输距离、最小化冲突解决等待时间为目标的多目标智能仓储路径规划模型。最后，结合所提路径冲突解决算法，设计基于进化遗传搜索算法的突变操作，在基于学习的多目标组合优化求解算法P-MOCO的基础上，通过构建偏好条件随机策略，借助多目标降维和强化学习方法，提出改进P-MOCO的无冲突多目标智能仓储路径优化算法CF-MOWVRP，求解无冲突的多目标规划模型的近似帕累托解。实验结果表明，所提算法具备更快的收敛速度和更优的解，能够解决路径冲突，给出无冲突的路径规划方案。
文章目录
1 引言
2 基于网格法的智能仓储鱼骨布局方案
2.1 鱼骨仓储布局方案的栅格化
2.2 基于鱼骨仓储布局的分区机制
2.3 存储节点距离计算模型
2.4 服务点到存储节点的计算模型
2.5 智能仓储路径规划解决方案
3 基于AGV坐标保留表和冲突分类的路径冲突解决算法
3.1 AGV坐标保留表
3.2 冲突分类
3.3 路径冲突解决策略
3.4 路径冲突解决算法
4 基于改进P-MOCO的无冲突多目标智能仓储路径优化算法
4.1 无冲突多目标智能仓储路径规划模型
4.2 P-MOCO算法
4.2.1 偏好、编码器和节点嵌入
4.2.2 解码器和节点上下文嵌入
4.2.3 节点选择概率
4.3 无冲突多目标智能仓储路径优化算法
4.3.1 四个随机突变算子
4.3.2 两个交叉变异操作
4.3.3 多目标降维和强化学
