本文是一篇物流論文，本文基于多Agent的建模和系統出入庫模型，實現了多訂單任務的調度，但基于多Agent密集倉儲四向穿梭車系統的系統配置與設備利用率、訂單效率、物流成本等相關指標本文沒有考慮，采用的是現有案例模型對結果進行驗證，同時對于四向穿梭車Agent的路徑算法沒有深入研究。

第一章 緒論

1.1  研究背景與意義

1.1.1研究背景

2013年德國提出德國工業4.0時代，工業4.0時代是利用信息技術促進產業變革的時代，即智能化時代。我國同樣在2014年提出了“中國制造2025”，推行智能制造工程，建造更多的智能工廠，智能物流倉儲運輸系統是智能工廠中不可或缺的組成部分，越來越多的自動化立體倉庫應用到各領域的生產制造企業當中，信息技術和傳感器技術的發展，也為智能物流設備創造了有利條件。新型的電商模式為生產制造企業和新型互聯網企業帶來商機的同時，也為傳統物流模式帶來挑戰，消費者的差異化需求、更多的商品SKU和更大的物流需求量，使傳統的“人工叉車+托盤”的倉儲模式無法滿足大量差異化需求，而智能倉儲技術隨著信息技術、互聯網技術、傳感技術的發展，存儲量更大、揀選效率更高、自動化程度更高的智能立體倉庫逐漸成為電商企業和制造企業的倉儲系統新方案。在生產制造型企業中，自動化立體倉庫通常與智能生產線配套使用，主要用于存儲生產過程中的成品、半成品或者生產資料，例如煙廠、藥廠、汽車制造廠等。新興的電商物聯網企業中，為滿足消費者大量差異化的購物需求，以淘寶、京東、拼多多等為代表的企業在全國乃至全球建立智能倉儲物流中心，進一步提高商品的出入庫效率和揀選效率。

現如今自動化立體倉庫系統主要分為兩種，堆垛機式自動化立體倉庫(Automated Storage and Retrieval System，AS/RS)和穿梭車式立體倉庫(Shuttle-based Storage and Retrieval System，SBS/RS)，堆垛機立體倉庫是在兩排貨架之間通過堆垛機和貨叉從立體倉庫的對應貨位取貨，與傳統倉儲模式相比很大程度上提高揀選效率，但倉庫空間的利用率不高。相較堆垛機式立體倉庫，穿梭車式立體倉庫在滿足高效揀選作業的前提下，對于倉儲空間的利用率更高，穿梭車設備主要包括軌道引導小車(RGV)、自動引導小車(AGV)兩種，軌道引導小車按照其運動方式還可細分為往復式穿梭車、子母穿梭車和四向穿梭車。

1.2  國內外研究現狀

1.2.1穿梭車式存儲系統的研究

密集倉儲穿梭車系統是通過立體倉庫巷道、提升機、以及穿梭車的配合完成三維出入庫訂單任務，穿梭車式存儲方式的物流設備所需空間很少，對于立體倉庫的空間利用率更高，在調度管理方面柔性更強，與傳統堆垛機式自動化立體倉庫相比可以大幅改善物流系統的吞吐能力。

傳統穿梭車式倉儲系統采用的是往復穿梭車，只能在固定軌道做往復運動，作業較為受限，每臺往復穿梭車對應的巷道口都需要配置一臺提升機。Ning在對傳統穿梭車式倉儲系統的研究中，采用仿真工具，研究了在巷道中使用多臺提升機對于系統出入庫性能的影響。Lerher(2015)在考慮穿梭車與提升機運動速度與加速度等特性后，提出了旅行時間模型，模型包含貨物在單指令和雙指令周期下的平均服務時間。之后Lerher(2016)提出了計算穿梭車系統吞吐量的計算方法，對雙深位的傳統穿梭式倉儲系統搭建了旅行時間模型。北京伍強科技有限公司總經理尹軍琪提出，目前穿梭車的基本種類劃分分為箱式、和托盤式，進一步劃分可分為輸送式和存儲式兩種類型，輸送式又可分為子母穿梭車和四向穿梭車，同時目前穿梭車系統還有一些關鍵技術需要突破，例如電池技術、通訊定位技術、檢測技術等。

密集倉儲四向穿梭車系統(FS/RS)是一種新興的智能立體倉庫系統，四向穿梭車系統在作業時能夠滿足三個維度的實時調度，是對于傳統的穿梭車系統的創新和發展，四向穿梭車擁有雙向行駛結構，可以通過變換交叉軌道進行二維平面的四個方向行駛的穿梭車，配合穿梭車提升機能夠實現貨物在整個立體倉庫內三維動態運輸，具有高柔性、高可靠性、高靈活性等優勢，能在提高倉庫空間利用率的同時降低物流成本，逐漸成為解決單元物料的智能化倉儲的重要途徑之一。

第二章 相關理論基礎

2.1  Agent相關理論

2.1.1Agent的起源和定義

Agent最初是為了解決分布式人工智能問題提而被提出的，目標是建立一個多子系統構成的調度合作系統，通過將復雜的問題分解為多個子系統，再針對各個子任務設計一個獨立子系統，從而來解決復雜問題。Agent的起源可以追溯到1977年Hewiit的Actor模型[1]，在模型中各個Actor之間可以通過即時的通訊來協調整體工作行為，而后來的Agent理論，就是從Actor演變而來。國內外學者對于Agent根據不同的研究角度給出了不同的定義，有的學者從Agent組成成分角度出發，將Agent定義為是一類在作業環境下能夠自主完成一系列系統設置目標的實體，而目前最廣為流傳的Agent定義是由Wooldridge提出的“強定義”和“弱定義”，本文對于Agent的定義也取自這兩個定義。

弱定義中對于Agent的定義是具有以下四種特性的智能體模型。

1）反應性（Reactitvity）。反應性是指Agent可以適應不同環境，根據自身所處環境，對環境中的相關事件做出反應的行為。

2）自治性（Autonomy）。自治性是指Agent對于自身的行為和狀態有一定的自控能力，而不是直接由人為或者固定指令操控，這也是Agent模型的重要特征。

3）社會性（Sociality）。Agent通常不會單獨存在于一個系統當中，社會性是指一個系統當中的Agent能夠通過各種通信方式與其他Agent完成信息交互，共同協作完成一系列復雜工序。

4）自發性（Pro-activeness）。自發性是指Agent在一些情況下，能夠根據自身條件或環境因素自發主動的采取一些相應行動。

2.2  多Agent系統相關理論

2.2.1多Agent系統的基本結構

具有多個能夠獨立計算的智能體Agent所組成的多Agent系統（Mutil-Agent-System,MAS）[4]。多Agent系統中的各個獨立Agent通過通訊機制來共同協作完成復雜作業任務，以此實現多Agent系統的智能化，目前多Agent系統在物流交通、國家電力運輸、衛生醫療以及網上購物等許多領域得到了廣泛應用[5]。

MAS存在著多種Agent控制結構，不同的控制結構應用于各種場景當中，也影響系統內Agent相互協作的效率，多Agent系統的基本結構主要分為以下三種類型，分別是集中型、分布型以及混合型。

（1）集中型控制

集中型控制系統中包含一個集中型Agent以及若干個普通Agent構成，集中型Agent主要負責統領協調系統中的普通Agent，擁有最高權限，決策系統中的各項選擇；普通型Agent則是在系統中完成大部分執行操作，協助集中式Agent完成協作工作。集中型控制MAS優勢在于系統整體結構簡單、邏輯清晰，但是同樣存在明顯缺陷，如果集中型Agent出現故障，則會導致整個系統的癱瘓，同時由于集中型Agent的整體邏輯集中在集中型Agent當中，因此后續對于系統擴展只能增加系統長度，導致系統的延展性差。集中型一般應用于問題簡單、業務邏輯明顯的工業生產中。邏輯示意圖如下圖2-5所示。

第三章 多Agent密集倉儲四向穿梭車調度模型構建........................22

3.1 系統結構分析.....................................22

3.2 Agent個體模型構建................................24

第四章 多Agent四向穿梭車系統調度研究..........................39

4.1 多Agent密集倉儲四向穿梭車系統調度.............................39

4.2 調度管理Agent基于混合訂單任務提升機的調度.....................41

第五章 工程算例分析...........................64

5.1 算例分析.....................................64

5.2 沖突調度與異常事件調度算例分析.......................70

第五章 工程算例分析

5.1  算例分析

本章實例分析采用實際密集倉儲四向穿梭車系統為模型參考，實現基于多Agent系統的訂單任務時間最短、四向穿梭車沖突避讓以及異常事件調度的算例仿真，通過對數據的分析最終得出結論。

A物流中心采用基于托盤存儲單元的智能密集倉儲四向穿梭車系統，快速響應客戶訂單，集物料的存儲、集貨和配送功能為一體的現代化物流項目。密集倉儲四向穿梭車系統中包括穿梭車、提升機、立體倉庫以及MAS多Agent系統、WMS存儲系統和WCS調度管理系統。通過Flexsim對該立體倉庫進行建模，模型如圖5-1所示。

第六章 總結與展望

6.1  總結

本篇論文的研究方向背景是基于當前智能物流的研究方向，結合了多Agent系統研究四向穿梭車的系統出入庫作業多訂單調度以及各種情況下的調度策略。本文首先介紹近幾年的新型倉儲模式密集倉儲，結合傳統堆垛機式的倉儲模式和子母穿梭車倉儲模式，分析了符合未來發展需求的四向穿梭車系統，之后結合人工智能，分析了Agent與多Agent系統的建模結構與方法，并建立本文基于多Agent的密集倉儲四向穿梭車倉儲系統模型，之后介紹多Agent系統中的訂單如何通過合同網的方式傳遞，并采用出入庫混合訂單組為研究對象，研究混合出入庫作業流程，針對提升機構建了系統整體作業的出入庫模型，通過比對算法，最終選擇使用遺傳算法來作為模型的求解算法，最后通過甘特圖的方式展示多Agent系統在遇到各種可能發生的情況時的調度策略。取得主要成果有：

（1）通過對國內外其他學者對于多Agent系統的建模方法，結合密集倉儲四向穿梭車的特點、研究現狀，對基于多Agent的密集倉儲四向穿梭車系統進行建模，同時對系統中的每個個體Agent進行建模，該模型由七個Agent構成，分別是數據管理Agent、訂單管理Agent、倉儲貨架管理Agent、調度管理Agent、出入庫站臺Agent、四向穿梭車Agent和提升機Agent，多Agent結構采用分布式結構，使系統擁有更多的靈活性與自主性，也可以充分發揮多Agent間的交流交互，在保證高效完成出入庫作業同時，更好的應對各種異常風險。

（2）針對優化后的合同網協議機制，詳細描述了出入庫訂單進入系統后，如何通過合同網機制，將訂單從訂單管理Agent傳遞至倉儲貨架Agent、出入站臺Agent、穿梭車Agent，并最終傳遞至調度管理Agent當中，同時也詳細描述了在訂單傳遞過程中每個招標Agent所發出的訂單任務標書指標，和投標Agent對自身能力計算的方法。與傳統的四向穿梭車倉儲系統相比，訂單分配機制有很大區別，傳統四向穿梭車倉儲系統訂單分配原則為平均分配訂單，或將某一區域的訂單統一分配至某一四向穿梭車當中，而基于多Agent系統的訂單分配機制，不再是由集中的一個系統分配，而是每個四向穿梭車Agent計算自身能力指標后，向出入庫站臺Agent發出投標標書，標書指標高的Agent分配對應訂單，同時當訂單緩沖池中訂單數量增多時，也會相應減低該Agent的能力指標。

參考文獻（略）