买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：宝信软件(安徽)股份有限公司;清华大学

摘要：本发明公开冶金库区无人天车智能调度方法，涉及无人天车调度技术领域，本发明建立多任务多天车集群全域优化调度模型，并提出高效的并行求解方法，同时针对设备异常、订单变化扰动情况，建立天车调度局部优化模型，提出基于调度规则的求解方法，天车全域与局部优化模型均能在秒级别实现最优求解，其中Gurobi和CPLEX工具箱求解效率最高，此外决策树算法相比单一的调度规则算法在天车利用率和任务处理量上有着显著提高，而为针对动态扰动所提出的DQN算法更加能确定在某种状态下选择某个最优的天车，其天车利用率和任务处理量相比于决策树和单一调度规则更优，解决现有技术中存在的面对协同工作时工作效率较低的问题。

主权项：1.冶金库区无人天车智能调度方法，其特征在于，包括：将天车作业分为运输作业和倒垛作业两种吊运状态，并建立模型设置约束条件，并设定天车作业任务类型优先级；建立全域优化模型和局部优化模型，将天车调度问题分为全域调度和局部优化调度两类：全域优化模型是已知所有入库板坯集合的入库和出库顺序，求得每块板坯对应的起吊时间和执行吊运操作的天车；局部优化模型是为实现动态扰动下天车的实时分配，在全域优化调度的基础上，根据库区当前状态选择最优的天车分配规则，完成吊运任务的快速实时分配；选用Gurobi、CPLEX、SCIP、CBC求解器对构建的天车调度模型进行对比测试；进行天车局部优化模型与求解；进行天车局部优化模型参数与规则定义，根据库区实际情况，对天车的指派规则进行选取，根据以往调度规则经验设置三种基本调度规则，建立天车间避让规则；基于DQN算法实施天车局部优化算法，通过卷积神经网络对状态动作属性进行拟合来对Q值进行逼近，并采用经验回放策略来训练神经网络参数，用ε-greedy策略对动作进行选择，采用两个独立并且相同的神经网络对其进行训练，一个神经网络用来获取最新的参数称为训练网络，另一个神经网络参数在间隔一段时间后通过将前一个神经网络参数传递给该神经网络进行参数更新称为目标网络。

全文数据：

权利要求：

百度查询： 宝信软件(安徽)股份有限公司 清华大学 冶金库区无人天车智能调度方法