论文部分内容阅读
自动小车存取系统(AutonomousVehicleStorageandRetrievalSystems，AVS/Rs)是一种集自动化、集成化、信息化、智能化为一体的新型自动存取系统(AutomatedStorageandRetrievalSystem，AS/Rs)。目前对于AVS/Rs系统的研究大都建立在假设系统运行环境固定的基础上，主要利用排队论以及Petri网等动态建模方法进行分析与仿真，而忽略了系统环境的动态不确定性。因此本文在研究了多Agent序贯决策理论的基础上，以AVS/Rs系统为研究对象，提出应用多Agent交互式动态影响图(InteractiveDynamicInfluenceDiagrams，I-DIDs)序贯决策模型研究动态不确定下AVS/Rs系统的动态决策问题。主要涉及以下几个方面的工作: (1)针对目前I-DIDs模型理论是建立在假设Agents完全没有通信能力的基础上的问题，本文建立了一种具有通信行为的I-DIDs(Com-IDIDs)，并提出了一种在线求解算法解决协作和非协作型的多Agent序贯通信决策问题。由于Com-IDIDs模型中Agent无需考虑所有的可能，而仅仅需要对当前遇到的情况进行规划，因此在线求解算法大大缩小了所需要求解的策略空间，有效提高了求解的效率。仿真实验证明了模型的可行性和有效性。 (2)本文从多Agent角度出发，探讨应用Com-IDIDs模型求解动态不确定环境下AVS/Rs系统的路径规划问题。为了缓解由于交互式状态空间太大而导致的模型求解困难，同时为了增强Com-IDIDs求解复杂实际问题的能力，本文提出了一种分层的H-IDIDs建模方法，仿真实验证明了模型的有效性。基于Com-IDIDs模型研究AVS/Rs系统路径规划问题是一个全新的方法，不仅可以扩展研究AVS/Rs系统动态决策问题的理论范围，而且可以扩展Com-IDIDs的应用范围。 (3)提出应用I-DIDs模型求解不确定环境下AVS/Rs动态任务分配问题。本文借鉴多Agent系统(MAS)研究的理论成果和方法技术，构建了基于多Agent交互式动态影响图(I-DIDs)的分布式任务分配决策模型。模型中各个Agent之间通过相互协作实现系统全局最优的效果，从而得到任务的最优分配策略。仿真实验证明了方法的可行性和有效性。 (4)提出一种基于I-DIDs的多Agent动态决策分析方法建模不确定环境下AVS/Rs系统的动态停留点问题。与以往模型大都采取一种固定的停留点策略不同，本文假设空闲AVs小车可以采取两种不同的停留点策略:I/O点停留策略或最后卸载点停留策略。为了提高模型任务分配决策的响应速度、减少系统等待时间，空闲AVs小车需要根据不同环境状态动态选择一种合适的停留点策略。但是，由于I-DIDs的底层模型是一个简单的DIDs，处于该层的AVs不具备建模其它AVs的能力，因此本文提出了一种基于决策树学习的方法获取底层模型的参数。模拟实验证明动态停留点策略比单一停留点策略更加有效。