郭沛佩 付建林 江海凡 王 坤

(①西南交通大学先进设计与制造技术研究所，四川 成都610031； ②成都运达科技股份有限公司，四川 成都610031))

自动导引车系统(automatic guided vehicle system，AGVS)作为一种灵活高效的物流系统在制造、仓储配送等领域有着广泛的应用，目前柔性作业车间越来越多地采用AGV进行物料输送，柔性作业车间集成AGV联合调度问题应运而生。国内外对传统作业车间AGV调度研究已较多，但这些研究都假定每个工件的工艺路线是确定的[1]，而在柔性作业车间中，由于每个工件的每道工序都有不同机床可供选择，且在不同机床上的加工时间不同，工件的可变工艺路径又导致AGV路径选择不同，这些不同组合会有不同结果，也更符合现代多品种小批量的生产方式，因此优化柔性作业车间机床和多AGV的集成调度具有重要意义[2]。

集成调度问题是NP难问题，最先考虑了诸如数学建模或基于图形的算法之类的集中方法，尽管这些方法能找到最佳解决方案，但它们只能应用于小型场景[3]。国内外学者开展了一系列围绕柔性作业车间调度的研究，元启发式智能算法提供了有效的途径[4]，包括遗传算法[5]、粒子群优化算法[6]和模拟退火[7]等，但随着求解问题复杂度上升，这些算法的解空间呈指数爆炸性增长，计算时间长，且容易出现早熟与陷入局部最优问题。除此之外，启发式规则调度方法由于其易于实现，计算效率高、有健壮的鲁棒性，被广泛应用于车间调度问题。从实际生产系统的复杂性、规模性和可操作性角度考虑，启发式调度规则仍然是目前最可行和有效的求解方法[8]。……