基于多特征与改进卷积神经网络的AGV实时调度研究

摘要

针对卷积神经网络应用在码头自动导引车(Automated Guided Vehicle,AGV)的动态调度问题.设计了基于多特征的指派策略,通过对每个集装箱作业的多特征进行超前仿真评估,采用偏好函数(Preference Function)找出最佳候选作业,然后将最佳作业与其余每个作业配对形成训练样本,使用改进的基于InceptionNet的卷积神经网络在线学习训练样本并更新指派策略,并用于下一次调度过程中.对比了不同数量AGV在作业动态程度不同情况下的调度结果,设计了基于多特征在线学习指派策略与最短车程指派策略的对比实验,实验结果表明使用该指派策略岸桥平均作业时间约减少17％,总完成时间约减少12％.