前言

隨著我國社會主義市場經濟的不斷發展，以及互聯網技術的普及，我國電子商務等產業迎來了新的發展高峰。為減少訂單履行成本，滿足客戶多樣化需求，增強核心競爭力，主流電商企業紛紛加大對倉儲物流的投資力度，這為倉儲業的發展帶來了廣闊的發展空間。

與此同時，業務需求則呈現出復雜化的趨勢，加之行業競爭愈演愈烈，人力倉儲業的不足顯得愈發突出。針對此問題，數據魔術師團隊耗費將近一年的時間，開發了這款智能倉儲AGV調度優化仿真平臺，其可以對輸入的倉庫布局、AGV 數量與速度，結合實際生產的訂單產生情況及調度策略，進行倉儲管理系統運行過程的可視化仿真模擬，實時追蹤 AGV 與貨架的狀況，并自動計算出該系統的運行效率指標。

開發目的

協助企業布局倉儲系統

該仿真平臺盡可能全面地考慮了倉儲管理在實際中的各種約束條件，能夠模擬倉庫的布局與分區、AGV 小車的指派及行進決策，幫助企業在建設新的生產系統之前，做好比較詳盡的規劃。

作為仿真項目的結果，平臺提供的仿真數據報告能夠較為準確地評價整體工作效率，從而輔助企業進行有效決策，確定最佳的倉庫設計，或對貨架布局、資源配置、派送策略等進行必要的更改，最終達到降低成本，減少服務響應時間，擴大企業再生產的目的。

協助研究人員測試算法

同時，平臺也解決了智能調度算法領域研究人員的測試痛點，為其開發、檢驗算法效率提供了可能。基于平臺搭建的可視化界面，研究人員可以調用不同類型的算法進行測試，改進存在的缺陷，并基于此進一步開發新的 AGV 調度算法，以更直觀的方式將設計的模型呈現給涉眾。

技術路線

為了實現開發目標，團隊使用了一系列的研究方法進行探索，具體歸納為以下的技術路線圖：

現有功能

目前階段，團隊研發的 AGV 調度仿真平臺已經能夠實現以下基本功能：

01 模型建立階段

可自定義的倉庫布局

平臺提供了可自定義的倉庫布局，目前已經能夠滿足貨架數量在上千量級倉庫 AGV 調度的模擬。

針對企業具體的需求，借助第三方地圖定制器 Tiled 可以快速實現倉庫初始布局的設定工作。倉儲系統內裝載點、貨架這類關鍵設施的數量、位置均可根據使用者的具體需求，實現個性化的定制。

訂單生成與接收

訂單支持兩種方式的生成。

一方面，系統可以按照客戶的運營邏輯設置參數，隨機生成訂單；另一方面，企業也可以將自身的實際訂單數據導入系統，從而更準確地模擬倉儲系統的實際運行。

每一筆訂單包含一種或多種數量不同的、需要運輸的貨品，訂單生成后，AGV 小車會自動前往相應的裝載點接收訂單。訂單生成位置、訂單生成間隔和小車裝卸貨的速度等系統配置均可根據使用者的需求進行相應的調整，實現了高度定制化。

02 模型運行階段

貨架狀態可視化

模擬界面貨架內顏色的變化，使得使用者能夠迅速掌握各個貨架的狀態。隨著貨架上不斷地添加存貨，貨架將從無貨變為黃色。當貨架已滿時，顯示區將自動轉為紅色。

此外，在數據界面我們還提供了更詳細的貨架信息，拖動滾動條即可很方便地瀏覽特定貨架的容量和當前裝載量。

訂單路線可追蹤

AGV 小車在裝載點接到訂單后，開始按照指定派送策略進行送貨，由空閑（綠色）變為忙碌（黃色）。同時，每輛小車上都會顯示下一個目標貨架的編號。訂單派送的順序可以在數據界面相應的位置顯示，方便使用者追蹤每筆訂單的派送順序和狀態。

派送效率可評估

在數據面板，平臺提供有派送路線總長度、每筆訂單平均派送時間以及平均空閑時間等一系列指標，為使用者分析倉儲物流的派送效率提供了便利。

03 策略優化

可供選擇和比較的優化策略

針對關鍵、復雜的 AGV 路徑優化問題，平臺采取了智能搜索技術、元啟發式算法、動態優化算法、群體智能算法等對 AGV 派送策略進行組合優化。

操作面板當前支持多種策略的調用，只須點擊下拉列表即可在多種指派、配送和等待策略間快速切換。既方便了企業直觀了解智能優化算法帶來的效益提升空間，也為算法設計者進一步評估和提高優化算法的效率提供了可能。

未來，系統將進一步融入深度強化學習方法，以及大數據分析技術進行組合優化，盡可能實現倉庫貨架、出入口、 AGV 位置的有效優化，有效增加WMS系統工作性能，降低企業成本。

多AGV防撞機制

由于倉儲系統選用了 AGV 無人駕駛小車來實現貨物的派送，在距離很近的情況下，全自動化的 AGV 行進可能會出現相互干擾或者造成死鎖的情況。針對可能出現的 AGV 相撞事件，我們設計了相應的防撞機制以避免這類事件，從而最大程度降低 AGV 之間的干擾、沖突甚至死鎖。

擬實現的功能

在現有基礎上，團隊將繼續推進該 AGV 仿真平臺的建設，推出更優質的版本，載入更多更豐富的策略和算法，不斷推動優化實施決策計算速度優化，為大家帶來更便捷和個性化程度更高的仿真平臺，實現以下功能：

• 利用大數據技術輔助決策：使用大數據技術、深度強化學習等方法，對問題透徹分析建模，挖掘倉儲訂單與貨物派送的關鍵信息。加大搜索空間與統計學習強度，提高系統決策的效率。

• 實時決策與優化：使用中心實時決策的高性能計算服務器，輔助云計算服務，以及 AGV 移動端計算的資源進行實時決策計算優化，切實增強系統計算性能，降低系統響應時間。

• 倉庫布局智能優化：運用多種啟發式搜索算法、深度強化學習方法，以及大數據分析技術進行倉庫布局優化、調度策略優化、放貨分區優化，盡可能實現倉庫貨架、出入口、 AGV 位置的有效優化，有效增加 WMS 系統工作性能，降低企業成本。

• 界面優化：完善可視化界面，使得測試報告涵蓋大量關鍵統計信息；提高模型的可交互性，開發便于上手的地圖編輯和運行參數輸入功能。

• 個性化服務：根據企業不同需求，提供個性化服務，以期實現優化目標。