基于TS算法的直线往复2_RGV系统调度研究_陈华

资 源 简 介

基于TS算法的直线往复2_RGV系统调度研究_陈华

详 情 说 明

本文探讨了基于TS（Tabu Search，禁忌搜索）算法的直线往复2_RGV（Rail Guided Vehicle，轨道导引车）系统调度问题研究。该研究由陈华团队提出，主要针对智能制造场景中物料运输的高效调度需求。

TS算法作为一种元启发式优化方法，通过引入禁忌列表来避免局部最优解，能够有效解决RGV系统调度中的复杂约束问题。在直线往复2_RGV系统中，多台轨道车需要协同完成物料转运任务，涉及路径规划、避碰控制和任务时序优化等核心问题。

研究重点分析了RGV系统的两种典型运动模式——单向循环与直线往复，后者在空间利用率方面更具优势但调度难度更高。通过TS算法的邻域搜索策略和动态禁忌机制，实现了对运输任务序列、RGV分配及路径冲突的联合优化。

该方法的创新点在于将运输时间窗约束转化为目标函数权重，并设计了兼顾效率与平衡性的评价指标。实验表明，相比传统遗传算法，TS算法在求解质量上提升约15%，尤其适合大规模任务场景下的实时动态调度需求。

这项研究为智能工厂的物流自动化提供了理论支持，其算法框架也可扩展至其他类型的AGV（自动导引车）系统调度问题。未来可结合强化学习进一步优化动态环境下的自适应调度能力。