物流管理论文哪里有？本文基于智能仓储 RMFS 的场景特性以及全面考虑订单拣选作业的多个环节，针对智能仓储 RMFS 多任务调度问题开展研究，取得的主要成果有。 （1）对“货到人”拣选模式的特点、应用优势、研究现状进行了分析，对典型的类KIVA系统——RMFS展开深度分析，根据系统的作业特征和发展需求，将订单拣选效率、系统作业代价以及资源利用率作为多任务调度策略的优化目标。根据 Agent 理论在求解复杂问题方面的优越性，基于 Agent 建模方法对系统功能进行划分，构建了智能仓储 RMFS 多任务调度模型，该模型由订单管理Agent、数据 Agent、货架 Agent、拣选工作台 Agent 以及 AGV Agent 组成，多Agent 采用分布式控制结构，充分发挥了 Agent 的自主性与交互性。在保证系统高效调度作业的同时，提高系统对异常信息的响应。
第 1 章 绪论
1.3 国内外研究现状
1.3.1 智能仓储 RMFS 订单拣选研究现状
智能仓储 RMFS 为类 KIVA 系统的一种智能拣选作业系统。亚马逊作为首个 RMFS 创建企业，研发了 KIVA 系统，利用 AGV 来代替人进行拣选作业的行走部分，大幅度提高了拣选作业的效率[14]。基于 KIVA 系统的应用成效，国内也出现了一批 RMFS 研发公司，如 Geek+、快仓、智久等，其技术已经达到国际先进水平[15, 16]；海康威视等公司开发的 Minion Matrix 分拣系统已成功应用于申通快递分拣仓储[17]；以机器人独有技术为核心的新松机器人公司也成功助力打造了无人自动化物流中心[18]。
智能仓储 RMFS 的作业流程包含多个环节，每个环节涉及到多个任务，故本文将智能仓储 RMFS 的订单拣选问题转化为多任务的调度问题进行研究。智能仓储 RMFS 一次订单拣选中涉及到的多任务包含订单动态分配、货架动态调度以及多 AGV 协同调度。本节将首先围绕这三个问题来开展智能仓储 RMFS 订单拣选研究现状的分析:
1）订单分配问题。订单分配是指按照一定的分配规则将单个订单或单个波次的订单分配到拣选工作台，不同的订单分配结果对应不同的拣选作业方案。针对订单分配问题，学者们主要通过优化订单的任务执行顺序、优化订单分批策略以及结合订单拣选的其他环节来解决订单分配问题，从而提高拣选效率。
为优化订单的任务执行顺序，范继东（2020）考虑订单耦合问题，建立了订单分配问题的数学模型，以最小化订单拣选完成时间为目标，求得较优的货箱到达顺序[19]；夏德龙（2019）等人提出一种适用于“货到人”智能机器人系统的订单排序模型，通过优化订单拣选顺序，增加同一拣选工作台的订单任务耦合，减少不同拣选工作台间的订单任务耦合，从而减少货架的搬运次数，以提高货架的出入库效率[20]。
第 3 章 基于改进合同网的多 Agent 调度策略
3.1传统合同网协议机制
基本合同网协议机制应用于解决实际问题时，存在以下几点缺陷[88-90]。
1）基本合同网协议的协商过程只严格限制于单任务、单回合中，即当多个投标者向同一个招标者发出投标协商时，招标者只能选择其中一个投标者进行协商，与此同时拒绝其他 Agent 的投标，只有当前协商完成后才能进行下一次任务的招标，投标者也只有在结束当前协商后才能发起其他投标。故在协商过程中，多个 Agent 将处于空闲等待状态，协商效率低。
2）在投标阶段，存在较大的不确定性和计算量。传统的合同网络协议没有明确的任务选择规则，合同网协议对参与投标的 Agent 也没有做出明确的限制。投标 Agent 因无法获得全面准确的信息，对招标者 Agent 进行盲目投标，招标Agent 由于无法获得投标 Agent 明确的承诺信息，也可能多次回应参与投标的Agent，从而造成同一任务分配的重复计算甚至任务最终分配失败，严重降低协商效率。因此，当传统合同网协议处理多个任务的分配问题时，可能会产生大量的不确定性，造成整个系统混乱。
3）在评标阶段，缺乏完善有效的任务资格评价策略。在基本的合同网络协议中，招标者 Agent 通过评审投标者 Agent 的投标书来确定任务的能力。传统的合同网协议一般采用的评价机制比较单一，不适用于优化调度系统的多个指标。因此在实际调度系统中，可通过加入其他的评价因素如 RMFS 操作的时间和成本等来设计更全面的评价机制。
第 5 章 仿真分析
5.1仿真平台搭建及案例数据
为验证本文提出的多任务调度策略优化系统指标的效果，本文采用 eM-plant仿真软件，搭建智能仓储 RMFS 特性的仿真实验平台，实现现实环境向虚拟环境的映射。在 eM-plant 中 simtalk 语言作为底层代码，系统中的控制逻辑均通过在 Method 中编程实现，在 Method 中函数实现不同对象间逻辑关系控制，实现智能仓储 RMFS 多任务调度系统的仿真。如表 5-1 所示为仿真平台涉及的元素说明。
智能仓储的环境信息与进入系统的订单信息定义如下。如图 5-2 所示由Source 设定生成订单数量及相关信息，到达时间服从泊松分布。其产生的订单信息包含了订单编号、到达系统的时间、货品名称以及货品数量。
5.2仿真结果分析
基于 eM-plant 仿真平台，本文实验仿真的验证内容分为四部分，（1）验证改进合同网协议机制的运算效率与鲁棒性；（2）验证基于改进合同网协议的调度策略应用于智能仓储 RMFS 多任务调度的有效性；（3）验证基于多 Agent 的仿真模型对优化智能仓储 RMFS 设备的投入数量有指导作用；（4）验证本文提出异常事件扰动调整机制能有效减小扰动对订单拣选作业带来的影响。
1）改进合同网协议机制运算效率与鲁棒性分析
为验证改进合同网协议机制（NCNP）运算效率与鲁棒性，分别给出三种对比协议机制。（1）引入任务缓冲池但不考虑投标者可用度的合同网协议机制（PCNP）；（2）考虑可用度和未引入任务缓冲池的合同网协议机制（ACNP）；（3）既不引入任务缓冲池和阈值也不考虑可用度的合同网协议机制（CNP）。表 5-4 给出了四种机制策略应用于本章试验场景所表现的性能指标值。
2）基于合同网调度策略有效性分析
根据 2.3.2 章节的调度指标，统计仿真数据主要包括资源利用率、订单拣选效率以及系统作业代价等，对比分析本文基于改进合同网协议机制的多任务调度方案与常见的两种调度方案（集中式预反应调度 CPS 和分布式完全反应调度DCS）下的执行效果。CPS 是系统等待订单批量到达系统后，采用离线调度方式，融合智能算法等优化理论，离线产生的初始预调度方案[93]。在仿真模型中采用集中调度控制结构，由管理模块集中完成订单的分配、货架的选择以及 AGV 的调度。DCS 是采用事件单步触发决策的方法，实时产生调度方案[94]。在仿真模型中采用分布式调度控制结构，每个模块的运行结果作为下一个模块的触发事件，完成订单的拣选作业。仿真所得数据结果如表 5-5 所示。共有 60 组实验，每组实验运行 10 次取平均值，其中实验组 EX1-1 表示在场景一中投入订单组一，以此类推。
第 6 章 总结与展望
6.2 展望
本文基于多 Agent 的建模方法和协商交互机制，实现了多任务的调度。智能仓储 RMFS 在订单拣选效率、作业周期、系统作业代价以及设施设备利用率等方面的性能指标得到优化，但仍然存在一些问题有待进一步研究。
（1）本文的调度系统仿真模型是通过面向对象和多线程技术对 Agent 进行封装来实现交互的，今后需加深对多 Agent 理论的研究，构建以互联网为媒介的分布式多 Agent 系统，进而开展更深入的研究。
（2）本文通过合同网协商机制实现多任务的调度，其调度优化目标是提高订单拣选效率、降低系统作业代价以及提高资源利用率，然而实际仓储环境是非常复杂多变的，存在多种影响系统性能的指标，未来的研究将更全面地分析系统特性，针对不同的性能指标改进调度策略，以提高动态调度策略的实用性。
（3）本文研究的扰动对象集中在订单变化和设备故障上，实际情况的作业过程还会有更多种扰动，如由于拣选人员的不确定性造成的扰动。因此今后将根据各种不同扰动对系统产生的影响进行分析，并研究通用型的应对扰动策略，提高系统运行的稳定性。
参考文献（略）
