本文是一篇物流管理论文，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
1.1 研究背景与意义
1.1.1 研究背景
随着互联网购物的普及，大型电商平台的客户数以千万，每日产生的客户订单更以海量计算。应对电商平台的高速发展，电商物流的各环节也朝着高效、准时、精确的方向发展。仓储中心的拣选作业在整个物流活动中占据越来越重要的位置。面向电商平台的仓储中心与传统仓储中心相比具有以下几点特征：1）货品总量庞大，例如亚马逊的单个仓储中就有十几万甚至上百万的库存量单位（SKU）；2）单个 SKU 库存数量少，从而减少库存积压，降低库存成本，但仓储会及时根据需求补货，提高货品的周转率；3）流程准确性要求较高，电商平台直接面向的是个人消费者，如果出现货品拣选错误等情况将直接影响消费者的购物体验，带来不良影响；4）实时性要求高，受快节奏生活的影响，消费者希望等待包裹的时间越短越好，所以京东、菜鸟等都相继推出了当日达服务，菜鸟更是将货品国内 24 小时达、国际 72 小时达作为发展目标；5）客户数及订单数量大，互联网的全球普及，网购的便捷性都使得网购成为大众的生活习惯，其数值在未来仍会不断增大。面对电商仓储中心的特点，仓储中心对客户订单吞吐效率提出了更高的要求。仓储中心的典型作业包含入库、存储、盘点、拣选和补货等[1]，其中拣选作业约占仓储中心运营成本的 30%-50%，拣选人员数量约占仓储作业人员数量的 60%，拣选作业的效率直接影响着仓储作业的整体效率，拣选作业的成本高低决定着仓储作业的总成本高低[2]。但是在传统“人到货”拣选模式的仓储中心，拣选人员的作业时间 70%都用于在现场移动，30%才用于拣选物品[3]。此外，“人到货”拣选也是一项强度高、效率低且易出错的作业模式。机器人技术的引入、设备智能化的发展以及人工智能的深入研究，都推动着物流的各环节朝着智慧化方向快速发展[4]，拣选作业作为物流关键环节，其智慧化发展是仓储拣选中心发展的必然趋势，对推动实现智慧物流也至关重要。基于“人到货”拣选模式存在的弊端，为了使货物能及时准确派送，给客户带来更好的购物体验，企业与研究人员都在共同探索一种新的拣选模式——“货到人”拣选模式[5]。“货到人”拣选，是指利用先进设备将货物移动至拣货工作台，由人或拣选机选出所需货物的拣选方式[6]。智能仓储“货到人”拣选系统的优势在于拣选效率高，人工劳动强度低，订单吞吐量大，可实现安全快速存储以及总作业成本低，因而越来越受到市场的青睐。因为在医药行业[7]、冷链行业[8]以及食品行业中，仓储中心对拣选作业的拣选效率和准确性有更高的需求，所以“货到人”拣选系统在未来具有广阔的发展空间[9]。此外，“货到人”仓储系统涉及到的相关技术也在以实现人机协同高效作业为目标，不断朝着自动化、数字化、智能化方向发展[10]。表 1-1 为几种“货到人”拣选方案的原理及性能对比[11]。
................................
1.2 国内外研究现状
1.2.1 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 2 章 基于 Agent 的 RMFS 多任务调度模型
2.1 多 Agent 理论概念及适应性分析
2.1.1 多 Agent 系统的基本结构及适应性分析
Agent 是一种在协作系统中可以持续自主发挥作用的计算机实体，也被称为智能体，属于人工智能领域[77]。在实际系统中，Agent 常被定义为实际系统的抽象（物理实体的抽象或系统功能的抽象），它在设定的环境中采取一定的自主行为去满足其设计目标。其自主性体现在[78]：（1）具有反应性，Agent 能够即时感知其所在的环境，从而快速适应环境的变化或对环境产生影响；（2）具有学习能力，Agent 能够积累学习经验和行为经验，基于不断更新的知识库信息对当前环境进行即时判断，从而更改自身的状态；（3）具有可移动性，Agent 在分布型和扩展型环境中均易于迁移。因此，由多个 Agent 组成的多 Agent 系统非常适合应用于部署分布式系统。
由多个 Agent 组成的系统称为多 Agent 系统。多 Agent 系统吸取了分布式人工智能和人工生命的理论，适用于解决规模庞大、结构复杂的问题[79]。一般来说 MAS 有以下三个特点。
1）高层次的交互。多 Agent 系统不仅能应用于表达传统的客户／服务器类型间的交互方式，还可以应用于表达复杂的社会交互模型的合作、协调、协商等，是一种柔性的高层次交互[80]；
2）丰富的组织关系。多 Agent 系统中各个 Agent 的关系包含同等关系、上下级关系等，结构则包含团队结构、群组结构、联盟结构等[81]；
3）多元化的求解。多 Agent 系统适合应用于多个问题的同时求解以及多实体共同求解一个问题，一般情况下，问题中包含的数据、实体、资源都在理论逻辑或者物理逻辑上呈现分布式的情形[82]。
.............................
2.2 智能仓储 RMFS 作业分析
2.2.1 智能仓储 RMFS 结构布局和作业流程
智能仓储 RMFS 的主要作业区域包含货架储存区和拣选工作台区，主要任务执行设备包括 AGV、货架以及拣选工作台。本文研究的结构布局如图 2-3 所示。
本文研究的结构布局
智能仓储的总面积为 58m×30m，共设有 57 个货架组，每个货架组包含 12 个货架，共 684 个货架。货架全部放置于货架储存区的货位上，货位与货架的横向面积相同，均为 1m×1m 的正方形。货架组呈十字排布形成巷道，巷道的通行方向设置一般有双向道、单向道以及混合巷道，本文巷道的布局采用单向道，即AGV 只能按规定朝一个方向行驶，AGV 以直线匀速运行则避免了相向碰撞、赶超碰撞以及偏差碰撞。拣选工作台位于货架存储区的下方，呈等间距放置。每个拣选工作台前设有缓冲区，AGV 搬运货架先进入缓冲区，结束拣选后按照规定线路返回货架存储区。
.............................
第 3 章 基于改进合同网的多 Agent 调度策略 .............................. 44
3.1 引言......................................... 44
3.2 传统合同网协议机制....................................... 44
第 4 章 异常事件扰动动态调整机制.............................. 64
4.1 引言............................................. 64
4.2 仓储 RMFS 异常事件特征 .
