In recent years, the problem of multi robot task allocation and scheduling is the subject of many research activities. The key of this problem is to allocate proper number of tasks for each robot and schedule the optimal task sequence for each robot. In order to minimize the processing time for robots, were designed algorithms of the sample task scheduling. Determination of the optimal path for robots, taking into account the process of task scheduling, may be an effective strategy to manage and control of tasks in a environment. This paper presents the management and control works of robots in the logistics environment (warehouse), which will be realized by the soft real time systems. The aim of the authors was to develop and compare the optimal algorithms management works systems of multi-robot in warehouse, in terms of number of customer served and consumption energy. To validate the effectiveness of the proposed approach and simulation have been made. The results show that the proposed approach can be an effective approach in the design of optimized multi robots task allocation and scheduling scheme, especially for the Queued Task Algorithm, with 1-element queueCapacity and Nearest Task Algorithm.
PL
Na przestrzeni ostatnich lat problem poprawnego harmonogramowania zadań, w środowisku wielu robotów, stał się przedmiotem wielu prac badawczych. Kluczem do tego problemu jest przydzielenie odpowiedniej ilości zadań do zrealizowania dla każdego robota oraz zaplanowanie optymalnej sekwencji ich wykonania. W celu minimalizacji czasu dostarczenia zasobu do punktu docelowego, zaprojektowano algorytmy planowania zadań. Proces ustalenia optymalnej ścieżki dla robota, biorąc pod uwagę sposób doręczenia zasobu, stał się dobrą strategią do zarządzania pracą robotów w wielu środowiskach. Przedstawione w niniejszym artykule algorytmy dotyczą procesu zarządzania i kontroli działań wykonywanych w środowisku logistycznym (magazyn), oparte na systemach miękkich czasu rzeczywistego. Celem autorów było opracowanie i porównanie algorytmów zarządzania w środowisku wielu robotów, pod względem liczby obsłużonych klientów oraz ilości zużytej energii na jej wykonanie. Aby potwierdzić skuteczność proponowanego podejścia, stworzono środowisko na którym przeprowadzono symulacje. Uzyskane wyniki wskazują, że proponowane podejście jest prawidłową drogą do uzyskania optymalizacji w planowaniu zadań i sekwencji ich wykonania, zwłaszcza dla algorytmu Queued Task Algorithm i Nearest Task Algorithm.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.