在灵活制造系统中使用仿真和模糊MADM的多重负载AGV系统的最佳控制规则的选择

抽象的

研究了拾取​​的调度问题以及多重负荷自动引导车辆（AGV）系统的传递调度问题。通过混合不同的挑选规则，已经生成了几种控制策略（替代方案），并确定了最佳的控制策略，考虑了一些重要标准，如​​系统吞吐量（ST），零件（MFTP）的平均流量时间，平均迟到零件（MFTP），AGV空闲时间（AGVIT），AGV旅行完整（AGVTF），AGV旅行空（AGVTE），AGV加载时间（AGVLT），AGV卸载时间（AGVUT），均值队列长度（MQL）和均值队列等待（MQW）。为了排名控制策略，开发了一种基于MADM方法的新框架，包括模糊MADM和TOPSIS方法。然后进行了几种基于流路布局以找到结果的模拟实验。最后，通过使用TOPSIS方法，对照策略排名。此外，使用类似的方法来确定最佳的车队尺寸。本文的主要贡献正在开发一种新的方法，这些方法结合了顶级管理人员在选择AGV系统的最佳控制策略方面，同时尝试通过组合MADM，MCDM和仿真方法优化舰队尺寸。

1.介绍

在现代制造系统中，自动引导车辆（AGVS）已成为材料处理系统（MHS）的组成部分。AGV是一种无驱动的电池供电的车辆（通常由板载计算机控制），以及用于水平运动的运输系统。他们于1955年介绍[1]，从那时起，agv的多种应用日益发展。在这些系统中，一些agv(通常称为机队大小)专用于一些工作站和仓库，以便运输材料。它们可用于内部和外部环境，如制造、分销、转运、仓库和外部运输领域。AGV系统最重要的优点之一是其高灵活性，因为在柔性制造系统(FMS)中，常规的变化是不可避免的，因此可以很容易地修改导路以响应任何变化。因此，正如汤普金斯和怀特指出的那样，物料处理系统在FMS中一直扮演着重要的角色[2[总生产成本的约13％-30％可归因于材料处理操作，这就是为什么许多研究人员一直在寻找自20世纪80年代以来优化MHS的新方法。在柔性制造系统中，有几个细胞产生不同的部位，因此在工作站之间具有高效的MHS，或者甚至在细胞之间具有用于运输的运输是降低成本目标的关键因素，作为现在市场条件中最重要的目标之一。在AGV系统中，可以区分若干关键因素，例如车辆， 这交通网络，而且生产/存储系统之间的物理接口和控制系统．运输网络在中心连接所有固定装置（例如，机器）。在车站，我们有拾取和交付点（P / D点），它是生产系统和中心运输系统之间的界面。AGV在固定或自由路径上从一个P / D点到另一个。导向路径通常由地板上的电线或标记确定。当没有引导路径的情况下运行AGV时，它们被调用自由放养agvs [3.］．在AGV系统的设计中，解决了许多战术问题(如P/D点、车队规模、流程路径布局等系统设计)和操作问题(如路由或调度策略)。例如，较老的问题是由Co和Tanchoco解决的[4]，国王和威尔逊[5]，Ganesharajah和Sriskandaraajah [6]，约翰逊和布兰德[7， Manda和Palekar [8， Hoff和Sarker [9］．Co和tanchoo讨论了agv调度、路由和调度的操作问题。King和Wilson通过验证agv的车辆需求、流动路径和类型，研究了agv的系统设计、路径和调度，并展示了战术和作战问题对系统性能的影响。Ganesharajah和Sriskandarajah研究了agv在不同流程路径布局中的调度、调度和路由操作问题。Johnson和Brandeau讨论了用于自动化MHS设计和控制的随机模型。Manda和Palekar再次研究了MHS的设计和控制问题。Hoff和Sarker回顾了导轨的设计和调度规则。最近，Qiu等人[10.]回顾了有关FMS设计和操作问题的文献，以及有关舰队规模和流道设计的一些战术问题。甚至一些研究人员也喜欢[11.]在设计AGVS时使用现代技术作为机电一体化。它们使用了几种像芯片组，电路板，RFID，传感器等电子设备，以防止任何死锁和碰撞以增加系统吞吐量。他们的方法具有最大的质量，迄今已获得，但他们没有考虑与开发这种全机械系统有关的成本。在设计AGV系统时，文献中至少考虑了以下战术和操作问题：(我)流路布局，（ii）交通管理避免任何死锁或碰撞，（iii）P / D点的数量和位置，（iv）车辆要求，（v）车辆调度,（vi）车辆路线，（vii）车辆调度，(八)定位空闲车辆，（IX）的AGV的电池管理，（X）AGVS故障管理。

AGVS能够同时运输一个或多个负载，并且必须由管理决定单位负载的大小。单位负载是指以这样的方式排列的物品的数量，即它们可以作为单个对象传输。此外，必须确定是否在系统中使用一次承载承载（携带的单载）或多负载携带的AGV。大多数研究虽然在现代工厂中，但多重负荷仍将重点放在单载agv上。最近的研究表明，使用多重负荷AGVs具有许多优点，例如较小的车队尺寸，交通拥挤，以及增加系统吞吐量[12.，13.］．此外，在FMS环境中，部件具有不同的类型，因此在这种系统中加载和卸载时间，从而导致更大的成本可能很大。因此，为了管理这样的系统，将多重负载的AGV系统引入行业以克服提到的问题[2特别是当装卸时间大于运输时间时。然而,它应该提到的控制多个加载比单一载荷AGV系统要复杂得多,因为在多个load AGV系统中,车辆可能会考虑几个加载同时包括车辆和加载的加载等待了。在现代肉类,一些重要的条件如系统吞吐量(ST)、平均流量的部分(MFTP),意思是迟到的零件(MFTP),自主移动小车空闲时间(AGVIT),自主移动小车旅行(AGVTF),自主移动小车旅行空(AGVTE),自主移动小车加载时间(AGVLT),自主移动小车卸载时间(AGVUT),平均队列长度(MQL)和平均队列等待(发光)被用作系统性能。Egbelu和Tanchoco [14.]将AGV调度规则分为两类:机器启动规则和车辆启动规则。它们与制造系统中这些规则的表现进行了比较，发现在繁忙的商店，车辆启动的规则对系统性能具有更大的影响。Bartholdi和Platzman [15.]提出了一种简单闭环AGV系统的分散调度规则，称为先遇先服务(FEFS)。根据(16.已经为两种方法（机器发起的规则和车辆启动）开发了几种启发式，这些方法在表中分类1．

严及林[17.]指出，FMS中的AGV调度规则通常基于推动或拉动概念。在本文中，采用了一种基于Petri-Net的仿真来研究不同调度规则对FMS性能的影响。occeńa和yokota [18.]对AGV系统进行了建模，该系统在JIT环境中使用了多负载车辆，单负载车辆。陈(19.]在制造系统中开发了AGVS规划和控制的数学编程模型。诗句和GUH [20.]提出了一种基于学习的和多级自适应调度，用于动态制造单元环境。浩和刘[21.]提出了一种多负载agv的控制过程。他们研究了两个问题:任务确定问题和配送问题，并提出了不同的规则。他们还研究了多负荷agv的拾取-调度规则的性能，得出最佳的调度规则是选择输出队列长度最大的机器。2009年，他们[22.]研究的情况下，但在一个广阔的范围内的负载选择的与拾取分派规则一起规则。综上所述，他们的研究是双重的，比如理解像系统吞吐量和另一个每个规则的影响系统性能的不同规则的影响。在本文中，我们定义节的某些控制策略1.1和1.2根据文献记载。在部分1.3.和1.4在理论上，在方法中使用它们之前已经解释了模糊的女士和Topsis方法。后来一节2描述了模拟模型及其默认值，例如使用的流量路径，车队大小，预热期和运行的数量。部分3.给出了计算结果和截面4解释了结论。

1.1。选择规则

首先，已经定义了多负载AGV系统的控制机制以在控制问题上创建一般视图，然后介绍了几种调度，传送和加载选择问题的规则。控制政策的主要目标之一是尽可能快地满足对运输的需求，并且在AGV之间的最低可能冲突。因此，以下活动应由控制系统进行。(我)向AGV分配负载:这个问题定义了将AGV分配到机器(工作站)或将任何特殊负载分配到可用AGV的策略。当AGV处于空闲状态(即无任务可做)时，制造系统会产生一些运输请求。现在的问题是把AGV分配给最好的请求。如果请求是交付的，则调用问题交付调度如果它是一个拾音器，那么它就被称为皮卡派发问题。但是，当AGV到达用于拾取某些部件的P / D点时，出现了另一个问题，它正在选择该AGV的最佳负载。这个问题被称为加载选择问题。（ii）路径选择:当AGV分配给特定机器时，现在又出现了一个新问题，即从起始点到目的地的最佳路径选择。最佳选择方法是指选择一条既能减少运输时间又能防止可能发生的冲突的路径。在文献综述中，路线选择问题主要分为两大类离线和在线的方法。研究了当系统信息是静态的，即系统中不存在随机事件时的离线方法。相比之下，在线控制系统更实用，因为它们假设一些随机事件，如机器或AGV故障可能发生。在线控制系统是集中或者分散．当控制系统已安装在AGV板上时，它集中在控制系统安装在制造单元中的几个位置时，它是分散的。（iii）将空闲AGVS发送到停车站。

但是，人们可以在[21.］．

1.2。派遣规则

在本节中，一些调度规则的模拟实验应用得到了验证。当AGV是满或空，接下来的任务可以很容易地确定，因为下一个任务将是交货（当它是全）或皮卡（当它是空的）。但在某些情况下，AGV是半满所以接下来决定应皮卡任务或交付任务中选择。在这种情况下，三个主要的策略可以开发。一个是Delivery-Task-First（DTF）规则，即选择交付任务。另一个是Pickup-Task——第一次（PTF）规则和决赛是负荷比例（LR）。根据(21.]，最好的规则是DTF，所以在仿真实验中使用了该规则，即多负载AGV始终执行交付任务，即使交付任务和取货任务都可用。对于拾取-分派规则，有四个主要规则被使用，例如最长的时间（LTIS）规则（AGV将访问包含在系统中最长时间中的负载的拾取点），Greatest-Queue-Length（GQL）规则（AGV将访问具有在其输出队列中等待最大负载数量的拾取点），最早的时间（EDT）规则（AGV将在最早的时间段内访问包含负载的拾取点），以及Smallest-Remaining-Processing-Time（SRPT）规则（AGV将访问包含最小剩余处理时间的负载的拾取点）。对于发送调度问题，已经使用了五个主要规则，例如最短的距离（SD）规则（AGV将访问它最接近的交付点），最早的时间（EDT）规则（最早到期的负载将具有由AGV提供的最高优先级），首先队列首先(FIQFO)规则(等待时间最长的负载由AGV交付的优先级最高)，后入队列先出（LIQFO）规则（最新等待时间的负载将具有agv提供的最高优先级），并且Shortest-Queue-Length（SQL）规则（AGV将访问具有在其输出队列时等待最新负载的传递点）。最后用于负载选择问题，首先队列首先(FIQFO)规则(在拾取点等待时间最长的负载，AGV拾取的优先级最高)在仿真实验中得到了应用。

1.3。通过模糊MADM方法评估控制策略

在这项研究中，由Chang引入的方法[23.]程度分析已用于计算权重的评价标准。程度分析法的步骤如下:令是一个物体设置和一个目标集。根据该方法，分别采用每个对象并分别进行每个目标的程度分析。所以，可以得到每个对象的范围分析值，其符号如下: 所有的所有是三角模糊数。

第1步。定义第i个目标的模糊综合范围值为 在哪里

第2步。可能性的程度被定义为 或者 其中，d是之间的最高交叉点d的纵坐标和(见图1）.比较和，两个值和是必要的。

第3步。凸模糊数大于k凸模糊数的可能性程度可以定义为

第3步。确定正面理想和否定的理想解决方案，如下所示：

第四步。使用n维欧氏距离计算分离措施如下:

第5步。计算理想解决方案的相对近距离。相对于A +的替代AI的相对接近定义为

第6步。将偏好排序。为了使用这个指数对替代方案进行排名，我们可以对替代方案进行降序排序。如前所述，TOPSIS方法的基本原则是所选择的方案与正的理想解之间要有“最短的距离”，与负的想法之间要有“最远的距离”。

2.模拟模型

在仿真模型中，考虑了一些具体的假设。所有车辆都是多负荷agv，系统中的车队大小为3个单元。流道布局和所有模型信息与[采用的相同。21.]为了最好的比较。流路布局如图所示2，3.， 和4所有路径都是单向的，能够有一个单元的容量来防止任何冲突。为了在通过AGV从机器上拾取更多负载之前卸载负载，已经安排了每台机器的交货点和拾取点。每台机器都有一个缓冲区区域，闲置AGV可以留下并等待拾取请求。所有AGV都具有相同的装载容量和相同的速度（1.8米/秒）。零件置于托盘和每个托盘中，只有一种类型的产品和每个部分，生产序列和混合比在表中是已知的3.．这些AGV的负载承载能力是四个负载。如图所示，制造系统中有12台机器2．工作站1和工作站12分别是入口站和下沉站。工作站2-11是加工机。系统中制造的零件类型为6种。表格4显示每台机器加工时间的分布函数。假设各部件将在相同的工作站上进行相同的操作。还假设设置时间包含在相关的处理时间中。此外，在仿真中，零件到达系统时被随机分配一个预定时间。到期时间是通过将到达时间与一个随机数相加生成的。AGV执行一个装载操作或一个卸载操作需要30秒。

通过混合部分中提到的规则来生成控制策略1.1和1.2在5个不同的水平。根据表中所示的水平2，有20种不同的策略将在模拟模型中使用，作为控制策略。我们使用了编码系统来引用任何类型的策略，使用表中显示的大写字母2．例如，策略（或问题）t1p1d1l1是指任务规则是DTF的策略，拾取调度规则是LTI，传递调度规则是SQL，并且加载选择规则是FIQFO。同时，在仿真模型中，我们使用NV作为用于为下一个任务分配AGVS的工作站启动方法。

为了评估控制策略，在模型中使用以下标准，并且每个标准的数量被用作仿真实验中的参考：（1）系统吞吐量（ST），（2）零件的平均流量（MFTP），（3）零件（MTP）的平均迟到，（4）车辆闲置时间（AGVI）的百分比，（5）全容量（AGVTF）时间移动车辆的百分比，（6）空载车辆行驶时间百分比(AGVTE)，（7）负载时间（AGVL）的百分比，（8）卸载时间百分比(AGVUL)（9）拾取和传递点（MQL）中的平均队列长度，（10）取货和交货点(MQW)的平均等待时间。

所有仿真实验均使用Enterprise Dynamics V8.0软件运行。每次计算的重复次数设为30次。每次复制的模拟周期为170,000秒。为了确定预热时间，在30次运行中使用了吞吐量标准。结果如图所示5．如图所示，当总产量达到750台(48万秒)时，系统达到稳定状态。因此，对于模拟复制，首先运行480,000秒的预热期，然后对每个计算执行30次重复。

3.计算结果

计算每个标准的权重（根据部分1.3.），采取了根据实地研究，专家们的意见。起初，我们有一些访谈10名特别专家。所有专家们的生产管理人员和5个当地汽车零部件制造商的财务经理，其使用多个负载的AGV在他们的生产基地。在每个面试开始，包括术语，战略和目标的总体思路是，以专家的解释。然后，他们比较了由语言的测量系统与别人相比，每个标准和最后，测量被转移到其示于表一些模糊三角形数5．然后基于部分中解释的方法的每个标准的重量1.3.计算出，结果显示在表格中6．随着结果表明，最大权重属于ST和MQW，最低的权重属于AGVI标准。应该注意的是，实验中的标准数量为10，以创造稳健的结果。这是一个重要的因素，特别是当一个人比较[21.只有3个标准。然后运用TOPSIS对20种策略进行排序，结果如图所示6．从结果来看，T1P3D2L1策略的排名最低，因此效果最好。现在，可以启动仿真模型了。在考虑预热周期后，进行模拟复制，结果如表所示7．根据结果​​，ST标准的最佳策略是T1P2D3L1，最糟糕的是T1P1D5L1，因为它使用GQL作为拾取调度规则和SD作为传递调度规则，因此这些策略对系统吞吐量有最大的影响。关于MQW作为第二重要标准，最好的策略是T1P1D4L1，最糟糕的是T1P4D2L1。当它使用T1P4D2L1时，最大队列长度会发生，并且最短长度属于T1P1D4L1。本文的主要贡献是使用Topsis和模糊的重量来选择最佳控制策略，通过将它们与提到的重量混合来选择最佳控制策略;因此，通过在模拟结果上应用Topsis，我们可以排名并找到最佳的控制策略;相关结果如表所示8．根据最终结果，最好的策略是T1P3D2L1，最糟糕的是T1P4D1L1，即，当我们使用EDT进行拾取调度和SD以进行递送调度活动时。结果表明，适当的时间是选择最佳控制策略的重要性。适当时间在当前消费市场条件下的作用，市场充满了不同品牌，具有合适的质量和服务，是让客户满足商定的交付时间所满足的关键因素。

如前所述，为了比较目的，我们选择了[21.］．但是，他们没有提到流动路径中的路径的维度。本文的另一个强度点，其中通过定义每个路径的长度和真实世界的agv速度来包括在模拟模型中的运输时间所需的时间。同样，由于我们使用随机发生器进行到期日期与[21.因此，结果可能在表格中特别改变7，但类似策略的级别是一样的。他们使用了3个标准和18种不同的策略，但我们使用了10个标准和20种不同的策略。他们使用ANOVA分析来排名策略，但在这里，我们将TOPSIS与模糊加权方法一起进行排名。这里使用的方法更接近了顶级管理人员可以根据生产，市场情况和财务问题改变策略的真实应用。在两项研究中对最终结果进行的比较是在图中阐述的7．[报告的最佳策略21.]是T1P2D3L1，最差的是T1P1D3L1，这里最好的是T1P3D3L1(类似策略)，最差的是T1P4D3L1。但需要指出的是，尽管[21.[也就是说，解释了每个规则的效果，如选择，拾取调度以及系统性能的其他规则，我们刚刚专注于选择最佳控制策略，因为[21.]并且没有必要再次重复它们。本研究的重点是为选择决策创造更全面的框架。

最后，对于优化机队规模，我们用同样的方法来选择系统的AGV的最佳数量。出于这个原因，另一个标准，成本，加入到模型最好的评价。然而，很明显，当船队规模增加了系统的性能类似ST，AGVUL，MQL，和多量子阱提高，但应该注意到这样的决定的成本。基于在当地的汽车零部件制造商的财务报表，处理的AGV（包括折旧和维护）的年平均费用为$ 15,000，所以比较矩阵是由专家重新评估，结果列于表9;然后计算权重，仿真模型由不同的车队尺寸运行，例如3,4,5,6,7和8，结果显示在表格中10.．最后通过考虑重量和模拟规范化结果，所谓的主要指数总消耗计算出不同的舰队尺寸。在图中8，此索引被描绘针对不同的舰队尺寸。根据结果​​，最好的舰队尺寸为7个单位。应该注意的是，当舰队尺寸从3到4个单位增加时，表中的ST增加了3.65％10.，但通过进一步增加它保持不变，因为更多的AGVS获得空闲，系统吞吐量不会增加。其他结论可以得到其他标准。

4.结论

本文研究了多负荷自动引导车辆(AGV)系统的取货调度问题和配送调度问题。这些问题的几个不同的规则被用来创建最佳的控制策略。考虑了系统吞吐量(ST)、零件平均流动时间(MFTP)、零件平均延迟时间(MFTP)、AGV空闲时间(AGVIT)、AGV行程满时间(AGVTF)、AGV行程空时间(AGVTE)、AGV加载时间(AGVLT)、AGV卸载时间(AGVUT)、AGV平均排队长度(MQL)等重要指标对AGV优化策略进行了优化。以及零件制造系统中的平均排队等待(MQW)，其中每个零件都有一个到期日。该标准是在5家国内汽车零部件制造企业工作的10名专家进行现场调查后得出的。在评价各指标时，采用模糊三角数的MADM方法计算各指标的重要性权重。同时，进行了基于流道布置的仿真实验。最后，采用TOPSIS方法对仿真结果进行排序，确定最优控制策略。此外，用同样的方法确定了流道布局中的最优船队规模。结果表明，当车队规模为7个单位时，最优提货调度规则为EDT，最优配送调度策略为SD。 One of the contributions of this paper is combining several strategies together with 10 criteria by TOPSIS method to evaluate the best strategy which is carried out for the first time in the literature. The other one is the approach used in the field study to make the approach as close as possible to be applicable in related industries by using MADM to consider the top mangers’ views and finally some improvements were done in comparison with the similar work [21.］．在这里，我们定义了工作站之间的距离，并计算了预热期，以便更加实用，而审查的总策略是20个具有10个标准的策略，这是到目前为止最大的最大套件。结果表明，所提出的算法足以用于应用中的高效且稳健。但是，在本研究中，我们没有验证不同的流路图布局以获得更好的结果。在Machine / AGV中的制造系统中发生的一些正常事件，也没有研究相关的修复时间。此外，我们没有考虑用于AGV的电池管理系统。所有这些约束都可以在将来的作品中考虑。

参考

1. t·穆勒自动引导车辆，ifs（出版物）/ Springer，柏林，德国，1983年。
2. 汤普金斯和怀特，设施规划，Wiley，纽约，纽约，美国，1984年。
3. ü。Bilge和J. M. A. Tanchoco，“具有多重负荷运营商的AGV系统：基本问题和潜在福利，”制造系统杂志，卷。16，不。3，PP。159-174,1997。查看在：谷歌学术
4. C. G. Co和J. M. A. Tanchoco，“对AGVS车辆管理理论的研究进展”工程成本和生产经济学，卷。21，不。1，pp。35-42,1991。查看在：谷歌学术
5. R. E. King和C. Wilson，“自动导航车辆系统设计和调度的回顾”，生产计划和控制，第2卷，第2期1、1991年第44-51页。查看在：谷歌学术
6. T. Ganesharajah和C. Sriskandarajah，“调度研究调查AGV-担任制造系统”，在仪表系统自动化技术会议的诉讼程序（IAS'95），卷。50，第87-94页，加拿大多伦多，1995年4月。查看在：谷歌学术
7. M. E. Johnson和M. L. Brandeau，“自动化物料处理系统设计和控制的随机建模”，交通科学，卷。30，不。4，PP。330-350,1996。查看在：谷歌学术
8. B. S. Manda和U. S. Palekar，“材料处理系统的设计和分析的最新进展”，中国制造业工程杂志，卷。119，没有。4，pp。841-848,1997。查看在：谷歌学术
9. E. B. Hoff和B. R. Sarker，“自动导向车辆的路径设计和调度方法概述”综合制造系统，卷。9，没有。5，pp。296-307，1998。查看在：谷歌学术
10. L.邱，W.-J.Hsu，S.-y.Huang和H. Wang，“AGVS的调度和路由算法：调查”国际生产研究，卷。40，不。3，pp。745-760，2002。查看在：出版商网站|谷歌学术
11. 张炳扬。“一种双向负载可交换的自动引导车辆系统的模拟研究”，电脑和工业工程，卷。58，不。4，pp。594-601,2010。查看在：出版商网站|谷歌学术
12. M. ozden，“柔性制造系统中多重装载自动化车辆的仿真研究”国际生产研究，卷。26，不。8，pp。1353-1366,1988。查看在：谷歌学术
13. J. R. Van der Meer，内部运输的操作控制，博士。管理系列研究，Erasmus大学鹿特丹，鹿特丹，荷兰，2000。
14. P. J. EGBELU和J. M.A. Tanchoco，“自动引导车辆调度规则的表征”国际生产研究第22卷第2期3，第359-374页，1984。查看在：谷歌学术
15. J. J.Bartholdi III和L. K.Platzman，“在一个简单的循环上分散控制自动化导车”，IIE交易，卷。21，不。1，pp。76-81,1989。查看在：谷歌学术
16. 自动引导车辆系统的设计和控制研究综述，欧洲运营研究杂志，卷。170，没有。3，pp。677-709，2006。查看在：出版商网站|谷歌学术
17. D. Yim和R. J. Linn，《柔性制造系统中自动引导车辆调度的推拉规则》，国际生产研究第31卷第1期1，第43-57页，1993。查看在：谷歌学术
18. L. G. OCCANA和T. Yokota，“自动导游车辆系统（AGVS）在即时（JIT）环境中建模”，“国际生产研究，卷。29，不。3，pp。495-511,1991。查看在：谷歌学术
19. 陈明，“制造系统中AGVS规划与控制的数学规划模型，”电脑和工业工程，卷。30，不。4，pp。647-658,1996。查看在：出版商网站|谷歌学术
20. Y.-r.Shiue和R.S.GUH，“动态制造单元环境的基于学习的多通自适应调度”，机器人和计算机综合制造业第22卷第2期3，页203-216,2006。查看在：出版商网站|谷歌学术
21. Y.-c.ho和h.-c.刘，“关于多重负荷AGVS拾取规则的仿真研究”电脑和工业工程，卷。51，不。3，第445-463,2006。查看在：出版商网站|谷歌学术
22. Y.-c.ho和h.-c.刘，“负载选择规则和拾取调度规则的性能，为多重负载AGV，”制造系统杂志，卷。28，不。1，pp。1-10,2009。查看在：出版商网站|谷歌学术
23. D.-Y。“层次分析法在模糊层次分析法中的应用”，欧洲运营研究杂志，卷。95，没有。3，pp。649-655,1996。查看在：出版商网站|谷歌学术|Zentralblatt Math.
24. A. A. Abo-Sinna和A. H.Amer，“用于多目标大规模非线性规划问题的Topsis的扩展”应用数学与计算，卷。162，没有。1，pp。243-256,2005。查看在：出版商网站|谷歌学术|Mathscinet.

版权

©2010帕勒姆阿芝米等。这是分布下的开放式访问文章创意公共归因许可证如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。