1.一种应用于码头AGV的调度优化方法，基于单悬臂场桥与自动导引车AGV相互协同作业得以实现，单悬臂场桥两两相对布局，场桥内车道包括悬臂下的作业车道和中间的两条运输车道；四个车道流向从上到下分别为双向、单向向海侧、单向向陆侧、双向；陆侧根据需要布置集卡作业交互区；单悬臂场桥与AGV交互作业发生在场桥悬臂侧，每个AGV的任务由集装箱的起点和终点决定；其特征在于，具体实施包含以下步骤：步骤1：单悬臂场桥与自动导引车AGV相互协同作业的方式，构建两阶段的算法优化模型；所述两阶段的算法优化模型的一阶段以最短时间为优化目标建立单悬臂场桥和AGV的优化调度模型，二阶段为AGV路径规划模型；

步骤2：对步骤1中一阶段模型提出改进模拟退火算法IGSAA进行求解，使得一阶段计算过程中接受低适应度解，不会陷入局部最优解，提高搜索范围；

步骤3：对步骤1中二阶段建立的改进最短运行时间的多AGV无冲突路径规划数学模型，提出改进无冲突路径规划策略，实现码头多AGV无冲突路径规划。

2.根据权利要求1所述的一种应用于码头AGV的调度优化方法，其特征在于，所述步骤1中的单悬臂场桥与AGV相互协同作业的两阶段的算法优化模型具体如下：场桥内所有集装箱完成工作所需最短时间：

其中，T为时间段集合， 为集装箱区h场桥完成所有待作业的集装箱时间和；

场桥开始工作时位置的决策变量为：

其中，Kh表示集装箱区h场桥的集合，kh＝1是海侧场桥，kh＝2是陆侧场桥； 为场桥kh开始工作时集装箱所在位置信息， 为贝位， 为列； 表示海侧/陆侧场桥作业时的位置信息，当场桥正在工作时s＝1，场桥未工作时s＝0。

场桥工作时的连续移动过程：

其中， 时间t场桥所在位置；Bh为集装箱区h所有贝位的集合；b为任意贝位信息，b∈Bh；

每个集装箱的调度时间计算公式如下：

其中，n为场桥当前作业的集装箱，n∈Nh； 表示t时刻场桥kh开始工作，场桥工作时s＝1，反之s＝0； 表示t时刻场桥kh工作已经结束，结束工作时f＝1，反之f＝0；bi为停车位i∈Vph对应集装箱区h的贝位编号；t1为场桥在集装箱区和AGV上提起或放下集装箱的时间；t2为场桥大车移动一个贝位所需要的时间；t3为场桥小车移动一个单位列所需要的时间；yni表示AGV运输集装箱的停车点的决策变量，i∈Vp，AGV停在停车位上时i＝1，否则i＝

0；M为随机正数； 表示场桥kh完成虚拟集装箱任务的决策变量； 表示场桥kh作业的虚拟集装箱任务开始； 为待存储在集装箱区h的集装箱集合； 为待从集装箱区h提取的集装箱集合；Vph为集装箱区h停车位的集合；

场桥kh完成当前任务集装箱n切换到下一任务集装箱n'的时间关系如下：其中，n'为场桥下一作业的集装箱；bi'为下一作业停车位i'∈Vph对应集装箱区h的贝位编号；t为当前作业时间点；t'为下一作业时间点；i为当前停车位；i'为下一停车位；

码头上的每个场桥在初始工作时，作业的集装箱时间约束为：

两个集装箱n和n'在场桥上连续交叉作业时所在停车位的时间约束为：其中，t4表示两个AGV共用一个停车位，当前AGV驶出，下一AGV驶入到停车位的时间；

场桥完成这批集装箱所需工作总时间：

其中， 表示集装箱区h完成当前区域所有待作业的集装箱时间总和；

上述式中， 之间的数学关系为：

上述式中， yni等决策变量类型均为{0，1}。

3.根据权利要求2所述的一种应用于码头AGV的调度优化方法，其特征在于，所述步骤2中的改进模拟退火算法IGSAA的具体方法为：第1步：编码，对一阶段模型求出来的解进行编码，设计三行染色体，染色体的长度代表优化后的集装箱区待作业的集装箱数量，第一行表示集装箱的编号，第二行表示进行作业的单悬臂场桥，第三行表示AGV的停车位；

第2步：生成初始解，每一行的集装箱按照其任务序列进行排序，检测空置的单悬臂场桥并选择，由此生成一个初始解个体，组成初始种群；

第3步：适应度值计算，使用评价指标对初始种群的个体进行筛选，对选出的个体进行适应度值计算，公式如下：其中，F(Si)为个体适应度值；σ，τ，υ为评价指数；C1、C2、C3为种群中随机选取的三个个体；

第4步：交叉变异，使用较小交叉率和较大变异率防止陷入局部最优，维持目前较高的适应性群体；交叉率Pc和变异率Pm计算公式如下：其中，t为当前迭代次数；T为最大迭代次数；c为随机数c∈[0,1]，使得进化得以随机化；Pcmax为最大交叉概率，Pcmin为最小交叉概率，Pmmax为最大变异概率，Pmmin为最小变异概率，k,y分别为交叉率Pc和变异率Pm的插值，k,y的计算公式如下：第5步：模拟退火邻域操作，对前两行基因分别、独立的随机选取两个位置，对两个位置进行基因值交换，第三行的基因值随机选取，生成新的基因；

第6步：自适应Metropolis准则，重新选择最后解，将当前目标值和之前的目标值进行对比，以exp(‑dC/T0)的概率计算方式选择最优解，其中，dC为目标函数的差值，T0为解的均值。

4.根据权利要求1所述的一种应用于码头AGV的调度优化方法，其特征在于，所述步骤3中的改进最短运行时间的多AGV无冲突路径规划数学模型，具体步骤如下：所有AGV完成集装箱运输任务的最短时间：

TA0ij为第j个AGV执行第i个任务时，空载运行时间：

其中，u表示工作过程中AGV行驶的第u个路段， U1表示除场桥所在集装箱临时停靠点外，其余集装箱存储点构成的路段集合；L为AGV车辆行驶路段长度；Rabij为决策变量，判断第j个AGV执行第i个任务时是否经过路段hab，Rabij＝1表示经过路段hab，反之，不经过；qZ0ij为第j个AGV执行第i个任务空载总转弯次数；qK0ij为第Fij次动态路径规划后，第j个AGV执行第i个任务空载总避障次数；Fij表示第j个AGV执行第i个任务，动态路径规划总次数；sT为AGV完成转弯、避障、装载过程行走的总距离；v为AGV行驶的速度；

TA1ij为第j个AGV执行第i个任务时，载物运行时间：

其中，qZ1ij为第j个AGV执行第i个任务载物总转弯次数；qK1ij为第Fij次动态路径规划后，第j个AGV执行第i个任务载物总避障次数；U2表示除场桥所在集装箱临时停靠点和集装箱存储点外，其余集装箱存储点构成的路段集合；

TW0ij为第j个AGV执行第i个任务时，空载等待时间；TW1ij为第j个AGV执行第i个任务时，载物等待时间：其中，twkij表示第j个AGV执行第i个任务过程中第k次避障时间；tp1为AGV加速和减速所耗时间；

TJ1ij为第j个AGV执行第i个任务时，装载集装箱时间；TZ0ij为第j个AGV执行第i个任务时，空载转弯时间：TZ0ij＝qZ0ij·(tp+tp1)

TZ1ij＝qZ1ij·(tp+tp1)

其中，tp为AGV转向消耗时间；

TZ1ij为第j个AGV执行第i个任务时，载物转弯时间：

TZ1ij＝tqij

其中，tqij表示第j个AGV执行第i个任务时，在场桥等待装载集装箱的等待时间；

TQ1ij为第j个AGV执行第i个任务时，排队等候时间：

TJ1ij＝t1d+tp1+t1i

其中，t1d为AGV装载集装箱和放置集装箱所需时间；tp1为AGV加速和减速所耗时间；t1i为单悬臂场桥调取集装箱至AGV的时间。

5.根据权利要求4所述的一种应用于码头AGV的调度优化方法，其特征在于，所述步骤3中改进无冲突路径规划策略，具体实施如下：改进动态避障策略是确定避障等待的AGV及其停止等待的时间和空间位置，通过全局避障实现无冲突路径规划，考虑到AGV有载物和空载两种状态，当两个AGV产生冲突时，判断两个AGV的载重情况，优先避让载物AGV；若两个AGV均载物，考虑最短工作时间的AGV，完成工作所需时间短的AGV优先通行。