一种智能立体仓库货位分配优化方法技术

一种智能立体仓库货位分配优化方法，首先，针对货位分配优化模型，根据货位所在的层和列利用连续的实整数对各货位进行编码，将离散问题为连续的整数优化问题；然后，通过对各货位对应的数字进行随机排序生成初始种群，在每代进化之前，根据目标函数值选出部分最优解，并利用所选最优解之间的平均距离来衡量种群的拥挤度，进而根据拥挤度的变化在不同的搜索阶段动态选择不同的变异策略生成高质量的解；最后，根据编码数字与货位一一对应的关系进行解码，即最优解对应的货位分配方案即为当前最优方案。本发明专利技术在实际货位分配优化应用中，可以快速的得到合理的最佳分配方案和其他备用方案。

An intelligent warehouse location assignment optimization method

An intelligent warehouse location assignment optimization method, firstly, according to the location assignment optimization model, according to the location where the use of each layer and column location encoding real integer continuous, discrete problem as an integer optimization problem of continuous; then, in random order to generate the initial population through the corresponding to each storage number before every generation, according to the value of the objective function to select some optimal solution, and the average distance between the selected optimal solution to measure population crowding, and according to the change of crowding in different stages of dynamic search choose different mutation strategies to generate high quality solutions; finally, according to the relationship between encoding decoding and digital storage the corresponding optimal solution, namely location assignment scheme corresponding to the current optimal solution. The present invention in the actual location assignment optimization application, can quickly get the optimal allocation scheme and other reasonable alternatives.

【技术实现步骤摘要】
一种智能立体仓库货位分配优化方法
本专利技术涉及一种智能立体仓库、智能优化、计算机应用领域，尤其涉及的是，一种智能立体仓库货位分配优化方法。
技术介绍
智能立体仓库是一种包含多层(几层至几十层)的货架来存储货物，并通过搬运设备和智能控制技术对货物进行出入库操作的仓库。现代智能工厂的发展离不开现代化的智能立体仓储，现代化智能立体仓储的发展也必然会推动现代智能工厂的发展。智能立体仓储系统是生产、供货和物流系统的重要节点和调控中心。智能立体仓储可以节约仓库占地面积，使仓库的空间实现了充分的利用。由于立体仓库采用大型仓储货架的拼装，又加上自动化管理技术使得货物便于查找，因此建设智能立体仓库就比传统仓库的占地面积小，但是空间利用率大。在发达国家，提高空间的利用率已经作为系统合理性和先进性的重要考核指标。在提倡节能环保的今天，智能立体仓库在节约占地资源上有着很好的效果，因而也是促进未来仓储发展的动力。智能立体仓库可以形成先进的生产链，促进了生产力的进步。由于智能立体仓库的存取效率高，并且可以有效地连接仓库外的生产环节，可以在存储中形成自动化的物流系统，从而形成有计划有编排的生产链，使生产能力得到了大幅度的提升。一个智能立体仓库通常主要包括三大系统，第一是存储系统，主要由分层立体货架和托盘组成；第二是输送系统，主要由巷道堆垛机、AGV小车构成；第三是控制系统，主要由自动控制系统和中央计算机管理系统组成，其中，中央计算机管理系统是全自动化立体库系统的核心。目前，国外已从理论和技术上对智能立体仓储的进行了大量研究，这也是智能立体仓储系统在国外得到迅速发展的原因。而国内对智能立体仓储研究起步比较晚，目前存在着智能化程度不高和运行效率低的问题，尤其缺乏对货位分配的优化控制。为了对货位分配进行优化控制，部分学者利用模拟退火、遗传算法等对单位货格式立体仓库的货位分配模型进行了求解；部分学者采用专家系统对智能立体仓库的货位分配进行了求解；另外，还有部分学者利用禁忌搜索方法、人工神经网络算法以及蚁群算法等对货位分配模型进行了优化求解。通过上述算法对货位分配优化得到的方案都从一定程度上提高了仓储系统的运行效率和运营成本，但是由于货位分配优化问题需要考虑的因素多，而且其优化模型一个离散问题，利用传统的优化方法进行求解不仅搜索效率低而且解的可行性不高。因此，现有的智能立体仓储货位分配优化方法在搜索效率和解的可靠性方面存在缺陷，需要改进。
技术实现思路
为了克服现有的智能立体仓储货位分配优化方法搜索效率低、解的可靠性不高的不足，本专利技术提出一种搜索效率高、解的可靠性高的智能立体仓库货位分配优化方法。本专利技术解决其技术问题所采用的技术方案是：一种智能立体仓库货位分配优化方法，所述方法包括以下步骤：1)考虑货物重量、出入库频率和出入库时间等因素，以货架重心最低、出入库频率高的货物离出入库口近的原则，建立如下目标函数：其中，i表示货架的层，j表示货架的列，M和N分别表示货架的总层数和总列数，H表示货位的高度，L表示货位的长度，Pij表示第i层第j列货位的货物出入库频率，Gij表示第i层第j列货位的货物的重量，且每个货位的最大承重为Gmax，ω1和ω2为两个权重值；2)根据货物相关性原则、就近原则、稳定性原则和弹性原则确定ω1和ω2的值；3)参数初始化：设置步长因子F，交叉概率CR，种群规模NP，并初始化当前迭代代数g＝0；4)根据位置信息从第一层的第一个货位开始依次进行编码，即第i层第j列货位通过数字((i-1)N+j)表示，且每一个货位对应一个数字，则第一层的第一个货位通过1表示，第M层的第N个货位对应的数字则是((M-1)N+N)＝MN；5)通过对1到MN之间的所有整数进行NP次随机排列生成初始种群，每一次排列生成一个种群个体，每一个个体对应一种货位分配方案，第m个个体表示为xm＝(xm,1,xm,2,...,xm,MN),m＝1,2,...,NP，其中NP为种群规模，xm,n,n＝1,2,...,MN表示第m个个体的第n维，即第m种分配方案中的数字n对应的货位，并计算每一个个体的目标函数值；6)根据目标函数值对种群中的每一个个体进行降序排列，并选出前S个个体，即当前最优的S种分配方案，记为t＝1,2,...,S；7)计算所选的S个个体之间的平均距离：其中，dg表示第g代种群中所选的S个个体之间的平均距离，表示第t个所选个体的第n维，如果g＝0，则最大距离dmax＝dg；8)将种群中的每一个个体看作目标个体，通过如下操作生成测试个体um：8.1)如果g＝0，则生成变异个体其中xm为当前的目标个体，xa和xb是从当前种群中随机选择的互不相同的，且与xm不相同的个体，F为步长因子；8.2)如果g>0，则进行如下操作：8.2.1)如果rand(0,1)＞dg/dg-1，则根据步骤6.1)的方法生成变异个体，其中dg-1表示第g-1代种群中所个体之间的平均距离，rand(0,1)表示0和1之间的随机小数；8.2.2)如果rand(0,1)≤dg/dg-1，则生成变异个体其中xbest表示当前种群中目标函数值最小的个体；8.3)如果变异个体的第n维vm,n与其他某一维数相同或者超过了范围[1,MN]，则从1到MN中随机生成一个与当前其他维数都不同的整数替换vm,n；8.4)根据如下操作对测试个体和目标个体进行交叉：8.4.1)如果randn小于交叉概率CR或者n＝nrand，且vm,n与当前测试个体um中的其他维数都不同，则um,n＝vm,n，其中randn为0到1之间随机小数，nrand为1到MN之间的随机整数，um,n表示测试个体um的第n维；8.4.2)如果不满足上述条件，且xm的第n维xm,n与um的其他维数都不相同，则um,n＝xm,n，如果xm,n与um的某一维数相同，则从1到MN中随机生成一个与um的其他维数都不相同的整数代替um,n；8.5)计算测试个体um的目标函数值F(um)，如果F(um)小于目标个体xm的目标函数值F(xm)，则um替换xm；9)判断是否满足终止条件，若满足则继续步骤(10)，否则返回步骤6)；10)对当前种群中目标函数值最低的个体，即最优解进行解码，如果最优解的第n维等于((i-1)N+j)，则表明第n个货物应存放在第i行第j列的货位上，以此类推，输出所有货物对应的货位。进一步，所述步骤2)中目标函数的权重值ω1和ω2值是利用层次分析法确定的，ω1和ω2的值分别为0.7790和0.2210。再进一步，所述步骤3)中，设置最大迭代代数gmax；所述步骤9)中，对种群中的每个个体都执行完步骤8)以后，迭代次数g＝g+1，终止条件为迭代次数g达到预设最大迭代次数gmax。本专利技术的技术构思为：首先，针对货位分配优化模型，根据货位所在的层和列利用连续的实整数对各货位进行编码，将离散问题为连续的整数优化问题；然后，通过对各货位对应的数字进行随机排序生成初始种群，在每代进化之前，根据目标函数值选出部分最优解，并利用所选最优解之间的平均距离来衡量种群的拥挤度，进而根据拥挤度的变化在不同的搜索阶段动态选择不同的变异策略生成高质量的解；最后，根据编码数字与货位一一对应的关系进行解码，即最优解对应的货位分配方案即为当前最优本文档来自技高网...

【技术保护点】
一种智能立体仓库货位分配优化方法，其特征在于：所述货位分配优化方法包括以下步骤：1)考虑货物重量、出入库频率和出入库时间等因素，以货架重心最低、出入库频率高的货物离出入库口近的原则，建立如下目标函数；

【技术特征摘要】
1.一种智能立体仓库货位分配优化方法，其特征在于：所述货位分配优化方法包括以下步骤：1)考虑货物重量、出入库频率和出入库时间等因素，以货架重心最低、出入库频率高的货物离出入库口近的原则，建立如下目标函数；其中，i表示货架的层，j表示货架的列，M和N分别表示货架的总层数和总列数，H表示货位的高度，L表示货位的长度，Pij表示第i层第j列货位的货物出入库频率，Gij表示第i层第j列货位的货物的重量，且每个货位的最大承重为Gmax，ω1和ω2为两个权重值；2)根据货物相关性原则、就近原则、稳定性原则和弹性原则确定目标函数的权重值ω1和ω2；3)参数初始化：设置步长因子F，交叉概率CR，种群规模NP，并初始化当前迭代代数g＝0；4)根据位置信息从第一层的第一个货位开始依次进行编码，即第i层第j列货位通过数字((i-1)N+j)表示，且每一个货位对应一个数字，则第一层的第一个货位通过1表示，第M层的第N个货位对应的数字则是((M-1)N+N)＝MN；5)通过对1到MN之间的所有整数进行NP次随机排列生成初始种群，每一次排列生成一个种群个体，每一个个体对应一种货位分配方案，第m个个体表示为xm＝(xm,1,xm,2,...,xm,MN),m＝1,2,...,NP，其中NP为种群规模，xm,n,n＝1,2,...,MN表示第m个个体的第n维，即第m种分配方案中的数字n对应的货位，并计算每一个个体的目标函数值；6)根据目标函数值对种群中的每一个个体进行降序排列，并选出前S个个体，即当前最优的S种分配方案，记为7)计算所选的S个个体之间的平均距离：其中，dg表示第g代种群中所选的S个个体之间的平均距离，表示第t个所选个体的第n维，如果g＝0，则最大距离dmax＝dg；8)将种群中的每一个个体看作目标个体，通过如下操作生成测试个体um：8.1)如果g＝0，则生成变异个体其中xm为当前的目标个体，xa和xb是从当前种群中随机选择的互不相同的，且与xm不相同的个体，F为步长因子；8.2)如果g>0，则进行如下操作：8...

【专利技术属性】
技术研发人员：张贵军，周晓根，姚俊，陈凯，郝小虎，王柳静，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33