一种适用于RMFS仓储系统的订单分批优化方法技术方案

本发明专利技术公开了一种适用于RMFS仓储系统的订单分批优化方法，属于智能仓储系统优化技术领域。包括以下步骤：1）将由控制系统、机器人、拣选台、拣货员、可移动货架、通道、充电站所组成的RMFS仓储系统中的订单分批作业作为对象，以最小化订单总延迟时间为目标，构建订单分批作业过程相应的数学模型；2）利用步骤1）所建立的数学模型对不同规模下的订单分批作业采用融合大邻域搜索的改进差分进化算法进行优化，确定最优的订单分批方案。该方法设计合理，有效的解决了多订单规模下动态订单分批作业，提高了仓储系统拣选效率、降低了物流成本。降低了物流成本。降低了物流成本。

【技术实现步骤摘要】
一种适用于RMFS仓储系统的订单分批优化方法


[0001]本专利技术属于智能仓储系统优化
，具体涉及一种适用于RMFS仓储系统的订单分批优化方法。

技术介绍

[0002]随着智慧物流与电子商务的飞速发展，客户订单逐渐趋向于“小批量，多品种”，而RMFS仓储系统作为“货到人”拣选系统中的一种，其具有货架结构简单、可扩展性强、作业效率和准确率高等特点。
[0003]移动机器人拣选系统(Robotic Mobile Fulfillment System,RMFS)由调度系统、移动机器人、拣选台、拣货员、可移动货架、巷道和充电站组成，具体流程是机器人根据订单任务将需要拣选的货物所在的可移动货架搬运至拣选台，拣货员在拣选台完成拣货作业，待拣货员完成拣选作业后，机器人再将可移动货架搬运至下一个拣货点或搬回库存区存放。
[0004]仓库超过60％的运营成本都归因于订单拣选，提高拣选效率是在运营层面实现更高效率的最重要因素之一。而在RMFS仓储系统中，由于移动机器人的动态性，选择合理的订单分批策略可以减少拣选作业的总时间，提高拣选效率。因此，考虑到电商行业订单需快速响应以保障及时到达客户的情况，如何将N张订单分为B个批次，最小化订单总延迟时间是提高客户服务满意度、提升仓库整体作业效率、降低物流成本的关键问题。

技术实现思路

[0005]为了解决上述问题，本专利技术的目的在于提供一种适用于RMFS仓储系统的订单分批优化方法。
[0006]本专利技术是通过以下技术方案来实现：
[0007]一种适用于RMFS仓储系统的订单分批优化方法，包括以下步骤：
[0008]1)将由控制系统、机器人、拣选台、拣货员、可移动货架、通道、充电站所组成的RMFS仓储系统中的订单分批作业作为对象，以最小化订单总延迟时间为目标，构建订单分批作业过程数学模型；
[0009]2)利用步骤1)所建立的数学模型对不同规模下的订单分批作业采用融合大邻域搜索的改进差分进化算法进行优化，确定最优的订单分批方案。
[0010]步骤一中，所述数学模型的优化的目标是使订单总延迟时间最小，数学语言描述为：
[0011][0012]其中，τ
i
为第i个订单的延迟时间。
[0013]步骤一中，所述数学模型如下：
[0014]目标函数：
[0015]约束条件1：
[0016]约束条件2：
[0017]约束条件3：
[0018]约束条件4：
[0019]约束条件5：
[0020]约束条件6：
[0021]约束条件7：
[0022]约束条件8：
[0023]约束条件9：
[0024]约束条件10：
[0025]约束条件11：
[0026]其中，订单i＝{1,2,3,
…
,I}，货架e＝{1,2,3,
…
,E}，SKU～m＝{1,2,3,
…
,M}，批次j
×
{1,2,3,
…
,J}；x
ij
为0
‑
1变量，若订单i被分配到批次j中，则x
ij
＝1，否则x
ij
＝0；C为一个批次最大的订单量；a
im
为0
‑
1变量，若订单i中包含商品m，则a
im
＝1，否则a
im
＝0；z
jm
为0
‑
1变量，若批次j中包括商品m，则z
jm
＝1，否则z
jm
＝0；b
me
为0
‑
1变量，若商品m在货架e上，则b
me
＝1，否则b
me
＝0；y
je
为0
‑
1变量，若拣选批次j需要搬运货架e，则y
je
＝1，否则y
je
＝0；为批次j完成拣选的时间；为批次j开始拣选的时间；为批次j的服务时间；t1为移动机器人搬运一次货架的时间；t2为拣货员拣选一次SKU的时间；为订单i的截止时间；订单i完成拣选的时间。
[0027]步骤二中，所述融合大邻域搜索的改进差分进化算法是在差分进化算法的基础上，利用大邻域搜索的移除算子和插入算子，将破坏和修复融入至差分进化算法中。
[0028]所述融合大邻域搜索的改进差分进化算法进行优化的步骤为：
[0029]1)初始化
[0030]首先采用随机初始化的方法，在满足约束条件的前提下，生成初始种群，种群规模与个体的维数D有关，一般设在区间[5D,10D]内，种群的初始化应在符合边界约束的条件下尽可能均匀覆盖全部区域，假设每个个体的第j维的上下界分别为和那么个体将按以下的方式进行初始化：
[0031][0032]并设定算法相关参数，包括种群数量NP、缩放因子F、交叉概率CR、最大迭代次数gen
max
等参数；
[0033]2)计算适应度值
[0034]在算法迭代过程中，设置保留为适应度最小的个体，以为适应度函数，根据适应度函数计算种群中个体的适应度值；
[0035]3)记录当前个体最优值以及全局最优值
[0036]4)经过步骤3)后进入迭代循环，当迭代循环小于次数T
max
，执行如下操作：
[0037]a)变异
[0038]针对每个个体向量，执行差分变异操作会产生变异向量。在DE中共有常用的5种变异策略产生变异个体V
i,G
，以DE/best/1策略进行变异操作，如下所示：
[0039]V
i,G
＝x
best,G
+F(x
r1,G
‑
x
r2,G
)
[0040]式中，x
rm,G
表示m＝[1,2,3,..,M]中随机选择的不同的个体，与目标个体x
i,G
不相同。x
best,G
表示种群中适应度最好的个体，缩放因子F为[0,2]中的一个实常数因数，起到对控制偏差变量的放大作用。
[0041]b)交叉
[0042]在变异操作后，需将目标向量x
i,G
与变异向量V
i,G
进行二项式交叉生成最终的试验向量U
i,G
＝[U
i1,G
,U
i2,G
,
…
,U
iM,G
]，依下式进行交叉操作，以增加干扰参数向量的多样性：
[0043][0044]其中，j
rand
是集合{1,2,
…
,M}内随机选择的一个整数，以保证变异向量至少有一维信息被保留下来，交叉概率CR为区间[0,1]之间的常数。
[0045]c)判断当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于RMFS仓储系统的订单分批优化方法，其特征在于，包括以下步骤：1)将由控制系统、机器人、拣选台、拣货员、可移动货架、通道、充电站所组成的RMFS仓储系统中的订单分批作业作为对象，以最小化订单总延迟时间为目标，构建订单分批作业过程数学模型；2)利用步骤1)所建立的数学模型对不同规模下的订单分批作业采用融合大邻域搜索的改进差分进化算法进行优化，确定最优的订单分批方案。2.如权利要求1所述的一种适用于RMFS仓储系统的订单分批优化方法，其特征在于，步骤一中，所述数学模型的优化的目标是使订单总延迟时间最小，数学语言描述为：其中，τ
i
为第i个订单的延迟时间。3.如权利要求1所述的一种适用于RMFS仓储系统的订单分批优化方法，其特征在于，步骤一中，所述数学模型如下：目标函数：约束条件1：约束条件2：约束条件3：约束条件4：约束条件5：约束条件6：约束条件7：约束条件8：约束条件9：约束条件10：约束条件11：其中，订单i＝{1,2,3,
…
,I}，货架e＝{1,2,3,
…
,E}，SKU～m＝{1,2,3,
…
,M}，批次j＝{1,2,3,
…
,J}；x
ij
为0
‑
1变量，若订单i被分配到批次j中，则x
ij
＝1，否则x
ij
＝0；C为一个批次最大的订单量；a
im
为0
‑
1变量，若订单i中包含商品m，则a
im
＝1，否则a
im
＝0；z
jm
为0
‑
1变量，若批次j中包括商品m，则z
jm
＝1，否则z
jm
＝0；b
me
为0
‑
1变量，若商品m在货架e上，则b
me
＝1，否则b
me
＝0；y
je
为0
‑
1变量，若拣选批次j需要搬运货架e，则y
je
＝1，否则y
je
＝0；为批次j完成拣选的时间；为批次j开始拣选的时间；为批次j的服务时间；t1为移动机器人搬运一次货架的时间；t2为拣货员拣选一次SKU的时间；为订单i的截止时间；订单
i完成拣选的时间。4.如权利要求1所述的一种适用于RMFS仓储系统的订单分批优化方法，其特征在于：步骤二中，所述融合大邻域搜索的改进差分进化算法是在差分进化算法的基础上，利用大邻域搜索的移除算子和插入算子，将破坏和修复融入至差分进化算法中。5.如权利要求4所述的一种适用于RMFS仓储系统的订单分批优化方法，其特征在于：所述融合大邻域搜索的改进差分进化算法进行优化的步骤为：1)初始化首先采用随机初始化...

【专利技术属性】
技术研发人员：杨玮，郑传辉，李然，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：