【技术实现步骤摘要】
本专利技术属于智能仓储领域，更具体地说，是一种面向钢铁企业的钢卷仓库库位分配的方法。
技术介绍
1、成品钢卷的仓储及物流中转调度是钢铁行业生产销售中的重要环节。随着国家制造业转型升级战略推动中国制造业从低端劳动密集型向高端智能化、绿色可持续发展转变，传统的依靠人工进行库位分配会存在人为错误和库位分配不合理的风险，同时从业者需要进入仓库安全围栏内部，增加了生产的安全风险。
2、库位分配在货位存储领域是非常重要的，它直接影响着仓库的运作效率、货物存取速度以及空间利用率。良好的库位分配能够提高仓库的整体运营效率和服务水平，从而对企业的供应链管理和客户满意度产生积极影响。库位分配可以优化仓库内部空间利用率。通过合理规划库位，将货物存放在最适合的位置，可以最大化地利用仓库的存储空间，减少货物堆积和浪费空间的现象，从而提高仓库的存储密度和容量。合理的库位分配可以优化货物存取的效率。通过将相关产品放置在相近的库位，减少货物在仓库内部的移动距离和时间，提高货物的存取速度和操作效率。这对于快速响应客户订单、减少等待时间以及提高订单处理效率都具有重要意义。综上所述，库位分配在货位存储领域的重要性不言而喻。通过合理规划和优化库位分配，可以有效提高仓库的运营效率、降低成本、提高服务水平，从而为企业创造更大的价值和竞争优势。
3、经检索，中国专利申请号201711154499.1，申请公开日为2018年04月20日，公开了一种鱼骨型立体仓库的货位分配方法。该方法包括设置仓库货位和货物参数初始化粒子的位置和速度，并在区间内生成初始粒
4、中国专利申请号202211212469.2，申请公开日为2020年12月20日，公开了一种立体仓库货位分配方法及系统。该方法包括：建立立体仓库中待分配货物的出入库效率函数及其约束条件；建立立体仓库中货架在存储货物后的重心偏移值函数及其约束条件；建立货架上所存储的同一类货物的货位中心贴合性函数及其约束条件；计算出入库效率、重心偏移值、货位中心贴合性的实际值，利用遗传算法求解出入库效率、重心偏移值、货位中心贴合性的最优值；分别根据各个实际值与最优值之间的距离，确定各个函数的评价函数，将各个评价函数加权得到适应度函数；利用遗传算法求解适应度函数，得到货物的分配存储位置。但是，这种方法使用的是传统的遗传算法对模型进行求解，遗传算法通常需要大规模的种群来搜索解空间，因此在计算资源上消耗较大。特别是在处理大规模问题或高维问题时，算法的计算成本会更加显著。
技术实现思路
1、针对在传统库位分配导致仓库空间利用率低下和钢卷存放混乱等问题，本专利技术提供了一种库位分配的方法，通过对仓库信息、吊车作业数据以及钢卷调度历史数据的采集，建立了提高钢卷库位分配同一性的模型和减少高周转率钢卷调度时间的模型，通过专家评分的方式对模型进行加权处理，最后使用改进后的狩猎算法对模型求解，得到最优库位分配方案。
2、为解决上述问题，本专利技术采用如下的技术方案。
3、一种库位分配的方法，包括以下步骤：
4、s1、采集钢卷仓库的库位信息、吊车运行数据以及钢卷调度的历史记录，通过对钢卷调度历史记录的分析得出不同类型钢卷的周转率，建立旨在减少高周转率钢卷调度时间的模型；
5、s2、统计仓库中存储的钢卷种类信息，建立提高钢卷库位分配同一性的模型；
6、s3、根据仓库实际库位分配规则建立模型约束条件，建立多目标钢卷库位优化模型，并引入专家评分方法对模型进行加权处理，将多目标问题转化为单目标问题，构建单目标优化模型；
7、s4、以仓库内的空置库位为解空间并通过狩猎算法对优化模型进行求解，得到最优库位分配方案；
8、进一步地，s1所述的减少高周转率钢卷调度时间的模型为：
9、
10、其中，(a1，a2)代表库位宽度坐标范围，(b1，b2)代表库位长度坐标范围，(c1，c2)代表库位高度坐标范围；x、y、z代表钢卷的库位坐标；vx、vy、vz代表吊车在x、y、z轴行进的速度；t代表钢卷到达停车位的时间；p代表钢卷的周转率。
11、进一步地，s2所述的提高钢卷库位分配同一性模型包括以下步骤：
12、(3.1)假设仓库内存储了k族钢卷，第i(i＝1,2,···,k)族包含ni个钢卷，其中第i个钢卷的空间的坐标向量为[xi,yi,zi]，则同一族的ni个钢卷的坐标向量可以表示为：
13、
14、(3.2)对于仓库内的离散度衡量，可以计算各族钢卷的均值坐标向量mi：
15、
16、(3.3)为了衡量每个族中钢卷的类内离散度，可以定义该值为该族中每个钢卷到类中心的距离之和di：其中
17、(3.4)根据(3.3)得到的类内离散度可得出k族钢卷总的类内离散度为：
18、(3.5)设m为类间离散度衡量，则全部k族钢卷中心的均值向量坐标m为：其中mi(i＝1,2,···,k)；
19、(3.6)将衡量钢卷类中心到mj的离散度的值定义为每类的中心到m的距离之和，即
20、(3.7)在综合考虑类间离散度和类内离散度的基础上，尽可能将同族钢卷放在一起，使得同族钢卷的类内离散度最小化；同时也希望非同族的钢卷能够均匀分散到钢卷仓库中，并且使它们离货车停车位的距离之和最小化，即类间离散度最大化。由此在(3.4)和(3.6)的基础之上提出提高钢卷库位分配同一性的模型：
21、(3.8)根据s2和步骤(3.7)中所述的两个库位优化模型，可以建立一个整体的多目标钢卷库位优化模型：
22、进一步地，s3中所述的单目标优化模型包括以下步骤：以钢卷周转率和钢卷同一性为特征，然后对特征进行数据预处理，加权处理后求和，即可得到最终评分，以最终评分为权重值ω1和ω2且ω1+ω2＝1，并对多目标模型进行线性加权处理得到加权后的模型：minf＝ω1f1+ω2f2；
23、进一步地，s3中所述的约束条件为：
24、(a1-pid)*(piw-b2)*pip≤0；
25、(piz-a3)*(piz-a4)＝0；
26、
27、
28、其中：pib、pic、pid、piw、pix、piy、piz、代表钢卷规格宽、高、厚、净重、所在行、所在列、所在层、本文档来自技高网...
【技术保护点】
1.一种基于多目标优化的钢卷库位分配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：S1所述的减少高周转率钢卷调度时间的模型为：
3.根据权利要求1所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：在S2中，所述的提高钢卷库位分配同一性模型包括以下步骤：
4.根据权利要求1所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：S3中所述的单目标优化模型包括以下步骤：以钢卷周转率和钢卷同一性为特征，然后对特征进行数据预处理，加权处理后求和，即可得到最终评分，以最终评分为权重值ω1和ω2且ω1+ω2＝1，并对多目标模型进行线性加权处理得到加权后的模型：MinF＝ω1F1+ω2F2。
5.根据权利要求1所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：S3中所述的约束条件为：
6.根据权利要求1所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：S4中所述狩猎算法步骤为：
7.根据权利要求6所述的一种基于多目标优化的钢卷库位分配方法，其特
8.根据权利要求6所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：步骤(6.3)中，所述的狩猎者迁徙行为公式为：cs(t)＝A(t)*ps(t)，其中ct表示狩者群在无碰撞情况下的新位置，t为当前迭代次数；ps(t)描述的是当前狩猎者位置；A(t)描述狩猎者在一定区域内运动的变化，且A(t)的公式为：使用余弦型运动行为的狩猎算法使得狩猎前期的运动距离较大，更好的对全局进行搜索，其中T为最大迭代次数。
9.根据权利要求6所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：步骤(6.2)中，所述的适应度公式为：ms(t)＝B*[zbest(t)-ps(t)]，其中B＝2*A2*λ且
10.根据权利要求6所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：步骤(6.3)中所述的位置更新公式为：ds(t)＝|cs(t)+ms(t)|。
...【技术特征摘要】
1.一种基于多目标优化的钢卷库位分配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：s1所述的减少高周转率钢卷调度时间的模型为：
3.根据权利要求1所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：在s2中，所述的提高钢卷库位分配同一性模型包括以下步骤：
4.根据权利要求1所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：s3中所述的单目标优化模型包括以下步骤：以钢卷周转率和钢卷同一性为特征，然后对特征进行数据预处理，加权处理后求和，即可得到最终评分，以最终评分为权重值ω1和ω2且ω1+ω2＝1，并对多目标模型进行线性加权处理得到加权后的模型：minf＝ω1f1+ω2f2。
5.根据权利要求1所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：s3中所述的约束条件为：
6.根据权利要求1所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：s4中所述狩猎算法步骤为：
7.根据权利要求6所述的一种基于多目标优化的钢卷库位分配方法，其特征在于：步骤(6.3)中，所述的攻击行为公式为：ps(t)＝ds(t)...
【专利技术属性】
技术研发人员：王璐，韩康，王林，王小林，李伟，
申请(专利权)人：安徽工业大学科技园有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。