【技术实现步骤摘要】
本专利技术属于物流仓储，涉及桥吊作业路径优化，具体涉及一种基于改进遗传模拟退火算法的桥吊作业路径优化方法。
技术介绍
1、传统的钢结构加工制造企业在其以往的管理运营中，对原料库的管理重视程度并不高，一般仅保持正常运转即可，由此导致原料库的管理存在诸如生产作业任务杂乱、设备基础条件差异大、作业人员来源复杂、主动型作业导致效率较低等问题。随着自动化立体仓库的相关技术和研究逐渐发展，使得制造产业的自动化仓储管理取得了长足进步。自动化钢板料库作为制造企业进行生产活动的起点，既是生产线存放钢板原材料的主要场地，也是重要的货物中转场地，承担着钢材的原料分类、入库、堆码、保存、拣选以及根据生产计划供应所需原材料的功能。其中，桥吊路径直接影响单次作业任务的时间分配，进而影响运输效率。
2、通过合理的路径规划方案可以减少桥吊空载此时，提高运输效率。根据出/入库作业流程，桥吊处于非工作状态时，以入库进料位为初始位置闲置；在进行入库作业时，首先从进料位起吊入库钢板，再将之运送至指定垛位完成堆垛，依次重复直至当前卡车卸空，完成入库任务；在进行出库作业时，桥吊将从初始位置运动至待出库钢板所在垛位，如目标垛位上方存在非出库钢板则先完成倒垛作业，再将目标钢板吊运至rgv上，依次将当前库区内的待出库钢板全部搬运即为完成一次出库任务。目前，起重机的调度问题大多针对于码头集装箱调度，对于自动化料库桥吊优化调度问题研究较少。
3、庞龙等人通过遗传算法与蚁群算法的集成，对仓库堆垛机拣路径进行优化[参见庞龙,陆金桂.基于蚁群遗传算法的自动化立体仓
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供了一种基于改进遗传模拟退火算法的桥吊作业路径优化方法，有效满足桥吊路径规划问题，提高钢板的出/入库效率。
2、为了达到上述专利技术目的，本专利技术采用以下技术方案来实现。
3、本专利技术提供的基于改进遗传模拟退火算法的桥吊作业路径优化方法，包括以下步骤：
4、s1构建钢板倒垛策略；
5、s2构建桥吊作业路径优化模型；将桥吊任务分为sc任务、dc任务和倒垛任务三部分，分别获取三部分的目标函数；
6、s3基于改进遗传退火算法对桥吊作业路径优化模型进行求解，得到桥吊最优作业路径；该步骤包括以下分步骤：
7、s31确定初始父代种群popm，以及初始父代种群popm中各个体的适应度，并按照适应度降序排列；每个个体包含桥吊作业路径及其作业时间和倒垛方案；
8、s32通过分段式轮盘赌策略对父代种群进行选择操作，确定若干个个体作为染色体；
9、s33依据sigmoid函数计算交叉概率，再将选择的染色体依据交叉概率进行随机两两分组，然后对分组后的两个染色体进行交叉操作并进行修复；
10、s34依据sigmoid函数计算变异概率，再将交叉操作后的染色体依据变异概率随机选择染色体上的基因位置进行变异操作得到子代种群；
11、s35计算子代种群各个体的适应度，并与父代种群相应个体适应度进行比较，依据接受解概率，将子代种群中个体替代父代种群中相应个体；
12、s36判断是否达到最大迭代次数，若是，则输出最优个体；否则，对接受解概率进行降温处理，返回步骤s32，进行下一迭代，直至达到最大迭代次数。
13、上述步骤s1中，构建钢板倒垛策略为：
14、
15、其中，lj’max、lj’min和分别表示垛位j’中钢板长度的最大值、最小值和平均值；ljr代表垛位j中的第r块阻塞板的长度；yi′jr为倒垛决策变量，代表出库钢板i'所在的垛位j中的上第r层阻塞板，存在时yi’jr＝1，反之yi’jr＝0；tr为单位阻塞板厚度；hj’为倒垛目标垛位高度；(xj,yj)和(xj′,yj′)分别表示待出库钢板所在垛位j及其可倒垛位j’的坐标；
16、基于上述策略确定倒垛时间。
17、一次倒垛时间按照以下公式计算得到：
18、
19、当rj>0时有：
20、
21、其中，t(bj,bj′)为桥吊从垛位j运行至倒垛目标垛位j’所花费的时间；rj为垛位j上的阻塞板集合；tr为单位阻塞板厚度；tup,j和tup,j′分别为桥吊在垛位j和j’上进行起升、装卸操作的运行时间；h为垛位限高；hj和hj’为出库的目标垛位高度和倒垛目标垛位高度；vup为桥吊竖直运行速度。
22、上述步骤s2中，构建的桥吊作业路径优化模型具体如下：
23、
24、imax＝max(i,i′),imin＝min(i,i′),bk∈{bi,bo}；
25、
26、其中，zm/zn为空载决策变量，表示第m/n个sc/dc任务结束后若下一步将执行出库任务则值为1，否则为0；tsc,m为起重机执行第m个sc任务所需的时间；tdc,n为起重机执行第n个dc任务所需的时间；tsj为完成一次倒垛所需时间；yi′jr为倒垛决策变量；rj为垛位j上的阻塞板集合；bm为sc任务的目标垛位；b2n-1和b2n分别为dc任务的入/出库目标垛位；i、i′分别为入、出库钢板集合；t(b1,b2)为起重机从垛位1运动至垛位2所需的时间；t(bi,bk)为起重机从垛位i运行至出/入库台bk的时间；bi、bo分别为钢板库区的来料卡车停车位和出料位。
27、则，钢板料库桥吊作业路径优化的数学模型如下所示：
28、
29、上述步骤s31中，初始时，随机选择m个个体构成初始种群，并对各个体对应的作业序列采用布尔矩阵进行编码；同时根据钢板倒垛策略和桥吊作业路径优化模型，确定每个个体的桥吊作业路径和作业时间以及倒垛方案。
30、上述步骤s32中，按照设定的选择率ps，采用分段式轮盘赌策略在初始父代种群中进行选择操作，选择出m×ps个个体。
31、具体实现方式中，将父代种群分为k段(每一段的个体数量为)，随机选择出其中一段并在其中以轮盘赌进行选择。第l段选择概率pl为：
32、
33、其中，fξ为第l段中的第ξ个个体的适应度值；
34、对于第l段，利用随机函数rand(·)为该段中每个个体产生一个随机数，且随机数位于(0,1)之间；然后按照选择概率的累计概率，选取相应的个体；l＝1,2,...,k；
35、然后，重新任选一段，重复以上操作，直至选择出的个体数量为m×ps。
36、上述步骤s33中，交叉概率pc按照下式计算得到：
37、
3本文档来自技高网...
【技术保护点】
1.一种基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，步骤S1中，构建钢板倒垛策略为：
3.根据权利要求2所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，步骤S2中，构建的桥吊作业路径优化模型具体如下：
4.根据权利要求3所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，上述步骤S31中，初始时，随机选择M个个体构成初始种群，并对各个体对应的作业序列采用布尔矩阵进行编码；同时根据钢板倒垛策略和桥吊作业路径优化模型，确定每个个体的桥吊作业路径和作业时间以及倒垛方案。
5.根据权利要求1所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，步骤S32中，按照设定的选择率ps，采用分段式轮盘赌策略在初始父代种群中进行选择操作，选择出M×ps个个体。
6.根据权利要求5所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，将父代种群分为k段，每一段的个体数量为
7.根据权利要求1所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，步骤S33中，交叉概率pc按照下式计算得到：
8.根据权利要求1所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，步骤S34中，变异概率pm按以下公式计算得到：
9.根据权利要求1所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，步骤S35中，接受解概率计算式为：
10.根据权利要求9所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，步骤S36中，判断当前迭代次数是否达到最大迭代次数，若是，则以更新后的父代种群中适应度最大的个体作为最优个体，将其输出，包括桥吊作业路径、作业时间和倒垛方案；若没有达到最大迭代次数，通过T←aT进行降温，作为下一迭代的温度，a为设定的降温系数，然后返回步骤S32循环操作，直至满足输出条件。
...【技术特征摘要】
1.一种基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，步骤s1中，构建钢板倒垛策略为：
3.根据权利要求2所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，步骤s2中，构建的桥吊作业路径优化模型具体如下：
4.根据权利要求3所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，上述步骤s31中，初始时，随机选择m个个体构成初始种群，并对各个体对应的作业序列采用布尔矩阵进行编码；同时根据钢板倒垛策略和桥吊作业路径优化模型，确定每个个体的桥吊作业路径和作业时间以及倒垛方案。
5.根据权利要求1所述的基于改进遗传模拟退火算法的桥吊作业路径优化方法，其特征在于，步骤s32中，按照设定的选择率ps，采用分段式轮盘赌策略在初始父代种群中进行选择操作，选择出m×ps个个体。
6.根据权利要求5所述的基于改进遗传模拟退火算法的桥吊作业路径优...
【专利技术属性】
技术研发人员：李正，钟传捷，高旭超，杜润，翁雪松，孙立雄，侯健，佘世龙，程文明，
申请(专利权)人：四川省钢构智造有限公司，
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。