[發(fā)明專利]雙向式布局模式下貨位分配模型建立方法

有效

• 申請?zhí)枺?/td>: 202110517562.3
• 申請日: 2021-05-12
• 公開（公告）號: CN113222410B
• 公開（公告）日: 2023-05-19
• 發(fā)明（設(shè)計）人: 蔡安江;葉康;郭師虹
• 申請（專利權(quán)）人: 西安建筑科技大學(xué)
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06Q10/04;G06Q10/087;G06N3/006
• 代理公司: 西安恒泰知識產(chǎn)權(quán)代理事務(wù)所 61216
• 代理人: 李鄭建

1.一種雙向式布局模式下貨位分配調(diào)度模型建立方法，其特征在于，具體實現(xiàn)過程如下：

假設(shè)同一巷道兩側(cè)的貨架為一組，倉庫有a列，b層，c排貨架，倉庫左右兩端各有一個進/出口，貨架第x列，y層，z排的貨物坐標(biāo)可表示為(x,y,z)，為區(qū)別單向式立體倉庫，定義左端出入庫臺底部為坐標(biāo)原點，每個貨位只能儲存一個貨物，且貨位的長寬高都相等，設(shè)為L；堆垛機的速度恒定不變，堆垛機的水平速度設(shè)為V_x、垂直速度為V_y、叉貨速度為V_z，且不互相干涉，忽略堆垛機啟動和制動的時間；

定義(x,y,z,P_k,M_k,j)表示貨架中某一待入庫貨物的信息，其中：(x,y,z)用于表示該貨物在倉庫中貨架中的位置坐標(biāo)，它決定著貨物分配的最終結(jié)果，屬于決策變量；P_k用于表示(x,y,z)貨位中貨物周轉(zhuǎn)率，M_k表示貨物的質(zhì)量，它們是待入庫貨物本身的固有參數(shù)；j表示貨物出入庫臺的列數(shù)，j＝0或j＝a+1；其中j＝0表示最左端出/入庫臺所對應(yīng)列數(shù)，j＝a+1表示最右端庫臺的對應(yīng)列數(shù)；左庫臺位置可表示為(0，1,0)，右?guī)炫_位置可表示為(a+1,1,0)；

貨位分配調(diào)度模型如下：

(1)存儲效率原則建立函數(shù)F₁

將貨物周轉(zhuǎn)率看作頻率系數(shù)，則建立的待優(yōu)化函數(shù)為：

其中，表示堆垛機叉架存取貨時間；由于雙向式自動化立體倉庫貨物進出倉庫時出入庫臺不確定，因此用|x-j|表示堆垛機在x方向所走的距離；

(2)貨品相關(guān)性原則建立函數(shù)F₂

當(dāng)有一批待入庫的貨物進行存放時候，在空余貨位確定一位置為中心貨位，使待存放貨物距離中心貨位的距離盡可能短，以減少堆垛機存取同類貨物運行的時間；

當(dāng)有n個貨位可以提供k類產(chǎn)品儲存時，定義此時的貨架組內(nèi)平均坐標(biāo)為(a_k,b_k,c_k)，其取值根據(jù)實際訂單決定，則待存放貨品(x,y,z)距離平均坐標(biāo)的距離為：

其中

為使所有待存放貨品距離平均坐標(biāo)即中心貨位的距離最短，則優(yōu)化的目標(biāo)函數(shù)為：

(3)貨架穩(wěn)定性原則建立函數(shù)F₃

貨架應(yīng)該符合上輕下重的原則，盡可能的降低貨架重心，把輕的貨物放在上層，重的貨物放在下層，防止貨架因為重心不穩(wěn)而導(dǎo)致傾覆，即貨物質(zhì)量與其所在層數(shù)的乘積最??；目標(biāo)函數(shù)為：

各個目標(biāo)函數(shù)是根據(jù)單一的貨位分配原則建立的，它們之間即互相沖突又互相聯(lián)系，因此不能將這些目標(biāo)函數(shù)單獨尋優(yōu)，需要將多個目標(biāo)函數(shù)進行統(tǒng)一；

根據(jù)倉庫的實際情況給各個目標(biāo)函數(shù)F_1min(x,y,z)、F_2min(x,y,z)、F_3min(x,y,z)賦予權(quán)重μ₁、μ₂、μ₃，用來表示各目標(biāo)函數(shù)的重要程度，由此建立包含各個分配原則的單目標(biāo)函數(shù)為：

F(x,y,z)＝μ₁F_1min(x,y,z)+μ₂F_2min(x,y,z)+μ₃F_3min(x,y,z)?(5)

(4)設(shè)計改進混合蛙跳算法

在局部搜索過程中，按照混合蛙跳算法的更新公式，對每一個子群中表達最差的蛙P_worse進行更新替換，公式如下：

式中，rand()表示0～1間的隨機數(shù)，STEP表示青蛙跳躍的步長，D_min表示最小跳躍步長，D_max表示最大跳躍步長，P_best表示子群中表達最優(yōu)的蛙；

通過對子群中表現(xiàn)最差的蛙P_worse進行更新，得到P′_worse，若P′_worse優(yōu)于P_worse，則替之，反之用種群表達最優(yōu)的蛙P_B代替式(6)中的Pbest繼續(xù)更新；

對混合蛙跳算法進行改進，設(shè)計改進混合蛙跳算法，用以余弦函數(shù)為基礎(chǔ)的動態(tài)自適應(yīng)同步因子如下式(7)所示，用來代替rand()；

式中，g_n表示子群內(nèi)青蛙迭代次數(shù)，g表示當(dāng)前子群迭代次數(shù)，用φ代替(6)式中的rand()，φ在之間逐漸遞增；

針對所建立的雙向式立體倉庫模型，采用改進混合蛙跳算法進行優(yōu)化。

2.如權(quán)利要求1所述的方法，其特征在于，所述改進混合蛙跳算法優(yōu)化的具體步驟如下：

步驟一：初始化參數(shù)

隨機生成m(memeplex)個子群，其中，每個子群有n只青蛙，每只青蛙代表一種貨位分配方式；設(shè)置青蛙最大跳躍的最大步長D_max，子群內(nèi)青蛙迭代次數(shù)g_n，種群最大迭代次數(shù)G_n；

步驟二：初始化種群

在可行解范圍內(nèi)生成F＝m×n只青蛙，代表初始分配方式有m×n種，設(shè)置青蛙的維度S，每只青蛙可以表示為{X¹,X¹……X^F}；

步驟三：重新劃分子群Z₁,Z₂……Z_m

將所有青蛙按計算適應(yīng)值，記每個青蛙的適應(yīng)值為f(i)，按照從大到小的順序?qū)⑶嗤芘帕胁凑杖缦乱?guī)則劃分子群：

Z_k＝{X(j)_k,f(j)_k|X(j)_k＝X(k+m(j-1)),f(j)_k＝f(k+m(j-1))}?(8)

其中，j＝1,2...n，k＝1,2...m；

步驟四：記每個子群中適應(yīng)度最大的青蛙P_best，適應(yīng)度最小的青蛙P_worse；

步驟五：記青蛙子群t_m＝0，表示子群進化的數(shù)目；t_n＝0，用來表示子群內(nèi)局部搜索的迭代數(shù)；

步驟六：設(shè)t_m＝t_m+1；

步驟七：設(shè)t_n＝t_n+1；

步驟八：按照下式(9)的更新策略，更新子群中表現(xiàn)最差的青蛙：

步驟九：更新后的青蛙適應(yīng)值如若優(yōu)于P_worse，則替之；若不如P_worse，則用全局最優(yōu)解P_B代替P_best返回步驟八進行重新選擇；若還是不如P_worse，則隨機生成一只青蛙代替；

步驟十：判斷t_ng_n，是則返回步驟七；

步驟十一：判斷t_mG_n，是則返回步驟六；

步驟十二：迭代達到規(guī)定次數(shù)時，算法結(jié)束，輸出全局最優(yōu)解P_B，并輸出對應(yīng)的目標(biāo)函數(shù)值，解碼之后，得到最優(yōu)的貨位分配坐標(biāo)及出入庫臺坐標(biāo)。