自动化立体仓库储位规划算法研究

发布时间：2016-03-14 23:16

1绪论

1.1项目背景
近年来,随着我国经济的快速发展,加上国家政策方面的积极支持,物流产业不断发展壮大,已经成为国民经济生活中重要环节。同时人们也把物流的概念拓展到了更为广阔的领域,几乎涵盖了运输、生产、销售以及废弃物回收利用等各个独立的过程。现代化的物流理念己逐渐被人们所接受和认可,真正的现代物流时代已经到来。随着物流业的不断发展,仓储管理越来越成为现代物流环节中的必不可少的一环。随着现代控制技术和计算机技术的不断发展,自动化仓库将向着控制最优化、运行智能化方向发展,对储位的优化已成为物流技术发展的重要趋势。随着全球经济的不断发展,商品的"买方市场"日趋明显,对应的物流业、全球采购不断发展,对仓储业又提出了新的问题和新的要求。为了解决仓储业发展中的实际问题,引导仓储业健康发展,需要对仓储作业系统的规划和设计。
........

1.2目的意义
本文所研究的课题主要是针对仓储过程中如何对货物进行码放优化从而满足物资快速出库及存储物资总数最大而提出的。目前我国绝大多数仓储企业的自动化与信息化水平远远落后于发达国家,这些仓储企业的货物装载码放工作,大多停留在人工调度阶段。操作人员仅凭经验估计出来的组合方式不能保证货架有较高的利用率,特别是当物品种类繁多,数量较大时,需要科学合理的组合码放方案。因此摆脱人王操作的落后局面,为货物码放环节寻找一种合理的布局算法和方案,提高货架的空间利用率,将成为本文课题研究的主要内容。实现这一目标,对于仓储企业降低成本,提离效益具有重要的现实意义。
.......

1.3储位规划算法研究现状
自动化立体仓库(Automated　Storage　and　Retrieval　System,　AS/RS)是指使用多层货架,人工不直接管理、能够对不同种类的物资进行自动化、智能化存储和运输的系统。自动化立体仓库技术作为现代物流技术的一口核也技术,是集建筑、机械、电气、结构及管理于一体的综合性技术。一个复杂的自动仓储系统,是由高层货架、巷道堆媒机、输送机系统、货物识别检测系统、自动控制系统、计算机监控系统、计算机管理系统、通讯系统以及其他电缆等辅助设备组成,采用先进的控制、总线、通讯和信息技术,针对島层货架编号分配、堆操机对物资存取路径规划进行的储位规划,通过以上各个设备的协调动作进行出仓库储位规划以及货物入库等作业。随着现代控制技术和计算机技术的不断发展,自动化仓库将向着控制最优化、运行智能化方向发展以,对储位的优化已成为物流技术发展的重要趋势。
........

2储位规划算法研究

自动化仓库储位规划研究是为了充分利用资源,提高储位进出仓库的工作效率以及仓库的有效利用率而做的探究工作,把储位规划算法进行深入研究,并将其应用于实际王程实践中,也是充分借鉴和利用自然界中的自然现象或生物体运作的各种原理和机理的一种体现。智能优化算法由于通用性强,适用领域广,当前比较被广泛研究,其中主要包括遗传算法和模拟退火算法。

2.1遗传算法介绍
遗传算法是模拟达尔文生物进化论思想,通过类似自然选择以及遗传学机理的生物进化过程的计算模型转换来完成问题,是一种通过模拟自然进化过程捜索最优解的方法。遗传算法也是借用生物进化中"适者生存"的大自然规律的思想,将适应环境更好的个体越能将好的基因遗传给后代。遗传算法的提出在一定程度上解决了当时人工智能方法的瓶颈问题,充分利用其自组织和群体进化能力,使用在信息处理和解决组合爆炸等大规模复杂优化问题方面,取得历史突破性的进展和应用。遗传算法是一种随机搜索算法,其基本框架有编码、适应度函数、初始群体选取等内容。由于遗传算法具有全局并行搜索、鲁棒性强等特点,加之其很强的计算能力,求解过程易实现。随着计算机技术的发展,已经成为现代有关智能计算中的关键技术,在智能计算机领域展现出更加光明的前景,并在模式识别、神经网络自适应控制、组合优化控制、人工生命等领域取得了成功应用,尤其在储位规划领域也取得较好的应用。
........

2.2模拟退火算法原理

模拟退火算法是80年代发展起来的用于求解大规模优化问题的随机搜索算法,是一种高效的全局优化方法,其基本思想源自固体退火过程。

2.2.1物理系统退火过程
模拟退火算法的搜索策略中,在保证模拟退火算法不仅可以接受使目标画数值变优的点,还能{^一定概率接受使目标值变差的点,使退火算法的捜索过程跳出局部最优点。随着湿度的下降,根据退火推算原理接受相对于初始点差的点的概率逐渐减小。模拟退火算法的搜索方法使用了概率的方式进行,丰富了遗传算法的灵活性。模拟退火算法根据退火湿度在退火过程中的影响,在计算过程中引进了参数T,这样可以将优化过程分成多个不同阶段,并且参数退火湿度还决定该阶段下随机状态的取舍。温度参数趋近于0时,优化问题也将稳定于最优状态,这样可以提高模拟退火算法全局最优解的可靠性。
........

3储位规划模型建立......19
3.1问题描述与建模....19
3.2算法的总体流程....21
3.3初始解的获得....22��
3.4小结....27
4基于混合遗传算法的储位规划....28
4.1混合遗传算法操作....28
4.2混合遗传算法的编码....30
4.3混合遗传算法的选择操作....30
4.4混合遗传算法的交叉操作....32
4.5混合遗传算法的变异操作....34
4.6源合遗传操作后的调整操作....35
4.7混合遗传算法的结束条件....35
4.8小结....35
5基于混合遗传算法的储位规划实际应用....36
5.1未加入精英保留策略对结果的影响....36
5.2未加入Me杜opolis采样对结果的影响....37
5.3混合遗传算法结果....38
5.4小结....40

5基于混合遗传算法的储位规划实际应用

前面介绍了储位规划问题的数学模型及改进的混合遗传算法,本章将结合具体实例,进行储位规划,获得满足加权出库时间最短基础上的存储量最大的方案。

5.1未加入精英保留策略对结果的影响

从图5.1中可以看出,未加入精英保留策略,问题的目标函数值不断变化,收敛慢,主要原因是种群中适应度较好的个体被破坏掉,影响了算法的收敛性和运行效率。从图5.2中可看出,加入了　Metropolis采样后,在前4代,经过选择、交叉、变异等操作,产生了优秀的个体,所1^种群的平均适应度值稳步上升;从第4代后,遗传操作产生了大量较差的个体,为T增加种群的多样性,按概率引入较差的个体;到迭代末期,平均适应度值稳步上升,此时对劣解的接受概率也趋于0。�嵈油�5.3可看出,算法陷入"早熟收敛"原因是种群进化的初始阶段产生了相对种群中其他个体的适应度值大的多的个体,该个体在进化过程中由于精英保留策略的作用挥之不去,同时,由于每次选择只选择适应度值较高的个体,一些含有好的基因的个体由于适应度值的劣势被淘汰,使得种群无法进化出优秀的个体,进入"早熟收敛"。从图5.4可以看出,迭代后期,种群平均适应度不再变化,说明种群中的个体趋于一致,很难产生新的个体。

.........

结论

作为一种极具应用价值的组合优化问题,储位规划受到了研究者的广泛关注。本文介绍了立体仓库的储位规划原则及方法,提出了基于充足系数的初始解获得方法;改进了遗传算法用以解决储位规划问题,得了较为满意的结果。在初始解的获取上,先随机获取物资储存的仓库,再根据仓库内储存的物资类型数分配各个物资具体数量。由于此解是随机获得的,物资的需求比例可能不满足,定义了充足系数概念。某一物资的充足系数大,说明此物资越充足,可以适当减少物资的量;充足系数小,说明此物资比较缺乏,需要进行补充。经过循环一定次数后可获得满意的初始解。在对初始解进行遗传操作时,提出了改进的遗传算法。体现在以下几方面;一是编码上,采用了实数矩阵编码,用行列所对应的数值表示某物资在仓库中的数量;二是选择方式上,在选择中提出了基于模拟退火算法的Metropo化采样,提高了种群的多样性,防止算法进入"早熟收敛",并取得了较好的效果;云是交叉方式上,从进行交叉的两个染色体中提取若干列进行交叉,防止了违反约束条件情况的发生;四是变异方式,本文一般的变异方式是随机选取某物资,改变物资在某仓库的存储状态及数量,按一定概率发生;另外有一种调整方式,也可理解为一种变异方式,针对交叉、变异后的染色体,如果获得的染色体不满足比例要求,则需要进行根据充足系数的调整;五是结束方式上,采用了自适应的结束方式,减少了计算量,提高了计算效率。
.........
参考文献(略)

，

本文编号：34833