近些年来,共享工厂、共享机床等共享经济模式在个性化定制生产中已获得广泛的融合生长
共享仓储为多个厂家提供短期或恒久的仓储效劳,其货位结构、货物摆放关于拣选与摆放货物效率的影响禁止忽视。区别于古板的货仓结构,
共享仓储为了满足客户的差别需求、为客户提供更好的效劳,需要在确保充分利用仓储货位的基础上,能够在单位时间内完成更多货物的收支库作业,提高收支库效率�；贔ishbone结构,对优化模型做如下假设:货仓是接纳单指令拣货模式的货仓;所有的拣货小车速度(水平速度和笔直速度)为牢固值,不受所载货物质量影响;同类货物可以安排于多个货位,单个货位只能安排一种货物;拣货小车每次只运送一类货物;货物的存放方法为随机存放;期待存储的货物信息已知;每个货位的长、宽、高都相等。
如图1所示,典范的Fishbone结构将货架分为四个区域,从右至左划分命名为1区、2区、3区和4区;所有的拣货通道(包括区域之间的通道与区域内货架之间的通道)宽度相同。其中,l体现货位的长、宽,h体现货位的高,i(i=1,2,3,4)体现区域,x(x=1,2,…,p)体现货架排数,y(y=1,2,…,p)体现货架列数,z(z=1,2,…,p)体现货架层数,Wip体现第i区第p排货架单层货位数,s体现第1/4区第一排货架单层货位数,I1体现第1/4区域偶数排与其前一排货架单层货位的增量,I2体现第1/4区奇数排与其前一排单层货位的增量,mipqt体现货物的质量,Pipqt体现货物的周转率,α为区域底边边长,αp主通道宽度,θ为区域倾斜角度。
每个区域有ni排τ层,其中τ坚持稳定。因此,每排货架的单层货位数Wip为:
其中,(-1)p体现当货架排数是奇数时,要在最后一排货架后增加一条通道。
货位Oipqt的坐标界说为Pipqt=(Xipqt,Yipqt,Zipqt)。把共享仓储收支库点作为坐标原点,货位各点坐标公式体现如下:
其中,
共享仓储货位分派优化模型是基于立体货仓货物存储原则确立的。凭据货物收支库效率原则,将存取频率高的货物放在离收支库平台较近的货位,以降低作业小车总体作业时间,提高作业效率。目标函数为所有货物组合拣货时间之和最小,满足存取频率越高,拣货小车运送该货物时间越短,则模型函数可体现为:
其中,关于1区、4区,拣货设备行驶时间T1(Pipqt)为式(5),关于2区、3区,拣货设备行驶时间T2(Pipqt)为式(6):
其中,L是收支库口到货位的水平距离,v1为拣货小车的水平运动速度,v2为拣货小车的竖直运动速度。
在共享仓储中,当货架承载额定的货物重量、且货架及货物整体的中心在中位线以下时,货架是最稳定的。假设每个货位上的货物质量漫衍均匀,并且充满整个货位空间。故令货架每层货物质量与层数乘积之和最小,则模型函数可体现为:
仓储货位问题是一个典范的多目标优化问题。接纳权重系数变换法付与上述两个目标函数权重w1和w2,将多目标变为单目标优化问题。则共享仓储货位需求效劳配置的数学模型为:
布谷鸟搜索(Cuckoo Search,CS)算法是由Xin-She
如图2所示,革新的布谷鸟搜索算法的求解流程:
办法1:输入原始数据,获取货物信息(货物质量,周转率等),对货物信息、货位信息进行编码,货物按自然数编码,货位信息按区域进行编码,如货位4571体现该位置在4区5排7列1层,以矩阵形式输入,并确定待优化变量。
办法2:初始化参数,设置种群数量NP、最大迭代次数N＿iterTotal和发明概率Pa,搜寻步长α等。其中步长的分派公式为
其中,α(t)为目今迭代次数下平均步长。
办法3:随机初始化鸟窝位置(即货物位置),盘算每个鸟窝位置的个体适应值,获取目今的最优函数值。
办法4:保存上一代鸟窝的最优函数值,接纳Levy Flight更新目今鸟窝位置。
办法5:综合约束条件,比较目标函数个体的适应值,并找出目今极值点,即目今最优解bestnest。
办法6:比较目标函数适应值与鸟窝个体适应值巨细,保存优解gbestnest。
办法7:与发明概率Pa进行比较,若大于Pa,则把落在不可行区域内的个体舍弃,对新种群中的剩余鸟窝按莱维航行原则重新更新并取代这些鸟窝,转向办法4;若小于Pa,则继续进行迭代。
办法8:判断是否满足算法停止条件,如果满足,输出全局极值gbestnest,不然继续进行迭代。
为验证所提出布谷鸟搜索算法求解仓储货位模型的正确性,设计如下实例进行仿真、验证与剖析。
某Y工业园区的共享货仓,其内部为Fishbone结构结构,货仓内部具体结构信息为:一个货位的长度、宽度和高度均为1m,通道宽度αp为2m,第1区(或第4区)货架排数η为6;第1区(或第4区)第一排货架单层货位数量s为1,第1区(或第4区)奇数排货架单层货位的增量I2为4,货架层数为3。凭据这些参数,结合模型公式,求得各个区域货架排数n为n=[6,6,6,6],各区域各排货架单层货位数量w为:
本案例共有货位468个,最终货仓结构的平面图如图3所示现有40种货物需要入库存放,具体信息如表1所示:
划分接纳遗传算法和革新的布谷鸟搜索算法进行求解。在遗传算法求解中,参数设置为交叉概率pc=0.4,变异概率pm=0.1,最大进化代数T=400。在革新的布谷鸟搜索算法求解中,参数设置为α=0.5,pa=0.25,种群规模40,牢固进化迭代次数200次,两种算法均独立运行。
表1 某共享仓储的货物信息
| 货物编号 | 货物质量(KG) | 周转率% | 货物编号 | 货物质量(KG) | 周转率% | |
| 1 | 87 | 9 | 21 | 51 | 11 | |
| 2 | 115 | 7 | 22 | 160 | 10 | |
| 3 | 84 | 11 | 23 | 64 | 5 | |
| 4 | 72 | 4 | 24 | 264 | 8 | |
| 5 | 72 | 8 | 25 | 465 | 12 | |
| 6 | 80 | 6 | 26 | 26 | 5 | |
| 7 | 50 | 12 | 27 | 9 | 7 | |
| 8 | 95 | 7 | 28 | 28 | 6 | |
| 9 | 60 | 3 | 29 | 175 | 10 | |
| 10 | 63 | 9 | 30 | 100 | 3 | |
| 11 | 52 | 6 | 31 | 105 | 7 | |
| 12 | 85 | 4 | 32 | 30 | 8 | |
| 13 | 70 | 6 | 33 | 7 | 10 | |
| 14 | 115 | 9 | 34 | 28 | 9 | |
| 15 | 136 | 4 | 35 | 175 | 8 | |
| 16 | 14 | 6 | 36 | 48 | 3 | |
| 17 | 144 | 5 | 37 | 124 | 7 | |
| 18 | 50 | 8 | 38 | 75 | 2 | |
| 19 | 90 | 7 | 39 | 150 | 6 | |
| 20 | 66 | 5 | 40 | 60 | 5 |
实验仿真情况:在Windows10系统中运行,处理器主频2.8GHz,CPU为Intel(R)Core(TM) i5-4200H,内存4GB,接纳MATLAB R2018a实现算法编程。凭据上述参数设定,获得的算法收敛曲线如图4所示,算法结果解码后如表2所示。
图4 革新布谷鸟搜索算法与遗传算法比照
表2 革新CS优化后货物位置
| 货物编号 | 货区i | 排p | 列q | 层t | 货物编号 | 货区i | 排p | 列q | 层t | |
| 1 | 4 | 5 | 7 | 1 | 21 | 3 | 2 | 5 | 3 | |
| 2 | 3 | 3 | 4 | 3 | 22 | 2 | 1 | 12 | 2 | |
| 3 | 3 | 1 | 1 | 2 | 23 | 1 | 6 | 7 | 2 | |
| 4 | 4 | 6 | 2 | 2 | 24 | 4 | 3 | 2 | 1 | |
| 5 | 2 | 1 | 3 | 2 | 25 | 1 | 4 | 3 | 1 | |
| 6 | 1 | 6 | 5 | 1 | 26 | 2 | 2 | 4 | 3 | |
| 7 | 1 | 5 | 5 | 1 | 27 | 2 | 1 | 1 | 1 | |
| 8 | 3 | 3 | 6 | 3 | 28 | 1 | 3 | 1 | 3 | |
| 9 | 4 | 4 | 4 | 2 | 29 | 2 | 3 | 8 | 3 | |
| 10 | 2 | 6 | 2 | 1 | 30 | 2 | 2 | 7 | 1 | |
| 11 | 3 | 1 | 10 | 1 | 31 | 3 | 2 | 1 | 2 | |
| 12 | 1 | 3 | 4 | 1 | 32 | 3 | 3 | 8 | 2 | |
| 13 | 2 | 3 | 4 | 3 | 33 | 4 | 3 | 1 | 1 | |
| 14 | 3 | 1 | 10 | 2 | 34 | 3 | 3 | 7 | 1 | |
| 15 | 2 | 3 | 5 | 3 | 35 | 3 | 1 | 11 | 1 | |
| 16 | 4 | 5 | 3 | 3 | 36 | 3 | 1 | 9 | 1 | |
| 17 | 1 | 5 | 6 | 1 | 37 | 4 | 4 | 5 | 1 | |
| 18 | 3 | 2 | 10 | 2 | 38 | 4 | 5 | 5 | 1 | |
| 19 | 1 | 2 | 1 | 2 | 39 | 2 | 1 | 10 | 2 | |
| 20 | 4 | 3 | 3 | 3 | 40 | 4 | 5 | 8 | 3 |
由上述解码后Fishbone结构货位需求效劳配置结果可知,接纳遗传算法获得的目标函数最小值为2860,接纳革新布谷鸟搜索算法获得的目标函数最小值为2792,并且革新布谷鸟搜索算法迭代次数较遗传算法有较大改观。
针对共享仓储货位需求效劳配置问题,基于Fishbone结构要领、仓储货物的基来源则,建立共享仓储货位需求效劳配置设计问题的数学模型。以货物存放收支库最短完成时间及坚持货架稳定性为目标,划分接纳革新布谷鸟搜索算法和遗传算法进行了求解。案例仿真结果标明该模型能提高货物的收支库效率,并包管货架的稳定性,运用布谷鸟搜索算法求解货位需求效劳配置问题是可行的。
但海内外对将布谷鸟搜索算法应用于仓储货位需求效劳配置问题研究较少,只是对其进行开端研究,在工业实践应用方面还将面临许多问题,如提高该算法的求解精度、货位规模导致的盘算效率低等方面还需进一步深入研究。
【本文标签】
【责任编辑】yd2333云顶电子游戏云仓
yd2333云顶电子游戏冷链物流与茶百道告竣相助：在现代快节奏的生活中，奶茶已经成为了许多人生活中的···【详情+】
yd2333云顶电子游戏家人们！春暖花开，春意盎然，在这个温暖的日子，荣誉降生在安徽的铜陵，等了很久···【详情+】
手机二维码
