引言

自动化立体货仓是现代物流、仓储、自动化与盘算机技术高度集成的产品, 它集存储、输送、分发、治理等功效于一体, 具有存储量大、占地面积小、节省人力、作业快速准确等优点, 是现代物流的重要环节[1]。自动化立体货仓以巷道堆垛机来存取货物, 通过周围的装卸搬运设备, 自动进行收支库存取作业, 提高货仓的利用率, 节省了人力, 降低了本钱, 提高了货仓的事情效率[2]。

如何对入库货物的货位进行科学有效的分派是提高货架存取率的要害, 货位分派和进出库调理治理的合理安排将能使货架受力良好, 同时可以减少堆垛机的事情量[3]。拣选作业优化的要求是合理确定拣选顺序, 使拣选作业运行路径最短[4]。因此, 通过研究自动化立体货仓调理的优化治理, 来提高运行效率及加速仓储作业, 关于便当企业货仓治理和增加企业的竞争优势具有重大的应用价值和现实意义[5]。针对自动化立体货仓实际运行模式, 寻找收敛性能满足实时要求、收敛速度快的遗传算法, 实现对自动化立体货仓的储位优化, 具有重要的实际意义和理论价值[6]。

1 储位优化模型的建立

假设立体货仓有a排牢固货架, 每一排有b列、c层。自界说离收支库口最近的一排为第1排, 且离收支库口最近的列为第1列, 货架的最底层为第1层。假设该立体货仓可贮存差别尺寸, 差别重量, 差别类型的货物。用pi体现第i种货物的周转率, mi体现第i种货物的质量, 储位的单位格长度为L0, 这里假设储位长宽高都是L0。

在建立储位优化模型前, 提出如下假设:

(1) 所有货物类型已知, 差别货物形状和体积一样, 但质量差别。并假设所建模型中储位单位格长宽高一样, 巷道的宽度忽略不计。

(2) 为了便于盘算, 只考虑叉车将货物由入库口送至货架上所消耗的时间。

(3) 假设各个货架上托盘尺寸是一致的, 差别的是托盘上所贮存货物的质量。

凭据做出的假设, 取坐标为 (x, y, z) 的储位, 且用 (0, 0, 0) 体现收支库口的位置坐标, 则该货物由收支库口移动到储位的总距离为:

该货物移动到储位所消耗的时间为:

考虑到货物的收支库周转率, 需要在离收支库口较近的位置安排周转率高的货物。则坐标为 (x, y, z) 储位上存储的货物在某个周期内的收支库历程中实际消耗时间可体现为:

最终建立的目标函数如下:

考虑到货架的稳定性, 得出如下的目标函数:

则最终获得的储位优化数学模型为:

模型中的变量:

Pxyz为储位 (x, y, z) 存储货物的周转率, 为已知量;

l0为储位单位格的长度, 为已知量;

Mxyz为储位 (x, y, z) 存储货物的质量, 为已知量;

vx, vy, vz划分为叉车在X轴, Y轴, Z轴偏向上的移动速度, 为已知量;

a, b, c划分为立体货仓货架的排数、列数和层数, 为已知量。

2 求解储位优化问题

货物入库时, 若不凭据一定的规则而随机进行存储, 会使得入库时间长效率低下, 且货架的稳定性无法包管, 因此使用遗传算法进行优化, 可有效改善这方面的问题。遗传算法是一种具有“生成+检测”迭代历程的随机搜索算法[7], 革新遗传算法求解的历程如下。

2.1 进行染色体编码

接纳整数排列编码方法。用每个货位点的坐标来体现一个基因位, 将一条染色体划分为M段, 则体现在这个区域内可存储M种货物。

假设选择的优化区域中有五件货物, 将编号为1~5的货物划分贮保存 (1, 9, 3) , (2, 5, 4) , (3, 11, 1) , (1, 13, 5) , (3, 7, 3) 的储位上。则该染色体“1 9 3 2 5 4 3 11 1 1 13 5 3 7 3”就代表了一个可行解, 组成了一种储位指派计划。

2.2 确定适应度函数

目标函数是求最小值, 适应度函数为目标函数的倒数, 由于该模型为多目标计划, 接纳简单加权和要领进行求解, 因此, 该模型对应的适应度函数可体现为:

m, n的取值视具体情况而定, 且m+n=1。

2.3 进行选择操作

以一定概率从旧群体中选择个体到新群里中, 这里接纳高级选择函数select, 并挪用初级选择函数sus, 且在选择操作中引入代沟ggap, 使得部分优良种群中的个体直接遗传到下一代。

2.4 进行交叉操作

交叉算子是遗传算法中种群爆发新个体的主要要领, 其是指两个父代个体的结构加以替代重组而生成新个体的操作[9], 接纳部分交叉映射, 两两分组后将父代样本按以下方法重组 (假设每一个父代个体有15个基因) 。

爆发两个[1, 5]区间内的随机数r1和r2, 对由这两个数确定的位置进行交叉, 例如r1=2和r2=3。

交叉后为:

2.5 进行变异操作

随机选取两个点, 将其对调位置。爆发两个[1, 5]规模内的随机整数r1和r2, 确定两个位置, 将其对调位置, 如r1=2, r2=3。

变异后为:

2.6 进化逆转操作

这里逆转算子具有单偏向性, 即只有经过逆转后, 适应度值有提高的才接受下来, 不然逆转无效[9]。爆发两个[1, 5]规模内的随机整数r1和r2, 确定两个位置, 将其对调位置, 如r1=2, r2=4。

进化逆转后为:

2.7 算子终止准则

通过对父代种群中的个体进行适应度值的盘算, 选择出适应度值大的个体进入下一代, 然后进行交叉、变异和进化逆转操作, 并不绝循环这个操作, 通过设定循环条件来判断是否满足最大遗传代数, 不满足则继续进行适应度值的盘算, 不然结束遗传算法。

3 仿真实验及结果剖析

以某个自动化立体货仓为例, 将入库货位参数设置如表1。

表1 基本参数

现随机爆发15种入库货物, 其初始存储计划如表2所示。

表2 货物初始存储计划

在该优化模型中, 通过综合考虑, 关于该多目标计划遗传算法接纳简单的加权和要领进行求解。将收支库效率和货架稳定性的权重系数划分定为0.6和0.4。优化后的结果如表3所示。将优化前和优化后的数据划分带入收支库效率和货架稳定性两个模型中, 将两个方面所求的值进行比照获得表4。

表3 货物优化后的存储计划

表4 优化前后两个目标函数值的比照 

上述数据标明, 通过接纳革新遗传算法进行求解, 货物的入库时间值降低了38.75, 降低比率为45.32%;且货架的稳定性有了很大的改善, 重心值降低了2.86, 降低比率为16.31%, 这既提高了货物的收支库效率, 又提高了货架的稳定性, 抵达了全局优化的目的。

4 结论

(1) 优化后的结果满足提高自动化立体货仓收支库效率和货架稳定性的要求, 实现了货位的合理优化。

(2) 革新遗传算法有清晰的求解思路和较好的收敛速度, 因此, 接纳基于革新遗传算法的Matlab求解储位优化问题具有很高的实用价值, 可有效制止因随机存储而造成的收支库效率低下、货架不稳定问题。