一种考虑拣货距离与库位离散度的库位分配方法组成比例

本发明专利技术提出了一种考虑拣货距离与库位离散度的库位分配方法。首先给定仓库布局与尺寸、货物种类、历史订单数据，然后根据历史订单数据对货物进行聚类，接着初始化种群与概率矩阵，分别根据折返拣货策略与货物聚类结果，计算种群所对应解的拣货距离与库位离散度，根据拣货距离与库位离散度计算种群的适应度，并筛选出优势种群与最优个体，采用邻域搜索算法更新最优个体，选取优势群体更新概率矩阵，对概率矩阵进行采样生成新种群，反复迭代直到达到迭代终止条件。迭代终止条件。迭代终止条件。

【技术实现步骤摘要】
一种考虑拣货距离与库位离散度的库位分配方法


[0001]本专利技术涉及仓储物流领域，尤其涉及一种考虑拣货距离与库位离散度的库位分配方法。

技术介绍

[0002]仓储是物流系统的一个重要组成部分，其出库过程费时费力直接影响仓储运营效率，进而影响物流系统的效率。特别是人到货拣选仓库，需要人工根据订单拣选货物出库，该过程是仓库运营中最耗费人力和时间的环节。而库位分配从源头上影响拣货出库效率，因此设计较优的库位分配方案，对仓储系统有重要意义。
[0003]库位分配问题自 1948 年提出以来就受到广泛关注，目前对库位分配问题的研究多考虑拣货距离或货物关联度，但其中多数研究未较精确计算拣货距离，且仅少数研究在考虑货物关联度时建立了货物的库位聚集程度相关评价指标，这些指标多采用库位的欧氏距离，无法反映库位之间真实的距离。同时由于库位分配问题属于NP难问题，考虑到数学规划方法难以求解大规模库位分配问题，因此，本专利技术提出了一种基于分布估计（EDA）的算法来求解考虑拣货距离与库位离散度的库位分配问题。

技术实现思路

[0004]本专利技术针对现有库位分配算法仅考虑库位间欧式距离，无法反映库位之间真实的距离问题，本专利技术提出了一种考虑拣货距离与库位离散度的库位分配方法，来提高库位分配的科学性，减少企业仓储成本。
[0005]本专利技术实施例提供一种考虑拣货距离与库位离散度的库位分配方法，包括以下步骤：步骤1：给定初始数据包括：仓库布局与尺寸，货物种类，历史订单数据；步骤2：根据历史订单数据对货物进行聚类；步骤3：初始化种群与概率矩阵；步骤4：分别根据折返拣货策略与货物聚类结果，计算种群所对应解的拣货距离与库位离散度；步骤5：根据拣货距离与库位离散度计算种群的适应度，并筛选出优势种群与最优个体；步骤6：采用邻域搜索算法更新最优个体；步骤7：根据优势群体，更新概率矩阵；步骤8：对概率矩阵进行采样生成新种群；步骤9：判断是否满足终止条件（迭代次数500），如果满足则结束，否则执行步骤4。
[0006]本专利技术实施例提供一种考虑拣货距离与库位离散度的库位分配方法，通过对货物聚类计算库位离散度，更精确的表述了库位间的距离，同时采用了基于EDA的启发式方法求解该问题，提高了求解效率，降低了企业的仓储成本。
附图说明
[0007]图1：本专利技术实施例一种考虑拣货距离与库位离散度的库位分配方法流程示意图；图2：本专利技术实施例仓库布局示意图；图3：本专利技术实施例折返拣货策略示意图；图4：本专利技术实施例货物聚类流程示意图；图5：本专利技术实施例编码方式示意图；图6：本专利技术实施例邻域搜索算法流程示意图。
具体实施方式
[0008]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0009]图1为本专利技术实施例一种考虑拣货距离与库位离散度的库位分配方法被执行时的流程示意图；如图1所示，包括以下步骤：步骤1：给定初始数据包括：仓库布局与尺寸，货物种类，历史订单数据；步骤2：根据历史订单数据对货物进行聚类；步骤3：初始化种群与概率矩阵；步骤4：分别根据折返拣货策略与货物聚类结果，计算种群所对应解的拣货距离与库位离散度；步骤5：根据拣货距离与库位离散度计算种群的适应度，并筛选出优势种群与最优个体；步骤6：采用邻域搜索算法更新最优个体；步骤7：根据优势群体，更新概率矩阵；步骤8：对概率矩阵进行采样生成新种群；步骤9：判断是否满足终止条件（迭代次数500），如果满足则结束，否则执行步骤4。
[0010]具体的首先给定初始数据包括：仓库布局与尺寸，货物种类，历史订单数据，其中仓库布局模式应当按照图2所示，包含m个纵巷道下文简称巷道，横向巷道本身不包含库位，是进入纵向巷道的入口。从货架两边拣货时，忽略左右行走的距离，可将两边的货架视为同一列，因此每个巷道有n个库位，共有mn个库位，同样的也有mn种货物，本实施例中仓库包含20个巷道，每个巷道有20个库位，即m=20,n=20；给定初始数据后根据历史订单数据将货物进行聚类，聚类方法如图4所示，将在下文进行说明，得到货物的分类数据；然后初始化种群与概率矩阵，初始化种群时首先随机将货物分配到库位中，保证每种货物与库位一一对应，然后对分配结果进行编码形成个体，编码方式如图5所示，重复生成200个个体形成种群，之后生成一个mn行mn列，即400*400的概率矩阵，概率矩阵的初始值为1/400，L=mn=400为库位数，矩阵行l列的值代表货物k分配到库位l的概率。
[0011]完成初始化之后就要计算个体所对应的拣货距离与库位离散度。基于折返拣货策略的拣货距离期望计算公式如下：纵向巷道i的拣货距离期望为，其中为纵向巷道i的拣货距离，
与为仓库尺寸已经在图2中标出，分别为横向巷道宽与相邻库位间距，为需要在i巷道j库位拣货的概率，其等于分配在该库位中货物在订单中出现的概率。横向巷道i的拣货距离期望为:，式中是拣选巷道 i的概率,即该巷道至少有一件货物被拣选的概率，，表示不拣选巷道 i+1,
…
,m 的概率，。所以巷道i的总拣货距离期望，综上总拣货距离期望。
[0012]基于货物聚类的库位离散度计算的思路是：先计算库位距离，再计算每个簇的库位离散度，最后取平均值作为库位离散度。经过聚类后的货物，在同类别内货物关联度较高，应当将它们分配到相距较近的库位。库位离散度的计算公式为：，其中表示货物k被分配到了库位l中，k1和 k2聚类后类别 t 中所有货物对，为类别t中的货物总数。 表示两个库位的库位距离，其计算公式为：式中为两个库位之间最短拣货距离，如果，即两库位在同一巷道内，则两者直线距离就是库位距离，如果它们不在同一巷道内，则从库位行走至库位的最短距离为两库位之间的距离。从库位行走至库位，既可以通过前横巷道，也可以通过后横巷道，两者最小距离即为库位距离，、与为仓库尺寸已经在图2中标出。库位离散度目标 DSL 为所有簇的离散度均值，即：,其中表示货物聚类后的类别总数。
[0013]拣货距离与库位离散度计算完成之后需要计算种群中个体的适应度，个体适应度为拣货距离与库位离散度的数值和的倒数。选取适应度最高的sp个个体组成优势种群，本实施例为sp为40，同时选取适应度最大的个体进行邻域搜索步骤如图6所示，将在下文进行说明，并记录更新后的最优个体。之后对优势种群进行采样，形成数量矩阵，式中L=m*n=400为库位数，代表第代优势群体中货物k被分配到库位l中的个体数。之后采用增量学习的方式更新概率矩阵，。之后采用更新后的概率矩阵采样生成下一代种群，采样过程基于轮盘赌机制进行，具体步骤如下：（1） 产生1~L 之间的随机整数，作为分配到第1号库位的货物编号。由于一个货物只能分配到一个库位，其他库位不能再分配该货物。所以，概率矩阵中第 2,3,
…
,L列相应的行要置0；
（2）依次对第库位使用轮盘赌机制选择货物。首先归一化概率矩阵的第l列。然后进行轮盘赌，产生 0~1之间的随机数rand，从第l列第1行开始计算累加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑拣货距离与库位离散度的库位分配方法，其特征在于：包含以下步骤：、步骤1：给定初始数据包括：仓库布局与尺寸，货物种类，历史订单数据；步骤2：根据历史订单数据对货物进行聚类；步骤3：初始化种群与概率矩阵；步骤4：分别根据折返拣货策略与货物聚类结果，计算种群所对应解的拣货距离与库位离散度；步骤5：根据拣货距离与库位离散度计算种群的适应度，并筛选出优势种群与最优个体；步骤6：采用邻域搜索算法更新最优个体；步骤7：根据优势群体，更新概率矩阵；步骤8：对概率矩阵进行采样生成新种群；步骤9：判断是否满足终止条件（迭代次数500），如果满足则结束，否则执行步骤4。2.根据权利要求1所述的一种考虑拣货距离与库位离散度的库位分配方法，其特征在于，根据历史订单数据对货物进行聚类的步骤包括：步骤21：初始化叶节点与叶距离，其中叶节点代表货物，叶间距离代表货物样本距离（DMI）；步骤22：采用层次聚类算法生成聚类树；步骤23：令n...

【专利技术属性】
技术研发人员：ꢀ五一IntClG零六Q一零零四，
申请(专利权)人：武汉禾青优化科技有限公司，
类型：发明
国别省市：