基于鱼骨型仓库布局的多车拣选路径问题优化方法及系统技术方案

本发明专利技术实施例提供一种基于鱼骨型仓库布局的多车拣选路径问题优化方法及系统，属于仓储管理技术领域。通过上述技术方案，本发明专利技术提供的基于鱼骨型仓库布局的多车拣选路径问题优化方法及系统是基于蚁群算法的设计流程，结合粒子群算法的特点，采用与设计的染色体相匹配的交叉和变异方法，对染色体进行优化，得到最优的拣货路径。相较于现有技术而言，本申请的方法及系统由于在对拣货路径进行优化时，结合了鱼骨型仓库的特点，并对传统的蚁群算法进行改进，克服了现有技术中算法难以适应鱼骨型仓库的技术缺陷，从而提高了鱼骨型仓库的拣货的优化效率。的优化效率。的优化效率。

【技术实现步骤摘要】
基于鱼骨型仓库布局的多车拣选路径问题优化方法及系统


[0001]本专利技术涉及仓储管理
，具体地涉及一种基于鱼骨型仓库布局的多车拣选路径问题优化方法及系统。

技术介绍

[0002]鱼骨型仓库布局是一种非传统的仓库布局模式，其主要布局特征是两个对角线通道呈现“V”字型。Gue等指出合理规模下鱼骨型仓库布局的人工拣货距离比传统仓库布局降低20％左右。另外，订单拣选是提高仓库生产效率首要考虑的运营活动，其作业成本占仓库总运营成本的55％，订单拣选的任何不足都可能导致客户满意度下降以及仓库运营成本增高，进而影响整条供应链。订单拣选时间由行走、寻找货物时间、拣取货物时间等组成，而拣货人员在进行拣货作业时所耗费的行走时间占总拣选时间的五成。因此，研究如何优化鱼骨型仓库布局下的拣货路径，减少拣货人员的行走时间，对提高仓库拣货作业效率和降低仓储运营成本有着显著意义。
[0003]关于仓库布局的研究，国外学者给出了许多重要的研究成果。Roodbergen等提出了一种确定仓库拣选区域布局的方法，可以让订单的拣选距离最小化。Parikh等指出影响订单拣选效率的决定性因素是仓库的布局。Pohl等研究了非传统仓库中周转率高的物品的最佳存储位置，并以鱼骨型仓库布局为例，提出了最佳性能的布局设计。Luis等对比了鱼骨型和传统型仓库设计的性能，并使用数值算法和精确算法求解鱼骨型设计的重要特征(对角交叉通道的斜率)。Cardona等针对鱼骨型仓储布局最重要的特征(即对角交叉通道的斜率)，研究得出最佳斜率为1，且偏离最佳斜率也不会显著增加运营成本。Gue等提出在鱼骨型仓库布局下，可行的范围内，存、取货点应置于仓库中间。后续学者在基于鱼骨型仓库布局下，转向研究仓库内部的路径优化问题，罗志文基于改进的鱼骨型仓库布局，建立一单一车和一单多车拣货模型，并运用传统启发式算法进行求解。张新艳等基于鱼骨型仓库布局运用一种混沌模拟退火粒子群算法对拣货路径优化问题进行求解。Zhou等采用遗传算法、蚁群算法和布谷鸟算法对鱼骨型仓库布局的拣选路径进行了优化。刘建胜等考虑新型鱼骨型仓库布局的特点，引入有载重限制的多车调度模型，并提出一种混合粒子群优化算法进行求解。
[0004]由上述研究可以看出，关于鱼骨型仓库的研究逐渐由布局设计转向拣选路径的优化，目前多数关于拣选路径优化问题的研究都是基于传统启发式算法，且研究的模型鲜有考虑拣货小车载重、容积等约束条件，并没有涉及对鱼骨型仓库内的布局的计算，因此在实际实施时难以实现高效化的调度和拣货。

技术实现思路

[0005]本专利技术实施例的目的是提供一种基于鱼骨型仓库布局的多车拣选路径问题优化方法及系统，该方法及系统能够提高鱼骨型仓库的调度和拣货效率。
[0006]为了实现上述目的，本专利技术实施例提供一种基于鱼骨型仓库布局的多车拣选路径
问题优化方法，包括：
[0007]按照预设的编码方式对鱼骨型仓库的各个货位进行编码以得到多个初始的路径；
[0008]计算每个所述路径的适应度，选择适应度最小的所述路径作为个体最优路径和全局最优路径；
[0009]在待拣选的多个货位中随机选择多个出发点；
[0010]根据预设的概率选择每个所述出发点对应的下一个拣货点以得到对应的第一拣选路径；
[0011]按照预设的交叉和变异概率将每个所述第一拣选路径与所述全局最优路径执行第一次交叉操作；
[0012]按照预设的交叉和变异概率将第一次交叉操作后的所述第一拣选路径与所述个体最优路径执行第二次交叉操作；
[0013]按照预设的交叉和变异概率对第二次交叉操作后的所述第一拣选路径执行变异操作；
[0014]分别计算变异操作后的所述第一拣选路径和第一次交叉操作前的所述第一拣选路径的适应度；
[0015]针对每个变异操作后的所述第一拣选路径和第一次交叉操作前的所述第一拣选路径的组合，选择适应度较小的所述第一拣选路径加入新的所述第一拣选路径；
[0016]根据所述第一拣选路径更新所述全局最优路径和所述个体最优路径；
[0017]判断当前的迭代次数是否大于或等于预设的迭代次数阈值；
[0018]在判断所述迭代次数小于所述迭代次数阈值的情况下，更新每两个拣货点之间的信息素浓度；
[0019]将每个所述第一拣选路径的最后一个拣货点作为出发点，再次根据预设的概率选择每个所述出发点对应的下一个拣货点以得到对应的第一拣选路径，并执行所述方法的相应步骤，直到判断所述迭代次数大于或等于所述迭代次数阈值；
[0020]在判断所述迭代次数大于或等于所述迭代次数阈值的情况下，将所述全局最优路径作为最优解并解码为最终的拣选路径。
[0021]可选地，所述根据预设的概率选择每个所述出发点对应的下一个拣货点以得到对应的第一拣选路径包括：
[0022]根据公式(1)选择每个出发点对应的下一个拣货点以得到每个出发点对应的第一拣选路径，
[0023][0024]其中，为第k个出发点选择前往下一个拣货点的概率，i、j为拣货点的编号，τ
ij
(t)为t时刻拣货点i到拣货点j之间的路径的信息素浓度，α为拣货点i到拣货点j的轨迹相对重要性，γ
ij
(t)为t时刻拣货点i到拣货点j之间的路径的能见度，且d
ij
为
拣货点i到拣货点j之间的距离，β为拣货点i到拣货点j的能见度相对重要性，allowed
k
为第k个出发点的小车当前能够前往的拣货点的集合。
[0025]可选地，所述判断当前的迭代次数是否大于或等于预设的迭代次数阈值包括：
[0026]判断新生成的所述第一拣选路径是否全部与历史生成的所述第一拣选路径相同；
[0027]在判断新生成的所述第一拣选路径全部与历史生成的第一拣选路径的情况下，将所述全局最优路径作为最优解并解码为最终的拣选路径。
[0028]可选地，所述根据所述第一拣选路径更新所述全局最优路径和所述个体最优路径包括：
[0029]在新生成的所述第一拣选路径中选择适应度最小的路径作为所述个体最优路径；
[0030]在所有的所述第一拣选路径中选择适应度最小的路径作为所述全局最优路径。
[0031]可选地，所述方法还包括：
[0032]根据公式(2)计算所述适应度，
[0033][0034]其中，min f为所述适应度，M为所述鱼骨型仓库内当前需要使用的拣货小车的数量，N
m
为第m个所述拣货小车需要完成的拣货点的数量，i、j为拣货点的编号，为第m个所述拣货小车从拣货点i到拣货点j的距离，为用于指示第m个所述拣货小车是否从拣货点i到拣货点j的指示变量，为第m个所述拣货小车从所述鱼骨型仓库的出入口到第一个拣货点的距离，为第m个所述拣货小车从最后一个拣货点到所述鱼骨型仓库的出入口的距离。
[0035]可选地，所述更新每两个拣货点上的信息素浓度包括：
[0036]根据公式(3)更本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于鱼骨型仓库布局的多车拣选路径问题优化方法，其特征在于，所述方法包括：按照预设的编码方式对鱼骨型仓库的各个货位进行编码以得到多个初始的路径；计算每个所述路径的适应度，选择适应度最小的所述路径作为个体最优路径和全局最优路径；在待拣选的多个货位中随机选择多个出发点；根据预设的概率选择每个所述出发点对应的下一个拣货点以得到对应的第一拣选路径；按照预设的交叉和变异概率将每个所述第一拣选路径与所述全局最优路径执行第一次交叉操作；按照预设的交叉和变异概率将第一次交叉操作后的所述第一拣选路径与所述个体最优路径执行第二次交叉操作；按照预设的交叉和变异概率对第二次交叉操作后的所述第一拣选路径执行变异操作；分别计算变异操作后的所述第一拣选路径和第一次交叉操作前的所述第一拣选路径的适应度；针对每个变异操作后的所述第一拣选路径和第一次交叉操作前的所述第一拣选路径的组合，选择适应度较小的所述第一拣选路径加入新的所述第一拣选路径；根据所述第一拣选路径更新所述全局最优路径和所述个体最优路径；判断当前的迭代次数是否大于或等于预设的迭代次数阈值；在判断所述迭代次数小于所述迭代次数阈值的情况下，更新每两个拣货点之间的信息素浓度；将每个所述第一拣选路径的最后一个拣货点作为出发点，再次根据预设的概率选择每个所述出发点对应的下一个拣货点以得到对应的第一拣选路径，并执行所述方法的相应步骤，直到判断所述迭代次数大于或等于所述迭代次数阈值；在判断所述迭代次数大于或等于所述迭代次数阈值的情况下，将所述全局最优路径作为最优解并解码为最终的拣选路径。2.根据权利要求1所述的方法，其特征在于，所述根据预设的概率选择每个所述出发点对应的下一个拣货点以得到对应的第一拣选路径包括：根据公式(1)选择每个出发点对应的下一个拣货点以得到每个出发点对应的第一拣选路径，其中，为第k个出发点选择前往下一个拣货点的概率，i、j为拣货点的编号，τ
ij
(t)为t时刻拣货点i到拣货点j之间的路径的信息素浓度，α为拣货点i到拣货点j的轨迹相对重要
性，γ
ij
(t)为t时刻拣货点i到拣货点j之间的路径的能见度，且d
ij
为拣货点i到拣货点j之间的距离，β为拣货点i到拣货点j的能见度相对重要性，allowed
k
为第k个出发点的小车当前能够前往的拣货点的集合。3.根据权利要求1所述的方法，其特征在于，所述判断当前的迭代次数是否大于或等于预设的迭代次数阈值包括：判断新生成的所述第一拣选路径是否全部与历史生成的所述第一拣选路径相同；在判断新生成的所述第一拣选路径全部与历史生成的第一拣选路径的情况下，将所述全局最优路径作为最优解并解码为最终的拣选路径。...

【专利技术属性】
技术研发人员：胡小建，袁丁，黄亚领，杨智，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：