一种基于双层改进遗传算法的内运成本优化方法技术

本发明专利技术公开了一种基于双层改进遗传算法的内运成本优化方法，包括以下步骤：第一层将临时存放区抽象为一个长方体，建立双坐标轴体系，获得构件进入临时存放区的方案；对可装载构件进行一维遗传编码并生成初始种群，基于粒子群算法更新种群，计算适应度值并不断迭代，输出最优构件排版方案；第二层基于最优构件排版方案选取相应需要内运的构件并按序编号，对空闲车辆按序编号；以构件最大编号为染色体基因数，以车辆编号为基因进行一维遗传编码并生成初始种群，针对每车装车方案基于空间分割法快速求解每车排版方案，不断迭代，输出内运成本值最低的车辆分配和装车排版方案。本发明专利技术可以解决构件的不合理存储和运输分配导致内运成本过高的问题。成本过高的问题。成本过高的问题。

【技术实现步骤摘要】
一种基于双层改进遗传算法的内运成本优化方法


[0001]本专利技术涉及装配式建筑
，具体涉及一种基于双层改进遗传算法的内运成本优化方法。

技术介绍

[0002]装配式建筑成为近年来备受关注的绿色环保建筑模式，随着政府部门的大力号召，装配式建筑的飞速发展带来构件种类的持续增加。构件生产过程中，项目现场暂不需要的构件将堆放于车间临时存放区，若满则运至堆场，由此将产生一笔内运费。由于构件体积庞大，需要专业人员制定运输计划，这无疑增加了运输成本。工人凭借人工经验无法实现对临时存放区空间的最大利用、无法合理分配构件至车辆以及无法合理制定每车构件排版方案，高频率的内运导致内运成本过高。遗传算法是研究者常用于解决空间装载的智能算法，但是对于三维空间寻优问题，遗传算法则存在明显的弊端即算法速度过慢，而运输计划的制定对实时性要求则较高。因此，传统遗传算法的步骤并不完全适用。

技术实现思路

[0003]本专利技术的目的在于提供一种基于双层改进遗传算法的内运成本优化方法，其可以解决构件的不合理存储和运输分配导致内运成本过高的问题。
[0004]本专利技术提出了一种基于双层改进遗传算法的内运成本优化方法。根据本专利技术的实施例，包括以下步骤：
[0005](1)第一层将临时存放区抽象为一个长方体，以长方体左后方和右前方设为坐标原点，建立双坐标轴体系，除了长方体的上表面，对长方体的另外五个面进行标号，获得构件进入临时存放区的方案；
[0006](2)对可装载构件进行一维遗传编码并生成初始种群，由一维遗传编码得到一维矩阵，一维矩阵即为一条染色体，基于粒子群算法更新种群，计算适应度值并不断迭代，输出最优构件排版方案；
[0007](3)第二层基于步骤(2)获得的最优构件排版方案选取相应需要内运的构件并按序编号，对现有空闲车辆按序编号；
[0008](4)以构件最大编号为染色体基因数，以车辆编号为基因进行一维遗传编码并生成初始种群，针对每车装车方案基于空间分割法快速求解每车排版方案，不断迭代繁衍计算适应度值，输出内运成本值最低的车辆分配和装车排版方案。
[0009]另外，根据本专利技术上述实施例的一种基于双层改进遗传算法的内运成本优化方法，还可以具有如下附加的技术特征：
[0010]在本专利技术的一些实施例中，所述步骤(1)中，双坐标轴体系建立方法具体如下，将临时存放区抽象为长方体，将长方体左后方设置为坐标原点O，并以靠近原点O的长宽高建立X、Y、Z轴；将长方体右前方设为坐标原点O
’
，并以靠近原点O
’
的长宽高建立X
’
、Y
’
、Z
’
轴；
[0011]长方体面标号具体如下，除了长方体上表面对其他5个面按序标号1、2、3、4和5，以
长方体较长的边作为长，较短的边作为宽，最短的边作为高，将以长宽构成的面作为底面放置在水平面，将长方体正前方标号1，正后方标号2，左面标号3，右面标号4，底面标号5；
[0012]构件进入临时存放区的方案按照以下方式表示：[a，b，c]，其中，a表示方案序号，b表示长方体表面的标号，c表示双坐标轴体系中的坐标轴，[]内的符号的含义为序号为a的方案表示构件标号为b的面平行于c轴进入临时存放区。
[0013]在本专利技术的一些实施例中，所述步骤(2)中，一维遗传编码方式如下所示：
[0014]按照[N
1 N
2 N
3 N
4 N
5 N6]进行编码，[N
1 N
2 N
3 N
4 N
5 N6]代表一个元素，一个元素表示一个构件，N1、N2、N3分别表示构件的长、宽、高；将构件上下左右前后六个面分别编号为1、2、3、4、5、6，则N4表示构件面的编号；N6表示构件进入临时存放区的方案序号；N5若为0则表示构件较长的边与N6表示的方案相平行进入，若为1则表示构件较短的边与N6表示的方案相平行进入。
[0015]在本专利技术的一些实施例中，所述步骤(2)中，由一维遗传编码得到一维矩阵[[N
1 N
2 N
3 N
4 N
5 N6]……
[N
1 N
2 N
3 N
4 N
5 N6]]，基于粒子群算法更新种群方法如下：
[0016]一维矩阵中所有元素更新公式如下：
[0017][0018]式中Math.random()表示计算机编程语言JAVA中Math库的随机函数random()；k值决定构件编号；X
ij
表示一维矩阵中任一元素，X
ij
的[]中对应的六个元素即为[N
1 N
2 N
3 N
4 N
5 N6]；S表示构件，l表示构件长，w表示构件宽，h表示构件高，它们仅仅只是一个标识不代表任何数值；random.nextInt(0,6)+1，其中0和6是固定数值，此式子表示随机生成1到6之间的整数，因为构件抽象为长方体有六个面；random.nextInt()％2，此式子表示随机生成一个整数后再取模运算，这样得到的结果只可能是0或1，因为N5的结果只可能是0或1；random.nextInt()(1,21)
‑
1，其中1和21是固定数值，此式子表示随机生成0到19之间的整数，因为进入临时存放区的方案序号是0到19。
[0019]在本专利技术的一些实施例中，所述步骤(2)中，适应度值利用适应度函数进行计算，适应度函数公式如下：
[0020][0021]式中K表示临时存放区中可装载构件数；V表示临时存放区总体积；L、W、H分别表示每个构件的长宽高。
[0022]在本专利技术的一些实施例中，所述步骤(2)中，迭代方式如下：
[0023]第一步：每一条染色体都代表一种临时存放区存储方案；
[0024]第二步：依据更新公式更新种群中每条染色体；
[0025]第三步：依据适应度函数计算每条染色体适应度值；
[0026]第四步：保存并更新适应度值最大的染色体；
[0027]第五步：判断是否达到算法最大迭代次数，若达到了则算法结束输出适应度值最大的染色体，即最优临时存放区中构件排版方案；若未达到最大迭代次数，则跳转至第二
步。
[0028]在本专利技术的一些实施例中，所述步骤(4)中，一维遗传编码并生成初始种群具体如下：
[0029]以可装载构件数为染色体基因数，将车辆编号作为基因分散在染色体上，初始种群按以下方式表示：[A B C D E F
ꢀ……
]，其中，[]内数值的数量表示构件的数量即染色体的长度，A B C D E F
ꢀ……
分别指车辆编号，而构件编号就是车辆编号对应的位置顺序
[0030]在本专利技术的一些实施例中，所述步骤(4)中，基于空间分割法求解每车构件排版方案具体如下：...

【技术保护点】

【技术特征摘要】
1.一种基于双层改进遗传算法的内运成本优化方法，其特征在于，包括以下步骤：(1)第一层将临时存放区抽象为一个长方体，以长方体左后方和右前方设为坐标原点，建立双坐标轴体系，除了长方体的上表面，对长方体的另外五个面进行标号，获得构件进入临时存放区的方案；(2)对可装载构件进行一维遗传编码并生成初始种群，由一维遗传编码得到一维矩阵，一维矩阵即为一条染色体，基于粒子群算法更新种群，计算适应度值并不断迭代，输出最优构件排版方案；(3)第二层基于步骤(2)获得的最优构件排版方案选取相应需要内运的构件并按序编号，对现有空闲车辆按序编号；(4)以构件最大编号为染色体基因数，以车辆编号为基因进行一维遗传编码并生成初始种群，针对每车装车方案基于空间分割法快速求解每车排版方案，不断迭代繁衍计算适应度值，输出内运成本值最低的车辆分配和装车排版方案。2.根据权利要求1所述的一种基于双层改进遗传算法的内运成本优化方法，其特征在于：所述步骤(1)中，双坐标轴体系建立方法具体如下，将临时存放区抽象为长方体，将长方体左后方设置为坐标原点O，并以靠近原点O的长宽高建立X、Y、Z轴；将长方体右前方设为坐标原点O
’
，并以靠近原点O
’
的长宽高建立X
’
、Y
’
、Z
’
轴；长方体面标号具体如下，除了长方体上表面对其他5个面按序标号1、2、3、4和5；构件进入临时存放区的方案按照以下方式表示：[a，b，c]，其中，a表示方案序号，b表示长方体表面的标号，c表示双坐标轴体系中的坐标轴，[]内的符号的含义为序号为a的方案表示构件标号为b的面平行于c轴进入临时存放区。3.根据权利要求2所述的一种基于双层改进遗传算法的内运成本优化方法，其特征在于，所述步骤(2)中，一维遗传编码方式如下所示：按照[N
1 N
2 N
3 N
4 N
5 N6]进行编码，[N
1 N
2 N
3 N
4 N
5 N6]代表一个元素，一个元素表示一个构件，N1、N2、N3分别表示构件的长、宽、高；将构件上下左右前后六个面分别编号为1、2、3、4、5、6，则N4表示构件面的编号；N6表示构件进入临时存放区的方案序号；N5若为0则表示构件较长的边与N6表示的方案相平行进入，若为1则表示构件较短的边与N6表示的方案相平行进入。4.根据权利要求3所述的一种基于双层改进遗传算法的内运成本优化方法，其特征在于，所述步骤(2)中，由一维遗传编码得到一维矩阵[[N
1 N
2 N
3 N
4 N
5 N6]
……
[N
1 N
2 N
3 N
4 N
5 N6]]，基于粒子群算法更新种群方法如下：一维矩阵中所有元素更新公式如下：式中Math.random()表示计算机编程语言JAVA中Math库的随机函数random()；k值决定构件编号；X
ij
表示一维矩阵中任一元素；S表示构件，l表示构件长，w表示构件宽，h表示构件高；random.nextInt(0,6)+1，其中0和6是固定数值，此式子表示随机生成1到6之间的整数；random.nextInt()％2，此式子表示随机生成一个整数后再取模运算；random.nextInt
()(1,21)
‑
1，其中1和21是固定数值，此式子表示随机生成0到19之间的整数，因为进入临时存放区的方案序号是0到19。5.根据权利要求1所述的一种基于双层改进遗传算法...

【专利技术属性】
技术研发人员：吴红星，章龙，梁梦莲，
申请(专利权)人：安徽建工集团股份有限公司，
类型：发明
国别省市：