【技术实现步骤摘要】
本专利技术涉及仓储优化调度领域，特别是涉及一种立体仓库多sm/rgv调度优化方法、设备、介质及产品。
技术介绍
1、随着科学技术的发展，现代物流观念深入人心，广大用户对物流仓储系统在推动各行业发展中有共同的认识，继之而来的就是自动化物流系统和自动化仓库。随着自动化物流系统和自动化仓库在中国乃至世界的发展，一般的自动化系统和仓库的很多缺点就暴漏了出来，为了能够弥补这些缺点，新型密集立体仓库应运而生，并受到广泛关注。
2、密集立体仓库是集高密度立体货架、输送带、多堆垛机(staking machine，sm)/有轨小车(rail guidedvehicle，rgv)、条码自动识别系统和调度控制系统等为一体的自动化新型物流存储系统，可满足现代物流仓储技术密集化、自动化、集成化和智能化的发展需求。密集仓储物流管理系统中，货物的货位分配确定后，需要由有轨小车和有轨小车协同作业，共同完成货物的出入库操作。密集仓储环境下的出入库操作具有以下特点：①多目标性，仓储出入库作业中，需要考虑出入库效率、小车任务分配的均衡性和准时出库交付等多个目标。②协同性，密集仓储中，不可能每个货道每层货架配置有轨小车，出入库作业需要有轨小车和有轨小车协同作业完成。出库作业时，有轨小车在不同货架间运送货物的换乘需要借助于有轨小车来实现，入库作业时，货物由有轨小车从输送带送达货架口后，需要由有轨小车运送入库。③复杂约束，密集仓储agv/rgv出入库作业调度时，受货物的货位分布、小车当前状态、多辆小车路径避撞等约束的影响。④动态性，小车故障和紧急出入库任务插
3、在探究自动化立体仓库出入库调度问题时，往往侧重点放在堆垛机拣选作业的路径是否最优，或堆垛机完成所有任务的耗时是否最短。一部分技术在构建出入库调度的数学模型时，为了简化堆垛机的拣选作业路径，把模型当作旅行商问题进行处理。但是由于忽略了堆垛机每次完成拣选作业后，返回站台取货送货所用的时间和行驶路程，最终导致优化后的数据难以在仓库实际调度情况下验证，差距较大。另外有部分技术将立体仓库出入库调度优化的重心放在智能算法的改进上，主要体现在多种算法的结合产生优秀的初始种群，以及改进产生新个体的方法来取得不错的优化效果。然而仓库实际的调度过程属于非连续性的多项式复杂程度的非确定性问题，不合理的编码方式、不适配的算法结构都可能导致最终的优化结果不太理想。上述改进的算法虽然取得了一定的优化结果，却忽视了从仓库中货架，轨道，车辆的布局和数量配置上进行优化和设计，导致算法优化到一定程度后很难再实际的对立体仓库的使用效率进行显著提高。还有少数技术提出多堆垛机和单rgv协同的方法，理论上多rgv和多堆垛机的协同工作效果会更好，但rgv是有轨车，还需要解决防碰撞问题以及合理的任务分配机制。
技术实现思路
1、为解决现有技术存在的上述问题，本专利技术提供了一种立体仓库多sm/rgv调度优化方法、设备、介质及产品。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种立体仓库多sm/rgv调度优化方法，所述方法包括：
4、考虑多车任务分配、协同有轨小车选择和出入库完工时间，构建多sm/rgv调度模型；所述多sm/rgv调度模型包括协同作业任务分配模型和出入库协同作业完工时间模型；
5、基于所述多sm/rgv调度模型，采用改进遗传算法得到堆垛机/有轨小车的任务顺序；
6、构建rgv任务分配优化策略，并采用rgv任务分配优化策略根据所述任务顺序得到堆垛机/有轨小车的任务分配方案。
7、可选地，考虑多车任务分配、协同有轨小车选择和出入库完工时间，构建多sm/rgv调度模型，具体包括：
8、对物流仓储调度环境进行描述，并考虑多车任务分配、协同有轨小车选择和出入库完工时间，进行调度假设；
9、基于描述的物流仓储调度环境和所述调度假设，建立协同作业任务分配模型；
10、定义变量，并基于定义的变量分情况建立有轨小车和堆垛机的出入库协同作业完工时间模型。
11、可选地，基于所述多sm/rgv调度模型，采用改进遗传算法得到堆垛机/有轨小车的任务顺序，具体包括：
12、构建堆垛机任务分配规则；
13、基于所述堆垛机任务分配规则得到各执行任务集合；
14、基于各执行任务集合，根据执行任务类型，利用所述协同作业任务分配模型选择协同堆垛机完成相应的出入库作业，并确定堆垛机和有轨小车完成任务的起始时间和结束时间；
15、利用出入库协同作业完工时间模型，确定完成出入库任务的起始时间和结束时间；
16、判断是否达到迭代结束条件，得到判断结果；
17、当所述判断结果为否时，进行交叉变异产生新的种群，并返回执行利用出入库协同作业完工时间模型，确定完成出入库任务的起始时间和结束时间的步骤；
18、当所述判断结果为是时，则输出各堆垛机和有轨小车的执行任务集及执行任务的顺序、起始时间以及结束时间。
19、可选地，在采用改进遗传算法得到堆垛机/有轨小车的任务顺序过程中，进行协同调度时，以所有堆垛机和有轨小车完成任务的时间最小为目标，取所有堆垛机和有轨小车完成任务的最小时间的倒数作为适应度值。
20、可选地，采用改进遗传算法得到堆垛机/有轨小车的任务顺序的过程中，设计基于自然数编码的三层染色体编码结构。
21、可选地，采用改进遗传算法得到堆垛机/有轨小车的任务顺序的过程中，解码时，根据堆垛机的数量将染色体解码成多个片段，每个片段对应一台堆垛机所执行的任务及排序；根据染色体中各堆垛机的任务排序，考虑任务货位信息和有轨小车状态信息，对种群中每个个体进行解码，得到执行各出入库任务的有轨小车、有轨小车编号以及它们执行任务的起始时间和结束时间。
22、可选地，采用改进遗传算法得到堆垛机/有轨小车的任务顺序的过程中，解码时，根据染色体确定的有轨小车执行任务顺序，根据当前各有轨小车的实时工作状况，选择有轨小车协同完成出入库操作，并更新有轨小车完成作业的时间。
23、一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述任一项所述的立体仓库多sm/rgv调度优化方法的步骤。
24、一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述的立体仓库多sm/rgv调度优化方法的步骤。
25、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一项所述的立体仓库多sm/rgv调度优化方法的步骤。
26、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
27、本专利技术针对密集仓储高效作业时间需求，对多出入库任务下多sm/rgv协同调度优化决策问本文档来自技高网...
【技术保护点】
1.一种立体仓库多SM/RGV调度优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的立体仓库多SM/RGV调度优化方法，其特征在于，考虑多车任务分配、协同有轨小车选择和出入库完工时间，构建多SM/RGV调度模型，具体包括：
3.根据权利要求2所述的立体仓库多SM/RGV调度优化方法，其特征在于，基于所述多SM/RGV调度模型，采用改进遗传算法得到堆垛机/有轨小车的任务顺序，具体包括：
4.根据权利要求3所述的立体仓库多SM/RGV调度优化方法，其特征在于，在采用改进遗传算法得到堆垛机/有轨小车的任务顺序过程中，进行协同调度时，以所有堆垛机和有轨小车完成任务的时间最小为目标，取所有堆垛机和有轨小车完成任务的最小时间的倒数作为适应度值。
5.根据权利要求3所述的立体仓库多SM/RGV调度优化方法，其特征在于，采用改进遗传算法得到堆垛机/有轨小车的任务顺序的过程中，设计基于自然数编码的三层染色体编码结构。
6.根据权利要求5所述的立体仓库多SM/RGV调度优化方法，其特征在于，采用改进遗传算法得到堆垛机/有轨小车的
7.根据权利要求1所述的立体仓库多SM/RGV调度优化方法，其特征在于，采用改进遗传算法得到堆垛机/有轨小车的任务顺序的过程中，解码时，根据染色体确定的有轨小车执行任务顺序，根据当前各有轨小车的实时工作状况，选择有轨小车协同完成出入库操作，并更新有轨小车完成作业的时间。
8.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-7中任一项所述立体仓库多SM/RGV调度优化方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7中任一项所述立体仓库多SM/RGV调度优化方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7中任一项所述立体仓库多SM/RGV调度优化方法的步骤。
...【技术特征摘要】
1.一种立体仓库多sm/rgv调度优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的立体仓库多sm/rgv调度优化方法，其特征在于，考虑多车任务分配、协同有轨小车选择和出入库完工时间，构建多sm/rgv调度模型，具体包括：
3.根据权利要求2所述的立体仓库多sm/rgv调度优化方法，其特征在于，基于所述多sm/rgv调度模型，采用改进遗传算法得到堆垛机/有轨小车的任务顺序，具体包括：
4.根据权利要求3所述的立体仓库多sm/rgv调度优化方法，其特征在于，在采用改进遗传算法得到堆垛机/有轨小车的任务顺序过程中，进行协同调度时，以所有堆垛机和有轨小车完成任务的时间最小为目标，取所有堆垛机和有轨小车完成任务的最小时间的倒数作为适应度值。
5.根据权利要求3所述的立体仓库多sm/rgv调度优化方法，其特征在于，采用改进遗传算法得到堆垛机/有轨小车的任务顺序的过程中，设计基于自然数编码的三层染色体编码结构。
6.根据权利要求5所述的立体仓库多sm/rgv调度优化方法，其特征在于，采用改进遗传算法得到堆垛机/有轨小车的任务顺序的过程中，解码时，根据堆垛机的数量将染色体解码成多个片段，...
【专利技术属性】
技术研发人员：庞中华，刘福祜，郭海彬，高胜男，郑长兵，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。