1、 智能存儲過程優(yōu)化設計 智能存儲過程優(yōu)化設計一問題闡述某智能倉庫，有兩個巷道，4排貨架，中間兩排貨架并排在一起，每排貨架有200貨格，其中長20個，高10個，每個貨格尺寸為300cm*300cm，堆垛機行進速度與升降為01.6米/秒，行進過程可以升降，堆垛機存取貨物時只有一個出口，智能倉庫存放10類物品，這10類物品需求量不同，假設不同需求，設計這10類物品如何存放，占多少貨格，取貨速度能達到最優(yōu)。二貨位優(yōu)化方案自動化立體倉庫的高效率是建立在高效的貨位管理基礎之上的。對自動化立體倉庫的貨位進行管理就是要合理地分配和使用貨位，既考慮如何提高貨位的利用率，又要保證出庫效率。2.1存儲管理的存儲策略

2、良好的存儲策略可以減少出入庫移動的距離、縮短作業(yè)時間，甚至能夠充分利用存儲空間。一般自動化立體倉庫常見的存儲策略有：定位存放、隨機存放、分類存放、分類隨機存放與共享存放。1. 定位存放在這種存放策略下，每個存儲貨物都有固定的存儲位置，貨物之間不能存儲。因此，需要規(guī)定每項貨位的存儲容量必須大于其可能的最大在庫量。定位存放的優(yōu)點是貨物的存儲位置可以按照周轉率大小或出貨率來安排，以縮短出入庫的搬運距離。可針對各種貨品的特性做儲位的安排調整，將不同貨品特性之間的相互影響降到最小。缺點是儲位必須按各項貨品的最大在庫量來設計。總之，定位存放易管理、需時少，但浪費空間。所以，該方案適用于廠房空間大或者多種少

3、量商品的存放。2. 隨機存放這種存儲方式，每個貨品被指派存放的為止都是經(jīng)由隨機過程產(chǎn)生，而且可以隨機改變。即任何物品可以被存放在任何可以利用的位置。優(yōu)點是由于儲位可共享，因此只需要按所有庫存貨品最大在庫量設計即可，存儲空間的使用效率高。缺點是貨品的出入庫管理以及盤點工作進行會比較困難。3. 分類存放所有的儲放貨品按照一定的特性加以分類，每一類貨品都有固定存放的位置，而同屬一類的不同貨品又可以按一定的法則來分配貨位。分類存儲通常按產(chǎn)品相關性、流動性、產(chǎn)品尺寸、重量或產(chǎn)品特性來分類。優(yōu)點：便于暢銷品的存取，具有定位儲放的各項優(yōu)點。各分類的儲存區(qū)域可以根據(jù)貨品特性再作設計，有助于貨品的儲放管理。缺點

4、：儲位必須按各項貨品最大在庫量設計，一次存儲空間平均使用率較低。該類存儲策略適用于產(chǎn)品相關性大、周轉率差別大、產(chǎn)品尺寸相差大的情況。4分類隨機儲放每一類貨品都有固定的存放位置，但在各類的儲區(qū)內，每個貨物的分配是隨機的。分類隨機儲放優(yōu)點：具有分類儲放的部分優(yōu)點，又可以節(jié)省儲位數(shù)量，提高儲區(qū)利用率。缺點：貨品出入庫管理以及盤點工作的難度較高。分類隨機儲放兼具分類儲放及隨機儲放的特點，需要的存儲空間介于兩者之間。5共享儲放在確定知道各貨品的進出庫時刻，不同的貨品可共享相同儲位的方式稱為共享儲放。共享儲放在管理上雖然較復雜，所需的存儲空間及搬運時間卻更為經(jīng)濟。本文在研究自動化立體倉庫的貨位優(yōu)化時，采用

5、了分類儲存策略。所有的儲存貨品按照產(chǎn)品相關性、流動性、產(chǎn)品尺寸、重量或產(chǎn)品特性加以分類，每類貨品都有固定存放的位置，而同屬一類的不同貨品又按一定的法則來分配貨位。2.2貨位分配原則通常需要將適當?shù)拇鎯Σ呗耘浜县浳环峙湓瓌t來確定貨位的初始位置。對自動化立體倉庫的貨位進行管理，是要合理的分配和使用貨位。即考慮如何提高貨位的利用率，又要保證出庫效率。貨位分配包含兩方面的含義，一是為出入基于遺傳算法的自動化立體倉庫的貨位優(yōu)化研究庫的物料分配最佳貨位，即入庫貨位分配；二是要選擇待出庫物料的貨位，即出庫貨位分配。貨位分配考慮的原則有很多，針對于自動化立體倉庫，其貨位分配原則有以下幾種：(1) 貨架承重均勻

6、，上輕下重。分散存放，物料分散存放在倉庫的不同位置，避免因集中存放，而使得貨架受力不均勻。較重的物品存放在下面的貨位，較輕的物品存放在高處的貨位，使貨架承載穩(wěn)定；(2) 加快周轉，先入先出。同種物料出庫時，先入先出，以加快物料周轉，避免因物料長期積壓產(chǎn)生銹蝕、變形、變質及其他損壞造成的損失；(3) 提高可靠性，分巷道存放。自動化立體倉庫有多個巷道時，同種物品分散在不同的巷道進行存放，以防止因某巷道堵塞影響某種物料的出庫，造成生產(chǎn)中斷； (4)提高效率，就近入出庫。在線自動倉庫，為保證快速響應出庫請求，一般將物料就近放置在出庫臺附近；(5)產(chǎn)品相關性。商品相關性大者在訂購時經(jīng)常被同時訂購，所以應

7、盡可能存放在相鄰位置。三.建立優(yōu)化數(shù)學模型在數(shù)學模型建立的開始，我們需要對變量進行定義。假設，m代表托盤貨物的基于遺傳算法的自動化立體倉庫的貨伊優(yōu)化研究重量；f代表貨物的存取頻率；n代表貨位上貨品的數(shù)量；vx代表傳送帶的運算速度；vy代表堆垛機的縱向運行速度；vz代表堆垛機的垂直上升速度(注：vx：vy：vz=1:5:1)(1)模型建立貨位分配的策略有多種，針對本文的貨位優(yōu)化研究我們只考慮兩個原則“貨架承重均勻，上輕下重”與“加快周轉，先入先出”。在模型的建立過程中需要同時考慮這兩個原則，即在使得倉庫出入庫效率最高的前提下同時要滿足貨架的承載均勻條件。可見，模型是一個多目標優(yōu)化模型，需要同時滿

8、足兩個目標函數(shù)。 得貨架的重心最小“貨架承重均勻，上輕下重”Gmax為貨架上每個貨位所能承受的最大重量，其中GjiGmaxGij為第i列第j層貨位單位上貨物的重量，nij為第i列第j層貨位單位上貨物的數(shù)量。目標函數(shù)的意義：為了使貨架的承載能力均勻，不至于出現(xiàn)傾覆性倒塌，需要遵循“貨架承重均勻，上輕下重”的原則。貨架的穩(wěn)定性可以等價為使得貨架的重心最低，也就是說使得每排貨架上所放貨物的總的重心最低。 貨物的配送量最小“提高效率，就近入出庫tkij為將k 排 i列 j層貨位上的物品搬運到巷道口所用時間，fkij為將k 排 i列j 層貨位上的單位物品的存取頻率。目標函數(shù)的意義：貨位優(yōu)化的目的在于提高

9、生產(chǎn)率，將無用運動減低到最小。根據(jù)貨品的物流動性使貨物的配送量最小。(2) 約束條件注：前面假設本文貨位優(yōu)化的區(qū)域為l排P列q層的貨架區(qū)域。將距離巷道口的最近排記為第1排，最近的列記為第1列，最低層記為第1層。i表示貨位處于第i排；J表示貨位處于第j列；k表示貨位處于第k層。本題中l(wèi)=2,p=20,q=10,即研究2排20列10層的倉庫存儲優(yōu)化問題。為研究方便，設L=H=4，即貨格長和高分別為4，且vx=vz,即堆垛機的走行速度和升降速度相同。而且本題是一個多目標優(yōu)化問題的求解，而求解難度較大，故將多目標問題的求解轉化為大把目標的求解，目前，將多目標優(yōu)化問題轉換為單目標或一系列單目標優(yōu)化問題的

10、方法有效用函數(shù)法、權重和法、妥協(xié)法等。本文采用權重法進行解答。現(xiàn)有六名專家對上述兩個目標函數(shù)權重進行打分，得到如下表專家1專家二專家三專家四專家五專家六加權和0.120.180.20.160.120.2211011100.620100010.4那么貨位分配的目標函數(shù)可表示為，其中X表示貨品在貨架上的位置考慮最小化問題。由于后悔值越小個體越好，因此需要將后悔值轉換為適應值從而確保優(yōu)秀個體具有較大的適應值。設r(x)表示個體x的后悔值，戤表示當前代中的最大后悔值，表示當前代中的最小后悔值。變換方式如下其中，y是正實數(shù)，通常被限制在開區(qū)間(0，1)中。該系數(shù)有兩個作用，一個是為了避免式(414)產(chǎn)生

11、被零除錯誤；另一個是可以將選擇方式從適應值比例選擇調整到純粹隨機選擇。四算法設計與實現(xiàn)4.1確定染色體編碼方法本文所研究的貨位優(yōu)化問除了是多目標優(yōu)化問題外，還應該是一種組合優(yōu)化問題，它需要組合兩個約束目標來尋找滿足約束項目的最佳組合，所以本文決定采用整數(shù)排列編碼方式對染色體進行編碼。采用整數(shù)排列編碼方式，我們將貨物與貨位的從屬關系進行編碼如下。(1)整個一條染色體代表一種貨位分配方案(2)染色體中基因的個數(shù)表示在優(yōu)化區(qū)域內貨品的個數(shù)(將貨位所存放的貨物打包視為一個貨物)，將每條染色體分為m段，m就表示在該優(yōu)化區(qū)域內貨物的總數(shù)。(3)基因的值表示貨物存儲的貨位，基因的位置表示存放在該貨位上的貨物

12、的編號。每段基因用整數(shù)表示要存儲的貨位坐標(排，列，行)。假設在2排4列3層的優(yōu)化區(qū)域內共有5個物品，其中1號貨物存放在坐標(1，1，2)的貨位上；2號貨物存放在坐標(1，2，1)的貨位上；3號貨物存放在坐標(2，3，2)的貨物上；4號貨物存放在坐標(2，4，3)的貨位上：5號貨物存放在坐標(1，3，3)的貨位上。那么染色體“112121 232 243 133”就形成了一個解，表示一種貨位分配方案。如圖下表所示1121212322431334.2適應度函數(shù)的確定 本文研究的是目標函數(shù)的最小化問題，孤兒后悔值函數(shù)只要去目標函數(shù)的倒數(shù)就可以變?yōu)檫m應度函數(shù)，并通過適應度大小來評價個體優(yōu)劣程度，為防

13、止溢出，我在目標函數(shù)整體上加1，從而得到本文目標函數(shù)所對應的后悔值函數(shù)如下：適應度函數(shù)如下：其中r是正實數(shù)，通常被限制在開區(qū)間(O，1)中，在這里我們令r=O084.3選擇、交叉和變異遺傳算法是一種群體型操作，以群體中所有個體為對象。選擇、交叉和變異是遺傳算法的3個主要操作算子，由這三個操作算子構成了遺傳操作，使得遺傳算法具有了其他傳統(tǒng)算法沒有的特點。(1)遺傳算子選擇運算使用比例選擇算子比例選擇因子是利用比例于各個個體適應度的概率決定其子孫的遺留可能性。若設種群數(shù)為M，個體f的適應度為f，則個體i被選擇的概率為當個體選擇的概率給定后，產(chǎn)生0，1之間的均勻隨機數(shù)來決定哪個個體參加交配。若個體的

14、選擇概率大，則能被多次選中，它的遺傳基因就會在種群中擴大；若個體的選擇概率小，則被淘汰。 叉運算使用單點交叉算子只有一個交叉點位置，任意挑選經(jīng)過選擇操作后種群中兩個個體作為交叉對象，隨機產(chǎn)生一個交叉點位置，兩個個體在交叉點位置，兩個個體在交叉點位置互換部分基因碼，形成兩個子個體，如圖52所示。變異運算使用基本位變異算子或均勻變異算子。為了避免問題過早收斂，對于二進制的基因碼組成的個體種群，實現(xiàn)基因碼的小概率翻轉，即0變?yōu)?，而1變?yōu)?，如圖53所示。4.4遺傳算法操作過程第一步，初始化。采用實數(shù)編碼方案進行染色體編碼，確定種群規(guī)模為N，應用MATLAB遺傳算法工具箱函數(shù)crtbp產(chǎn)生種群規(guī)模為

15、N的初始種群。初始種群的產(chǎn)生意味著產(chǎn)生了N個初始貨位的分配方案，將種群中坐標重復的或者超過優(yōu)化區(qū)域的染色體去掉，并補充新的染色體，使之滿足種群的規(guī)模為N。第二步，種群適應度評價。評價初始種群的目標函數(shù)值和適應值。第三步，通過選擇、交叉、變異操作，產(chǎn)生新一代群體。第四步，對產(chǎn)生的新種群中的個體進行評價，計算目標函數(shù)值和適應值。第五步，記錄本帶群體中的最優(yōu)個體，保留最優(yōu)解。第六步，完成預先設定的進化代數(shù)后算法停止。4.5系統(tǒng)仿真考慮到現(xiàn)在所學知識的限制，現(xiàn)在只研究單排貨架，并且假設堆垛機一直勻速行駛，且其行駛速度和升降速度Vx=Vy=1m/s,現(xiàn)在對這是類貨物的出入庫頻率重量和所占貨格數(shù)假設如下貨

16、品編號出入庫頻率重量所占貨格數(shù)10.11005020.2503030.16402040.24804050.1901560.05100570.05601080.04801090.03706100.036014該計算中燃熱提供有200個基因位，每個基因長度為，每個基因長度為4，染色體長度為200*4,在計算中假設染色體種群代數(shù)為M=400,進化代數(shù)為T=400，交叉概率Pc=0.8，變異概率Pm=0.2選擇：我們應用MATLAB遺傳算法工具箱中的crtbase函數(shù)與crtbp函數(shù)產(chǎn)生初始種群格式如下示：NIND=400；BaseV=crtbase(800，4)；Chrom=crtbp(Nnm3，B

17、aseV)+ones(NrYD，800)；將目標函數(shù)轉換為可是別的形式如下：根據(jù)目標函數(shù)的適應度值進行選擇與基因重組工作。本文采用MATLAB遺傳算法工具箱函數(shù)中的輪盤選擇(rws)函數(shù)進行選擇操作；采用單點交叉(xovsp)函數(shù)進行基因的重組。格式如下所示：SelCh=select(rws，Chrom，F(xiàn)itnV)；SelCh=recombine(Xovsp，SelCh，0.8)；變異f=rep(1：20，1，10)；SelCh=mutbga(SelCh，f)；SelCh=fix(SelCh)；計算子代目標函數(shù)如下：4.6仿真優(yōu)化結果貨位進行優(yōu)化前，布局不合理，倉庫的綜合性能比較差。優(yōu)化后的

18、貨位分配及存放的貨物重量與出入庫頻率分別如下表所示：列層12345678910180808080100505050408028080808010050505040803808080801005050504080480808080100505050408058080808010050504040806808080801005050404080780808080100505040408088080808010050504060809808080801005050406080108080808010050504060801110010010010010050504060601210010010010

19、010050504060601310010010010010050504060601410010010010010040404060601510010010010010040906060601610010010010090909070606017100100100100909090706060181001001001009090907060601910010010010090909070606020100100100100909090706060列層1234567891010.240.240.240.240.10.20.20.20.160.0420.240.240.240.240.10.20.20.20.160.0430.240.240.240.240.10.20.20.20.160.0440.240.240.240.240.10.20.20.20.160.0450.240.240.240.240.10.20.20.160.160.0460.240.240.240.240.10.20.20.160.160.0470.240.240.240.240.10.20.20.160.160.0480.240.240.240.240.10.20.20.160.050.0490.240.240.240.240.10.20.20.160.050.04列層12345678910100.2