[发明专利]一种应用于Flying-V型非传统布局仓库的货位分配优化方法

权利要求书

1.一种应用于Flying-V型非传统布局仓库的货位分配优化方法，其特征在于，包括如下步骤：

S1.设置Flying-V型仓库货位分配方法中相关参数；

所述步骤S1中进一步包括如下步骤：

S1.1.Flying-V型仓库货位分配优化方法中输入与货位相关参数有：货位长和宽l、货位高度h；

S1.2.Flying-V型仓库货位分配优化方法中输入与货物相关参数有：待分配货位数量i_max、货物质量m_i、货物存取频率r_i、AGV小车水平运动速率v₁、AGV小车垂直运动速率v₂；

S1.3.Flying-V型仓库货位分配优化方法中输入与优化目标相关参数有：目标函数一入库效率最高的权重w₁、目标函数二货架稳定性最好的权重w₂；

S2.初始化货位分配遗传算法参数；

所述步骤S2中具体的来说，初始化货位分配遗传算法的参数包括：最大迭代次数T、种群规模J、初始交叉概率P_c1和P_c2、初始变异概率P_m1和P_m2；

S3.依据待入库货物信息单，初始化种群，每个货位位置信息由4个维度参数组成，分别为货区号、货位的排数、货位的列数和货位层数；

所述步骤S3中进一步包括如下步骤：

S3.1.根据待入库货物信息单以及Flying-V型仓库特征分析，设计编码方式，生成染色体个体编码矩阵，具体方法为：

Flying-V型仓库中某个货位位置信息由4个维度参数k，x，y，z组成，其中k为货区号，x为货位的排数，y为货位的列数，z为货位层数，Y为仓库中的货架的最大列数，y_max为不同排数的货位最大列数，并且y与x存在如下关系式：

(1)当k＝1或k＝2时

(2)当k＝3或k＝4时

种群中的每一个染色体个体代表一种货位分配方式，采用矩阵编码的方式，仓库货物的每一种布局方式即种群中的每个染色体个体；采用i_max行a列的矩阵编码方式，矩阵中第i行代表编号为i的货物要存放的货位，矩阵列数a由货区数k、货位的最大排数x_max、仓库中货架的最大列数Y和货位的最大层数z_max共同决定；

S3.2.在编码矩阵规定的有效格式内随机生成一定规模的初始种群；

S4.采用自适应遗传算法，对种群进行个体最优选择，其中包括：

S4.1.评价种群中各染色体个体的目标函数值和适应度，包括入库效率最高最优值和货架稳定性最好即重心最低最优值；

所述步骤S4.1中进一步包括如下步骤：

S4.1.1.计算入库效率最高单目标函数最优值f_1opt，具体方法如下：

根据单个货物的入库距离，由三部分构成：AGV小车从出入口到分配货位所在货架的主通道距离l_x，从主通道到所在列的拣货通道距离l_y，垂直距离l_h，表达式分别为：

计算种群出入库效率目标函数f₁，即分配货物总运输时间最小，表达式为：

S4.1.2.计算货架稳定性最好即重心最低单目标函数最优值f_2opt，其方法为：

S4.1.3.量纲归一化处理得到两个子目标函数：

S4.1.4.两个子目标函值数乘以对应权重得到总目标函数值：

F＝w₁*F₁+w₂*F₂

S4.1.5.总目标函数值取倒数得到染色体个体的适应度：

G＝1/F

S4.2.对适应度值进行自适应变换，再对种群染色体个体进行选择操作；

所述步骤S4.2进一步包括如下步骤：

S4.2.1.在选择操作之前采用自适应策略对适应度值进行变换，其方法为：

式中G₁(j)为变换后染色体个体的适应度，G(j)为待异变染色体个体的适应度，G_max为当前种群最大适应度值，G_min为当前种群最小适应度值，t为当前遗传代数，T为最大迭代次数；

S4.3.保留最优染色体个体；

S4.4.对种群染色体个体进行交叉操作，且交叉率进行自适应变换；

所述步骤S4.4进一步包括如下内容：

S4.4.1.采用自适应遗传策略机制，使交叉率随适应值变化，其方法为：

式中，G_avg为当前种群平均适应度值，为配对的两个染色体个体中较大的适应度，G(j)为待异变染色体个体的适应度；

S4.4.2.选择父代染色体个体，在当前种群中选择两个染色体染色体个体A和B，然后依据单个货物的货位信息选择交叉点，对染色体进行分段；

S4.4.3.分段交叉，将附带中的两条染色体A和B中的两个交叉点内的选择分段进行交叉互换，得到染色体A’和B’；

S4.4.4.循环执行，循环执行步骤S4.4.2和S4.4.3，直至当前种群所有的染色体都实现了交叉运算；

S4.5.对种群染色体个体执行变异操作，且变异率进行自适应变换；

所述步骤S4.5进一步包括如下步骤：

S4.5.1.采用自适应遗传策略机制，使变异率随适应度值变化，其方法为：

式中，G_avg为当前种群平均适应度值，G(j)为配对的两个染色体个体中较大的适应度G(j)为待异变染色体个体的适应度；

S4.6.判断染色体个体是否有效；

S5.判断是否达到算法终止迭代次数，如是则进行S6，否则继续循环S4步骤；

S6.输出最优的货位分配方案。