[发明专利]一种基于遗传算法的作业车间物流配送路径优化方法

说明书

本发明公开了一种基于遗传算法的作业车间物流配送路径优化方法，用于有效规划离散式作业车间内带优先级的多目标节点物流配送路径。基于作业车间的布局图和邻接矩阵，运用算法对车间物流配送的路径进行优化，并使得目标函数最优。传统的多目标路径规划中将路径规划划分为多个单目标节点单起始节点的路径规划问题，但通常只能取得局部最优而非全局最优。建立多目标节点路径优化模型，从全局最优角度出发，运用提出的交叉算子和变异算子，提高求解速度并增加求解精度。采用本发明方法，不仅可以有效降低作业车间内物流配送的路径距离，还能提升车间内物流配送运行效率，为提升车间内生产效率，提升企业收益创造条件。

技术领域

本发明属于物联感知和路径优化技术领域，具体涉及一种基于遗传算法的作业车间物流配送路径优化方法。

背景技术

21世纪是信息化和智能化的时代，在当前去工业化的背景下，世界各国纷纷将物联网和智能服务引入制造业，随着当前科技地迅猛发展和科技愈加广泛地应用，以信息化背景作为依托，物联网成为各国的建设目标。在我国制造型车间中，物流成本居高不下，对作业车间内物流配送的研究，将为车间内物流运行效率的提升和企业成本的降低创造条件，形成科学合理的物流管控方案，提升企业的核心竞争力。这也是我国发展制造型企业提升自身综合竞争力的必通之路。

自物流配送路径优化的研究兴起以来，人们在这个领域做了大量的研究工作。然而，目前最常见的物流配送研究为一个配送中心和多个客户终端模式的研究，而对车间内物流配送模型的研究相对较少。目前研究路径优化的论文也主要集中在传统的单起始节点和单目标节点，涵盖了机器人路径研究、单目标物流配送路径规划等领域，而研究的方法主要以蚁群算法、禁忌搜索算法、粒子群算法和遗传算法等。蚁群算法在搜索中容易出现停滞现象陷入局部最优解，且算法本身较为复杂。禁忌搜索算法是单操作，对初始解的依赖性过强。粒子群算法对于离散的优化问题处理上则效果不佳。而遗传算法作为一种鲁棒性强的生物智能算法，其求解的流程和问题本身并没有太大的联系，只要能构造出合法的种群以及合适的交叉算子和变异算子，遗传算法能表现出较高的全局性和良好的性能。本发明的方法将基于对传统路径优化的研究，结合离散式作业车间内的实际情况，构造一种适合作业车间内的物流配送模型，并使用遗传算法来求解得到最后的结果。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种基于遗传算法的作业车间物流配送路径优化方法，以解决现有技术中车间内物流配送的研究方法复杂、依赖性强及效果不佳的问题。本发明的方法用于作业车间的多目标节点路径配送路径优化，提升物流配送的效率。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于遗传算法的作业车间物流配送路径优化方法，包括步骤如下：

(1)通过物联网技术实时采集各离散式机床节点的物流信息，确定相应机床所需的信息；

(2)考虑需要经过的各节点优先级，即当离散式机床节点产生需求，先取料后送料，同时构建物流配送的路径距离目标函数；

(3)以路径最优为目标函数构建作业车间物流配送模型；

(4)改进传统遗传算法；

(5)以作业车间内布局图和节点邻接矩阵为基础，距离最优为目标函数，物流物料信息为导向，运用步骤(4)改进的算法求解物作业车间物流配送路径。

进一步地，所述步骤(1)中相应机床所需的信息包含：物料、工具以及取料的节点。

进一步地，所述步骤(1)中物联网技术指通过射频识别(RFID)、红外感应器、全球定位系统及激光扫描器将任何物品与互联网相连接，进行信息交换和通讯。

进一步地，所述步骤(2)中目标函数如下所示：