[发明专利]基于遗传算法的取货路径优化方法、装置及系统

说明书

本发明公开了一种基于遗传算法的取货路径优化方法、装置及系统，其中方法包括：获取模型数据，所述模型数据包括货物编码库、目标货物数以及适应度函数；利用遗传算法进行进化运算，并以进化过程中适应度最大的染色体所对应的货物编码作为最优解输出。本发明的基于遗传算法的取货路径优化方法、装置及系统，通过定义适应度函数以及染色体编码方法，并通过遗传算法进行优化运算，可有效优化运载工具的取货路径，提高物流分拣效率。

技术领域

本发明涉及物流技术领域，特别是涉及一种基于遗传算法的取货路径优化方法、装置及系统。

背景技术

在仓储物流领域中，分拣货物时，一个很普遍的应用场景是，需要把很多货物的库存运往某一个工作站，以便工人从这些货物库存里面拣货。对于运输货物的运载工具而言，其载货量有限，每次只能运输固定几种货物，那么，在多个等待搬运的货物里面，需要先挑选哪几种商品，形成一个任务，然后调度运载工具来搬运，这就是一个非常基本的调度任务优化问题。在对这个问题的求解过程中，需要满足多个方面的约束，也需要考察很多种情况，特别是在用计算机进行求解的时候，往往比较困难。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种能够有效优化调度任务、提升拣货效率的基于遗传算法的取货路径优化方法、装置及系统。

技术方案：为实现上述目的，本发明的基于遗传算法的取货路径优化方法，其包括：

获取模型数据，所述模型数据包括货物编码库、目标货物数以及适应度函数；

利用遗传算法进行进化运算，并以进化过程中适应度最大的染色体所对应的货物编码作为最优解输出；

其中，所述货物编码库包含所有待取货物的货物编码，所述适应度函数中的适应度与行驶路径的总长度、中途停止再启动次数、改变行驶方向次数以及需要在高速通道中行驶的距离这四者中的一者或多者反相关；所述染色体为对应于所述目标货物数的待取货物的货物编码的组合；所述行驶路径为经过所述染色体对应的所有所述待取货物并以分拣工作站为终点的路径。

进一步地，所述适应度函数具体为：Fitness = INTEGER.MAX_VALUE - (d * k_d +s * k_s + t * k_t + h *k_h)；

其中：Fitness-适应度；INTEGER.MAX_VALUE-计算机语言中所能支持的最大整型值；d-行驶路线的总长度； k_d -对应于d的调节参数；s-中途停止再启动次数；k_s-对应于s的调节参数；t-改变行驶方向次数；k_t -对应于t的调节参数；h-需要在高速通道中行驶的距离；k_h -对应于h的调节参数。

进一步地，所述利用遗传算法进行进化运算，并以进化过程中适应度最大的染色体所对应的货物编码作为最优解输出包括：

获取群体；所述群体由第一数量的个体构成，每个所述个体对应于一种染色体；

根据所述适应度函数计算所述群体中每个所述个体的适应度；

选择适应度最高的第二数量的所述个体作为优秀染色体组；

从所述群体中选择第三数量的个体进行两两随机组合，形成多组个体组合，所述第二数量与所述第三数量的和等于第一数量；

对每组所述个体组合进行交叉运算，每组所述个体组合产生2个第一子代个体，每个所述第一子代个体对应于一个子代染色体；

对每个所述子代染色体进行变异运算，形成第二子代个体，每个所述第二子代个体对应于一个新子代染色体；

判断是否达到终止条件，是则停止计算并以进化过程中适应度最大的染色体所对应的货物编码作为最优解输出；否则将所有的所述新子代染色体与所述优秀染色体组组合成新的群体。

进一步地，构成每组所述个体组合的两个染色体分别作为父染色体与母染色体；所述对每组所述个体组合进行交叉运算包括：