[发明专利]一种鱼骨型立体仓库的货位分配方法

说明书

技术领域

本申请涉及仓库管理技术领域，具体涉及一种鱼骨型立体仓库的货位分配方法。

背景技术

随着德国“工业4.0”及我国“智能制造2025”计划相继提出，智能工厂、智能生产、智能物流以及整个生产制造供应链的智能化已成为科研实践热点。仓储管理环节由原来不受重视的作业性、辅助性角色，上升为企业运营战略的重要环节也成为企业取得竞争优势、降低成本的利润源泉。当前诸多仓储管理作业仍依赖人为主观习惯和历史经验，既浪费大量存储空间，且工作效率不高。因此如何增强仓储管理智能化水平从而提高仓储系统的运行效率、降低成本已成为企业亟待解决的问题。

长期以来，国内外仓储作业优化研究主要针对传统布局(单分区或双分区)仓库，但近年来，随着以鱼骨型为代表的非传统布局方式的革新与发展以及其在空间利用率和运作效率方面表现出的优势，非传统布局立体仓库越来越受到追捧，在国内外实践中逐渐得到了推广应用。

然而，在鱼骨型非传统布局立体仓库中如何合理的分配仓储货位一直是制约其进一步推广应用的重要阻碍。不合理的货位分配不但不能发挥鱼骨型仓库在运作效率方面的优势，还将消耗大量的人力、物力和时间成本。

发明内容

本申请提供一种鱼骨型立体仓库的货位分配方法，以优化货位分配，降低仓储管理成本。

根据第一方面，一种实施例中提供一种鱼骨型立体仓库的货位分配方法,包括：S1.设置仓库货位参数和货物参数；S2.依据货位参数和货物参数得到粒子位置搜索区间与飞行速度区间，在区间内初始化粒子的位置和速度，并在区间内生成初始粒子群；S3.评价各个粒子的适应度；S4.更新各个粒子的个体最优值和粒子群的全局最优值；S5.迭代更新粒子的速度和位置；S6.判断更新后的粒子位置是否有效，如是则进行S8；否则转S7；S7.对粒子进行变异操作，再返回S6；

S8.将更新后生成的新的粒子状态与更新前的粒子状态进行对比，取其中适应度较大的粒子作为下一代更新的初始粒子，然后判断是否达到算法终止迭代次数，如是则进行S9，否则进入S3步骤；S9.选取粒子群中适应度最大的粒子作为分配结果，输出最优货位分配方案。

优选地，步骤S2中初始化粒子的位置和速度的方法为：货位参数包括货位位置信息，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，粒子n的初始位置为：

初始飞行速度为：

其中N为粒子群中的粒子数量，i为待分配货位的货物。

优选地，评价粒子适应度的方法为：

计算粒子出入库效率目标函数f₁，

其中，i为待分配货位的货物，r_i为货物存取频率，v₁为运输小车水平运动速率，v₂为运输小车垂直运动速率，l_x为运输小车从出入口沿主通道到分配货位所在货架的距离，l_y为从主通道到所在列的距离，l_h为垂直距离；

取目标函数f₁最优值得到效率最高单目标函数最优值f_1opt；

量纲归一化处理得到效率最高子目标函数：

计算货位分配的重心目标函数f₂，

其中i为待分配货位的货物，m_i为货物质量、z为货位层数，eh为货位高度

取目标函数f₂最优值得到重心最低单目标函数最优值f_2opt；

量纲归一化处理得到重心最低子目标函数：

将两个子目标函数值乘以对应权重得到总目标函数值；

F＝w₁*F₁+w₂*F₂，其中w₁为入库效率最高的权重、w₂为货架稳定性最好的权重；

总目标函数值取倒数得到粒子的适应度，G＝1/F。

优选地，更新粒子的个体最优值和粒子群的全局最优值的方法为：将当代粒子的适应度与前代粒子的适应度对比，取适应度值大的作为个体最优值，在粒子群中选取适应度最大的适应度值作为全局最优值。