[发明专利]一种订单分批和拣货路径联合优化方法

说明书

本发明公开了一种订单分批和拣货路径联合优化方法，建立以总拣货时间最短为目标函数的订单分批与拣货路径联合优化模型，考虑双重优化的复杂性，设计了一种嵌套遗传算法进行求解，外层针对订单分批问题，不断优化订单分批结果，内层针对路径优化问题，根据外层订单分批结果优化拣货路径。仿真结果表明：与分步优化策略对比，嵌套遗传算法得出的路径距离减少6.9％，拣货时间减少6％。本发明可以有效解决订单分批与拣货路径联合优化问题，为配送中心拣选系统优化提供依据。

技术领域

本发明涉及订单拣货路径优化，具体涉及一种基于嵌套遗传算法的订单分批和拣货路径联合优化方法。

背景技术

据统计，在配送中心拣货系统的各项作业中，拣货成本占配送中心物流总成本的60％左右，是配送中心内部消耗时间最多的环节，因此对拣货作业环节的优化至关重要。拣货作业优化包括订单分批、路径优化等，其中订单分批是路径优化的前提和拣货作业优化的关键。

目前订单分批和拣货路径主要采用分步优化，即通过不同订单分批算法得到分批结果，然后对分批结果进行路径优化，得到最短拣货距离或者最小拣货时间，其核心在于订单分批和拣货路径的分步最优。或者仅考虑订单分批问题、拣货路径优化问题两者其中之一的结果最优。

目前提出的求解优化问题的算法包括遗传算法、模拟退火算法、蚁群算法、粒子群算法等，但是这些算法不能解决订单分批和拣货路径联合优化问题。因为在联合优化模型中，订单分批和路径优化两者相互关联，每一个符合约束条件的分批结果对应一个总拣货时间，分批结果变化，总拣货时间随之改变，即订单分批和拣货路径分步优化难以获得整体最优解。

发明内容

本发明的目的在于提供一种订单分批和拣货路径联合优化方法。

为达到以上目的，本发明采用了以下技术方案：

1)以总拣货时间最短为目标，建立拣货订单分批与拣货路径联合优化模型；

2)采用嵌套遗传算法对拣货订单分批与拣货路径联合优化模型进行求解，得到最优拣货订单分批结果和最短总拣货时间；所述嵌套遗传算法包括用于优化拣货订单分批的外层遗传算法及用于优化拣货路径的内层遗传算法，内层遗传算法的优化结果反馈到外层遗传算法以计算一定分批结果下的总拣货时间。

优选的，所述外层遗传算法采用的种群是根据拣货订单聚类的个数和聚类结果，并结合随机生成方法而建立的，聚类以巷道相似系数为原则。

优选，所述内层遗传算法采用的种群是根据分批结果中同一批次的拣货订单所对应的货位集合，并结合随机生成方法而建立的。

优选的，所述内层遗传算法和外层遗传算法所建立的种群中，个体(染色体)的编码方式均采用整数编码。

优选的，所述外层遗传算法的迭代次数为≥40。

优选的，所述内层遗传算法和外层遗传算法在迭代中，个体的适应度值分别根据拣货路径的距离和总拣货时间计算。

优选的，所述拣货订单分批与拣货路径联合优化模型的数学表示为：