[发明专利]一种基于蚁群算法和遗传算法融合的配送中心拣货路径规划方法

说明书

本发明提供一种基于蚁群算法和遗传算法融合的配送中心拣货路径规划方法。拣货路径规划方法包括：根据每一次订单拣选，得到待拣选货物的坐标。拣货车以出货台为起始点，依次经过每一个需要停留的货架拣选货物，至出货台起始位置为终点，规划出一条无碰撞、安全到达货品的、便捷的最短路径。从而有效的提高货物拣选的效率。提供一种基于遗传算法和蚁群算法融合的优化算法，先充分利用遗传算法的并行性、高效性、全局搜索性等优越性能作为蚁群算法求解组合优化问题的先验信息，生成信息素分布，然后充分利用蚁群算法的鲁棒性、正反馈性，提高配送中心货物的拣选效率。

技术领域：

本发明涉及物流工程领域和路径规划技术领域，具体涉及一种基于蚁群算法和遗传算法融合的配送中心拣货路径规划方法。

背景技术：

随着科学技术的发展，电子商务在过去的10年间获得了空前蓬勃的发展。企业现代化生产规模不断扩发，配送中心作为物流系统的核心和枢纽，是企业实现物流合理化的关键所在。其中配送中心的拣货作业是占用仓库全部劳动费用和时间消耗的比例高达60％，无论从时间和人力的成本，还是从客户服务的影响来看，拣货过程都是仓储系统运行的重要环节。拣货过程需要根据订单的属性，准确无误的挑选出顾客订单要求的货物，并及时进行配送，是仓储系统运行的重要环节，同时也是人力和时间成本消耗比例最高的环节。在企业仓储系统运行的初级阶段，企业管理者往往不愿冒大风险投入高昂固定资产，尝试新技术，而是希望在已有资源条件下，提高拣货作业效率同时降低拣货作业的成本。将拣货路径最短，行走时间最短作为物流企业优化的主要目标。在拣货作业过程中采用合适智能优化算法，进行编程，提高仓储系统的运行效率。

发明内容：

针对现有配货中心拣货效率低下，本发明的目的在于对基本蚁群算法和基本遗传算法进行融合改进，提供一种基于蚁群算法和遗传算法融合的配送中心拣货路径规划方法。

本发明提供一种基于蚁群算法和遗传算法融合的配送中心拣货路径规划方法，其特征在于，包含以下优化步骤：

步骤一：确定数学模型

旅行商问题(Traveling Salesman Problem，TSP)，也称为货担郎问题。TSP问题是已知n个城市和各城市之间的间距，寻找一条遍历所有城市且每个城市只被访问一次的路径，并保证路径总长度最短。

该问题的数学模型如下表示：

其中x_ij∈{0，1}，i∈v，j∈v

其中k是v的全部非空子集，|k|是集合k全部顶点的个数。

步骤二：配送中心拣货模型假设

根据仓储系统拣货过程的实际分析，经简化和筛选之后，对该模型进行以下描述和假设。

以该仓库的某一个存货区域作为拣货区，假设每个货位的零件货源充足。

拣货车以某一安全稳定速度在货架中匀速运行。

仓库所有货架的大小完全一样，并且承受的重量相同。

货品在拣取过程中耗费的时间忽略不计，只考虑拣货车拣选过程中在垂直和水平上的运动时间。

步骤三：编码和种群初始化

本发明根据仓储中心实际情况采用整数编码对货位进行编码，其中一条染色体表示一种拣选路径；一条染色体的基因个数表示优化区域内货品的种数，染色体的每个基因表示一个货位。初始化种群即初始搜索点，在拣选路径优化前，对货物进行归类排序，对货物按照整数编码进行编号。

步骤四：确定适应度函数，进行个体评价