[发明专利]一种考虑客户满意度的堆场起重机调度优化方法

说明书

本发明涉及一种考虑客户满意度的堆场起重机调度优化方法。本方法将客户满意度指标引入堆场起重机调度中，建立融合客户满意度因子的堆场起重机调度优化数学模型，采用改进型蜻蜓算法(Improved dragonfly algorithm,IDA)对该模型进行求解。针对标准蜻蜓算法存在收敛效率低，求解质量差的不足，引入多婚配策略以增加优良基因的遗传概率，从而改善子代个体的质量；基于高斯算子对邻域半径进行更新，有效平衡算法的局部开发与全局探索能力，提高了最优解或次优解被发现的机会。本发明进一步提高了企业的经济效益和堆场起重机的智能化水平，具有很好的推广价值和市场前景。

技术领域

本发明属于智慧堆场领域，更进一步涉及一种考虑客户满意度的堆场起重机调度优化方法。

背景技术

“客户至上”理念已逐步深入到企业文化中，让客户满意自然就成了企业追求的目标。在堆场仓储中，就道理而言，以最高效率将客户订单拣选出库应该能达到客户满意，然而，在现实大多堆场客户订单拣选作业中却忽视了客户等级，即堆场订单的拣选次序未依据客户等级进行确定，致使客户满意度下降，进而造成客户一定程度的流失。因而，寻求一种考虑客户满意度的堆场起重机调度优化方法不仅有助于提高作业效率、改善客户体验，维护及吸引客源，而且对企业改善经营策略有较好的示范作用。

迄今为止，关于起重机的调度优化问题，学者关注较多的仍是拣选路径优化，较少或未考虑客户等级等因素，因而很难满足实际应用场景。比如：Heshmati et al.(Crane-operated warehouses:Integrating location assignment and crane scheduling,ComputersIndustrial Engineering,2019)从货位分配与货物拣选次序两方面对起重机进行调度优化，并用爬山算法进行求解；李等(智能起重机货物装卸顺序优化与自动生成技术，机械工程学报，2020)通过最短搬运距离启发式规则对货物候选集进行选择以优化货物装卸顺序。

蜻蜓算法(dragonfly algorithm,DA)是由澳大利亚学者Seyedali Mirjalili于2015年基于蜻蜓的社会学行为提出的一种新型仿生群智能优化算法，该算法通过模拟蜻蜓群体避撞、结伴、聚集、觅食和避敌5种行为进行全局和局部搜索。该算法具有参数少、易于实现等优点，但仍有收敛效率低，求解质量差的不足，为此，本发明采用改进型蜻蜓算法对考虑客户满意度的堆场起重机调度优化问题进行求解。发明内容

鉴于以上分析，为克服背景技术中的不足，本发明的目的在于公开一种考虑客户满意度的堆场起重机调度优化方法，以提高作业效率和经济效益。

为达到上述目的，本发明采用如下技术方案：

一种考虑客户满意度的堆场起重机调度优化方法，包括如下步骤：

(1)在考虑客户满意度的情况下，对堆场存在的约束及要优化的目标进行分析，建立考虑客户满意度带约束的堆场起重机调度优化数学模型；

(2)初始化参数：蜻蜒种群规模N、最大进化代数G_max、进化代数计数器t、蜻蜒个数计数器n、步长ΔX，初始化蜻蜒种群个体；

(3)令t＝t+1，进行全局搜索；

(3-1)将蜻蜒个体解码为可行的堆场货物拣选次序；

(3-2)基于步骤(1)建立的数学模型计算每个蜻蜒个体适应度；

(3-3)更新食物和天敌位置；

(3-4)令n＝n+1，进行局部搜索；

(3-4-1)更新避撞、结伴、聚集、觅食和避敌5种行为因子S，A，C，F，E及其对应的权重和惯性权重s，a，c，f，e，ω；

(3-4-2)采用高斯算子更新邻域半径r；