中北大學(xué)機(jī)械與動(dòng)力工程學(xué)院 姚貝貝 劉永姜 王 洋

自動(dòng)化立體倉(cāng)庫(kù)出庫(kù)貨位分配優(yōu)化研究

中北大學(xué)機(jī)械與動(dòng)力工程學(xué)院 姚貝貝 劉永姜 王 洋

在系統(tǒng)研究自動(dòng)化立體倉(cāng)庫(kù)的基礎(chǔ)上，分析了立體倉(cāng)庫(kù)出庫(kù)作業(yè)的揀選策略。針對(duì)倉(cāng)儲(chǔ)中的出庫(kù)揀選優(yōu)化問(wèn)題，以巷道堆垛機(jī)行走距離最短為目標(biāo)建立函數(shù)模型。并以某自動(dòng)化立體倉(cāng)庫(kù)為例，運(yùn)用人工蟻群算法進(jìn)行實(shí)例仿真來(lái)求解最短路徑，優(yōu)化后得到一組收斂可行解，同時(shí)提高了貨物的出入庫(kù)效率。

自動(dòng)化立體倉(cāng)庫(kù)；人工蟻群算法

1 建立出庫(kù)貨位優(yōu)化模型

1.1 揀選作業(yè)優(yōu)化目標(biāo)的定義

按揀選流程將堆垛機(jī)的調(diào)度問(wèn)題歸納為：由出／入庫(kù)站臺(tái)起點(diǎn)出發(fā)，揀取存在于n個(gè)不同貨格的貨物，堆垛機(jī)去到一個(gè)貨格，取出貨位托盤(pán)，返回出入庫(kù)站臺(tái)，待取出一定數(shù)量的貨物后，將托盤(pán)送回，去往下一個(gè)待揀選貨位點(diǎn)，且每個(gè)貨格在存取過(guò)程中僅去一次，依次揀取完n個(gè)貨物，最后回到出／入庫(kù)站臺(tái)。求堆垛機(jī)在這整個(gè)撿取過(guò)程中行走的最短距離[1]。

1.2 揀選作業(yè)優(yōu)化模型的建立

堆垛機(jī)由出／入庫(kù)站臺(tái)出發(fā)，取完貨單上第一條目貨物并將托盤(pán)送回原貨位所需要時(shí)間[2]：

堆垛機(jī)從取完第一貨物的貨位出發(fā)，到將第二貨物取回且把托盤(pán)送回原貨位所需要時(shí)間為：

依次類(lèi)推，可得出堆垛機(jī)從n-1條目貨物的貨位出發(fā)取回最后一件貨物，并最終將堆垛機(jī)送回出/入庫(kù)站臺(tái)所需要總時(shí)間為：

n件貨物都取回需要總時(shí)間為：

因此建立的數(shù)學(xué)模型為：

2 出庫(kù)揀貨作業(yè)貨位優(yōu)化模型的求解

2.1 算法設(shè)計(jì)

分布式計(jì)算和魯棒性強(qiáng)是蟻群算法具有的主要優(yōu)點(diǎn)，作為一種新的仿生物啟發(fā)式優(yōu)化算法，具有很強(qiáng)的尋找較好解和實(shí)現(xiàn)收斂的能力，在解決組合優(yōu)化問(wèn)題方面[3]。因此，用蟻群算法來(lái)進(jìn)行求解。

2.2 蟻群算法求解步驟

1)進(jìn)行初始化設(shè)置，即：設(shè)置最大迭代次數(shù)Imax，當(dāng)前迭代次數(shù)I和螞蟻總數(shù)m；

2)放置m只螞蟻在起點(diǎn)；

3)進(jìn)行路線的構(gòu)造。堆垛機(jī)用螞蟻進(jìn)行模擬，每一個(gè)巷道堆垛機(jī)用一只螞蟻代表，根據(jù)各路徑上信息素量的大小，螞蟻?zhàn)约簺Q定下一步的轉(zhuǎn)移方向[4]。

4)將各路段局部信息素量的大小進(jìn)行更新；

5)當(dāng)所有螞蟻?zhàn)咄耆柯肪€時(shí)，轉(zhuǎn)向步驟6)；否則轉(zhuǎn)向步驟3)；

6)改變各路段信息素值的大小，通過(guò)采用一定的更新規(guī)則。當(dāng)螞蟻完成一次循環(huán)后，各路徑上信息素量的大小可以根據(jù)以下公式進(jìn)行調(diào)整：

7)若滿足終止條件，則結(jié)束；否則轉(zhuǎn)向步驟2)進(jìn)行下一代進(jìn)化，置I=I+l。

3 實(shí)例求解

以某自動(dòng)化立體倉(cāng)庫(kù)為例，假設(shè)該倉(cāng)庫(kù)系統(tǒng)有24排，10層，72列。選取某排貨架，其各參數(shù)為：

取某次揀選作業(yè)，共22個(gè)待揀選貨物，其坐標(biāo)信息如表1所示。

表1 待揀選貨物坐標(biāo)

設(shè)Imax=500，在matlab中運(yùn)行所編的蟻群算法程序，得到每代最短距離和平均距離(單位：米)圖。

圖1 每代最短距離和平均距離

同時(shí)可得到巷道堆垛機(jī)優(yōu)化后的行走路徑為：

4 總結(jié)

本文以巷道堆垛機(jī)總運(yùn)行時(shí)間最短為目標(biāo)，在提出合理假設(shè)的基礎(chǔ)上，根據(jù)所要解決的問(wèn)題建立數(shù)學(xué)模型。并以某物流中心立體倉(cāng)庫(kù)的揀貨單為實(shí)驗(yàn)依據(jù)，對(duì)所建模型利用人工蟻群算法進(jìn)行路徑優(yōu)化求解，得到最短路徑，縮短了巷道堆垛機(jī)的工作時(shí)間，降低了能耗，同時(shí)節(jié)省了立體倉(cāng)庫(kù)運(yùn)營(yíng)成本。

[1]吳忠明,盧軍鋒．自動(dòng)化立體倉(cāng)庫(kù)貨位優(yōu)化研究[J]．裝備制造技術(shù),2011,12(9):184-185．

[2]蔡光躍,董卿恩．遺傳算法和蟻群算法在求解TSP問(wèn)題上的對(duì)比分析[J]．計(jì)算機(jī)工程與應(yīng)用．

[3]Dorigo M,Birattari M,Stiitzle T．Ant Colony Optimization: Artificial Ants As a Computational Intelligence Technique[J]．IEEE Computational Intelligence Magazine,2006,11(15):28-39．

[4]計(jì)三有,陳厚松．基于蟻群算法的立體倉(cāng)庫(kù)揀選作業(yè)優(yōu)化[J]．武漢理工大學(xué)學(xué)報(bào),2010,32(23):69-71．

Study on Optimization of warehousing in Automatic Storage and Retrieval Systems

Yao Bei-bei,Liu Yong-jiang,Wang Yang
(North University of China,School of Mechanical and Power Engineering)

In the basic of studying warehousing in automatic storage and retrieval system, we analyzed the picking strategy in retrieval system. Based on the simulation,optimized results show that the stability of the shelves have improved significantly and the efficiency of storage and retrieval improved.

automatic storage and retrieval system;ant colony algorithm