论文部分内容阅读
二十一世纪物流产业的快速发展导致货物量急剧增加,货物管理更加复杂化,简单、静态的传统仓储管理已无法满足现代物流产业的需求,极大地影响了物流效率,从而影响企业的竞争力。近年来,自动化立体仓库的出现大大减少了传统仓储人工管理系统低效率、易出错的弊端,提高了仓储的效率。基于单工位堆垛机的自动化立体仓库是比较常见的一种仓库,该仓库的作业任务主要是由单工位的堆垛机货叉完成的,单工位货叉复合作业的一个周期行程中只能完成一次“存”与“取”的操作,作业效率不高。基于双工位堆垛机的自动化立体仓库的快速发展,有效地提升了仓储中货物出入仓库的效率,但是仍然存在货位分配不合理、货架不稳定、出入库效率不高等问题。因此,急需对基于双工位的自动化立体仓库进行优化,以提高自动化仓储的运行效率。本文对基于双工位堆垛机的自动化立体仓库的优化策略进行研究,主要研究内容包括货位分配优化与货物存取路径优化两个方面。实验结果表明,本文研究的方法可有效地提高货位分配的合理性以及双工位堆垛机复合作业的运行效率,从而提高自动化立体仓库的整体效率。本论文的具体研究内容如下所示:(1)为了使自动化立体仓库货位分配模型更加精确,在传统只考虑货架的稳定性、货品出入库的效率以及货品存放时间等三个参数的基础上,模型中加入了货品的相关性参数,优化了货位分配的数学模型;针对传统遗传算法在自动化立体仓库的货位优化上易出现“早熟、局部优化”等缺点,提出一种利用RBF神经网络优化遗传算法个体适应度函数的算法(RBF-GA算法),实现自动化立体仓库的货位优化;(2)针对传统双工位堆垛机的运行策略存在忽略加速与制动、运行效率低下等问题,提出了一种基于变加速的双工位堆垛机运行策略,该方法在考虑了加速与制动对货物稳定性影响的同时,又尽可能的提高了双工位堆垛机的运行效率;利用蚁群算法优化遗传算法的初始种群,并改进传统遗传算法的选择算子、交叉算子与交叉策略,实现对双工位自动存取路径复合作业的寻优。仿真结果表明,相比于传统的遗传算法,蚁群-改进遗传算法(Ant colony-improved genetic algorithm,简称AC-IGA)可以更快、更准确的实现双工位复合作业路径的寻优,且相比于路径优化前,优化后的路径时间明显减少。