论文部分内容阅读
摘 要：伴随着国内汽车市场发展逐渐趋向于成熟与市场竞争力不断加大，我国制造企业必须通過各种途径与措施来降低制造成本与提升企业经济效益，才能促使自身立于不败之地。汽车零部件作为汽车制造业发展的重要组成内容，其仓储问题直接影响主机厂的稳定运行，而自动化仓储货位的功能和特点也对生产制造成本造成很大影响，因此现对汽车零部件仓储特点进行分析，并探讨自动化立体仓库在零部件仓储中应用的重要性和可行性，并结合自动化立体仓库在实际运作中存在的货位规划问题，将汽车零部件作业效率与货架安全稳定性作为仓储优化的基本目标，从而构建完善的自动化仓储货位。
关键词：汽车制造 零部件 仓储特点 货位优化
物流是汽车生产系统稳定运行的重要环节。汽车物流业即要对产品仓储和运输进行监管，也需要增强对汽车零部件整个供应链的管理，现阶段的汽车零部件供应物流，无论是与整车生产企业配套的领部件协同配送物流模式，还是第三方物流模式，每种运作方式下汽车零部件的仓储与配送都和汽车主机厂正常的均衡生产有着直接的关联。而立体仓库因其吞吐量大、排列整齐的仓储特点而应用日益广泛。相应的对自动化仓储货位的有效管理也成为其中的重要组成部分。所以我们从以下两方面对此进行探讨：一是对汽车零部件仓储特点进行分析，探究自动化立体仓储在汽车零部件仓储中应用的必要性和可行性；二是结合当前自动化立体仓库货位规划存在的主要问题与汽车零部件物流中心的实际状况，使用多目标混合遗传算法来不断优化汽车零部件的自动化立体仓库零部件货架货位，从而全面提升汽车零部件出库效率和货架稳定性，并达到主机厂生产的基本需求。
一、对汽车零部件仓储的基本特点进行分析
1.汽车零部件种类众多。通常情况下每辆汽车的零部件大约在15000个以上，汽车制造厂为了充分满足用户使用需求，通常会同时生产多种细分车型，因此有的零件还划分为不同的版本型号，汽车零部件仓储种类高达数千种甚至上万种，因此必须要建立起完善的汽车分类制度才能有效进行零部件仓储管理。
2.汽车零部件包装容器形态多种多样。包装汽车零部件主要是为了保护零部件性能和方便流通。制造商以降低运输成本为设计目的，并根据汽车零部件的形状大小设计零件包装容器。但有的经济型的包装容器无法适应和承受运输过程中的外力冲击，产生破包现象，严重影响零部件仓储自动化作业的运行稳定性和运行效率。但是如果为了方便仓储将所有零件包装容器都加固加厚，不仅会使材料和人工成本急剧增加，还会导致仓库空间利用率小。因此，需要通过合理分类零部件，使不同性能和运往不同地区的零件有与之相适应的包装容器。
3.汽车零部件入出库作业要求相对较高。汽车零部件仓储作业是物流服务的主要提供者，在作业和运行过程中必须将主机厂的生产需求作为工作核心，仓储作业的实施必须要主机厂生产一致。例如一主机厂使用批次生产方式进行生产，将60辆份/批次作为生产单位，而每个批次生产时间大约是50分钟，因此仓储企业就需要在50分钟内至少完成60两汽车零部件出库作业，只有这样才能确保仓储出库作业的效率。而要保证按时按量出库，就必须保证入库的数量能达到出库所要求的储备量。
4.汽车零部件作业“先进先出”的基本要求。在制造和生产汽车过程中，主机厂需要根据市场与用户的基本需求来提前制定生产计划，然后再向零部件供应商下达零件供货命令，而零部件供应商则根据主机厂下达的生产计划向物流仓库供货。汽车零部件仓库中的各个零部件消耗时间都是明确的，而各个零部件的入库和出库都必须要遵循“先进先出”的基本要求，便于对汽车零部件的管理。传统平面库“后进先出”的模式不仅会导致汽车零部件堆放受到制约，而且还无法满足“先进先出”的作业要求。而将自动化立体仓库系统用于零部件仓储中，则有利于全面提升仓库空间利用率，同时还能满足“先进先出”的要求。将自动化立体仓库应用于汽车零部件仓储中能够充分满足零部件“先进先出”作业的基本要求，同时还能有效提升仓库的运作效率和利用率。因为汽车零部件种类多种多样，而包装形式也相对复杂，再加上出库作业要求严格，所以用自动化系统可以根据包装容器形状大小来合理分类零部件，并规划出合适的货架，从而全面提升零部件出库的效率与稳定性。
二、提出完善的自动化立体仓库货位分配控制策略
当前，为了全面提升自动化立体仓库的运行效率与便于仓库货位管理，通常情况下会使用以下几个常用的货位分配控制策略。（1）优化先进先出原则。不断优化先进先出的原则，使用改进的先进先出原则，如果检验合格的有效期是12个月，则可以按照货物入库时间先后来管理，若是货物入库时间不满1个月，那么就可以直接忽略先进先出的基本原则，并根据距离远近来管理货物，从而全面提升出库效率和运行稳定性。（2）遵循上轻下重的原则。针对于所有入库的货物，将所有重物放置在仓库下架部位，轻物放置在上部位置，确保货架货物受力的稳定性。（3）划分巷道存放货物。若是仓库存在多个巷道，则同种货物可以分散放置在不同巷道。（4）货物相关性原则。通常情况下相关性较大的货物会同时出库，因此在存放货物时可以将相关性较大存放在相邻的位置。（5）划分货物存放区域。结合货物出入库的基本特点和出入库频率划分立体仓库货物存放区域。（6）按照最短线路存放货物。在出入库货物过程中，明确货物存放区域，并将距离入库台最近的货位用作入库货位。当然，由于各个储存仓库的所保管的汽车零件的类型不尽相同，所以上述的货位分配控制策略并不见得可以在一个仓库中全部推行。但我们可以结合实际情况，努力探讨这些控制策略综合运用的最佳方式。
三、不断优化仓储货位
为了保障零部件仓库作业的效率和货架稳定性，不仅需要采用基本储存策略，而且还应当制定完善的货位分配策略，从而有效管理零部件仓储问题，全面提升立体仓库的运行效率。
1.零部件周转率原则。零部件周转率是指在一定时期内，销售出去的汽车中包含的零件成本和平均存货余额的比率，这种算法所得出的周转率主要反映的是零部件周转速度，存货周转速度反映存货管理水平，存货周转率越高，存货的占用水平越低，流动性越强。从优化货位方面来说，周转率相对较高的零部件通常情况下放置在出库口近的位置，这样不仅能够缩减货物作业路途，还能有效减少作业耗费，此外货物作业时间缩短在一定程度上提高了仓库作业的效率。 2.遵循货架稳定性的基本原则。仓库货架自身承重量有限，因此必须按照货架承重量来放置汽车零部件。同时放置零部件还需要遵守承重均匀和上轻下重的原则，尽量将重量轻的货物放置在高支架上，将重量较重的货物放置在低支架上，降低仓库货架重心，从而保障货架的稳定性。此外汽车零部件应分散放置在仓库货架各个位置，以免仓储货架受力不均。
四、建立仓储货架布局多目标优化数学模型
结合汽车零部件周转率与货架稳定性的基本原则，降低零部件出库时间与货物支架重心是货架优化的主要目标，现将仓库空间限制作为约束基本条件，并建立起仓储货架货位优化的多目标数学模型。
解释并说明上述数学模型公式中的常量：公式中的L0是已知常量代表着货位单元格的长度，公式中的Sxyz代表货位（x，y，z）处零部件的出库频次，通过基础信息计算得出其为已知常量，公式中的mxy为已知常量代表着货位（x，y，z）处零部件的质量。
五、以混合遗传算法求解模型作为基础
仓储货位布局问题可以看作是多目标组合优化问题，在探究多目标优化问题时就需要对各个目标进行综合考虑，并确保各个目标函数值趋向于求解值，从而实现多目标最优化。所以使用遗传算法和随机权重系数法将公式分解成多个群体，再计算各个群体的最优值。
1.采用随机权重系数法。权重系数变化法的公式表述为：假设多目标优化问题有q个需要最小化的目标函数，给每个目标函数fi（x）（i=1，2，...q动各自赋予权重；（i=1，2，...q}，这里各权重值Wi的大小表示对应的子目标函数fi（x）的重要程度。则多目标优化问题则表示为以下公式：
公式中的ri代表非负的随机数。
选出个体进行交叉前由公式（2）生成随机权重值，并按照公式（1）计算个体适应度值。根据公式可知第i个个体被选择到的概率pi，公式如下：
上述公式中Ymin代表当前种群中最差的个体适应值，算法交叉变异时需要在每代暂时存储一组最优解并每代进行更新。
2.确定适应度函数和设计算子。（1）适应度函数：在各个计算公式中遗传算法中适应度主要是用以度量个体经过优化计算后接近最优解的优化程度，适应度函数数值越大越好。此处的目标函数都是求最小值，函数取值范围为（0，+∞），所以适应度函数数值可以直接取目标函数的倒数，并根据适应度数值衡量优化程度。为了有效避免数据溢出，可以在目标函数值基础上加1。（2）选择算子：选择N/2对父本进行交叉操作时，根据式（2）产生N/2个权向量，由式（1）计算个体的适应值，经过线性函数变化后得出个体选择概率为：
公式中N是种群规模，fmin代表着当前种群最小适应值。根据选择概率在当前种群中选择一对父本，然后再进行交叉与变异操作，生成两个新个体，并将新个体作为初始点然后再展开局部搜索。（3）对交叉算子进行设计。此处交叉算子所使用的是二进制交叉算子。由父代个体xi（1.t）和xi（2.t）產生子代个体xi（1.t+1）和xi（2.t+1）的过程如下：
选择随机数ui∈[0，1），再计算一个月的值，即：
种群中并不是所有父代都参与交叉过程，主要是为了保留部分良好的个体。假设交叉概率为Pc，则种群中100（1-Pc）%个个体被用来交叉，同时100Pc%个体直接进入子代都新的种群中。（4）进行变异算子设计。变异算子使用多项式变异算子，算子从父代个体xi（1.t）产生子代个体xi（1.t+1）的具体的操作过程为：选择一个随机数ui∈[0，1），然后计算一个βi的值，如下公式：
产生的子代计算如下：xi（1.t+1）=xi（1.t）+βi（5）局部搜索过程：采用基于Pareto支配关系的并行搜索策略对非劣解展开局部搜索，操作过程如下：（1）设定一个由遗传操作得到的初始解X；（2）对X中的每一个解x产生一个领域N（x），由该领域产生一个解y；（3）若f（y） > f（x），则令X=y，否则保持当前解不变；（4）若了解当前领域解，那么算法结束，否则返回步骤2）。
3.实现混合遗传算法的基本流程。编码：按照整数排列编码方式来编码染色体，而基因所在的位置则代表着货位上零部件编号，基因代表着存储货位坐标。（1）建立初始种群：使用随机方法产生规定数量N=40的初始种群。（2）对当前种群中个体适应值进行评价，在选用Ne个非受支配解放置在暂定集合。（3）根据公式（2）可以得出随机权重系数，使用比列算子选择（（N-Ne）对父代个体。（4）选用（N-Ne）对父代个体执行交叉操作进而得到（N-Ne）个新个体，然后再对新个体进行变异操作。（5）在暂定集合中选用Ne个非受支配解，然后再合并（（N-Ne）个解，并执行局部搜索得到的N个新解，并用作新的当前种群。（6）遗传次数如果达到规定最大值100，则终止运算，否则返回步骤（3）。
六、仿真验证和结论分析
1.各项参数数据设定和录入。通过MATLAB的优化求解程序设计，按照表1数据进行阐述数据设定和录入。
通过选用某汽车仓储中心部分零件数据样本，通过计算得知各个零部件的重量和周转率以及货位坐标，表2是待优化零部件的初始数据，15种零部件初始货位坐标为：（1，4，2），（2，4，1）， （3，2，1）， （1，3，4）， （3，1，4）， （1，1，1）， （2，4，2）， （1，1，4），（3，2，2）， （4，4，4）， （2，2，3）， （1，4，3）， （3，3，4）， （4，3，4）， （4，4，2）。
2.对仿真结论进行分析和模型验证过程。（1）对仿真结果进行分析：为了保证优化仿真的真实性和准确性，使周转率和零部件重量数据转化成等价数据，也就是说周转率是0.62的零部件优化求解数值为62，通过MATLAB优化得出求解程序。染色体转换成货位坐标为：（2，3，1）， （3，2，1），（2，1，2）， （1，2，2）， （1，2，1）， （1，3，1）， （2，4，1）， （2，1，1）， （1，1，1），（1，1，2）， （1，4，1）， （2，2，1）， （4，1，1）， （3，1，1）， （3，3，1）。通过优化前后将零部件坐标代到目标函数，可得目标函数数值，如下表3。
通过表3得知，通过优化后汽车零部件的三个目标即出库时间和货架重心以及货架不稳定性都有所改善，且三个目标降低率是46.190%、59.16%、44.40%。通过MATLAB模拟货位优化前后的三维模拟图，如图1.通过下图可知货位前货位杂乱无章，优化后货位分配更加完善，布局更加合理，有效提高零部件出库效率和货架稳定性。周转率sxyz>0.4的零部件使用黑色表示，sxyz<0.2的汽车零部件使用红色表示，而0.2 通过仿真验证表明，不是所有周转率大的汽车零部件都靠近出入口，货架底层也没有完全符合零部件储存条件，主要是货位优化是多目标优化问题，所以部分个体可能需要向其他目标妥协，从而实现全局最优。
七、结语
通过多目标混合遗传算法理论和MATLAB模拟软件以及某汽车零部件仓储数据进行研究，分析货位布局存在的主要问题，并通过仿真分析和优化，不断改善货位布局，对于汽车零部件仓储货位优化发挥着重要的作用。
参考文献：
[1]鄂晓征，祖巧红，曹萌萌.基于遗传算法的汽车零件自动化仓储货位优化[J].系统仿真学报，2013，（03）.
[2]杨磊，何梦溪，招智生.第三方物流企业的自动化立体仓库货位优化策略[J].物流技术，2010，（17）.
[3]崔江波，朱瑞龙.自动化仓储系统引发的企业流程再造问题[J].电脑知识与技术，2014，（35）.
关键词：汽车制造 零部件 仓储特点 货位优化
物流是汽车生产系统稳定运行的重要环节。汽车物流业即要对产品仓储和运输进行监管，也需要增强对汽车零部件整个供应链的管理，现阶段的汽车零部件供应物流，无论是与整车生产企业配套的领部件协同配送物流模式，还是第三方物流模式，每种运作方式下汽车零部件的仓储与配送都和汽车主机厂正常的均衡生产有着直接的关联。而立体仓库因其吞吐量大、排列整齐的仓储特点而应用日益广泛。相应的对自动化仓储货位的有效管理也成为其中的重要组成部分。所以我们从以下两方面对此进行探讨：一是对汽车零部件仓储特点进行分析，探究自动化立体仓储在汽车零部件仓储中应用的必要性和可行性；二是结合当前自动化立体仓库货位规划存在的主要问题与汽车零部件物流中心的实际状况，使用多目标混合遗传算法来不断优化汽车零部件的自动化立体仓库零部件货架货位，从而全面提升汽车零部件出库效率和货架稳定性，并达到主机厂生产的基本需求。
一、对汽车零部件仓储的基本特点进行分析
1.汽车零部件种类众多。通常情况下每辆汽车的零部件大约在15000个以上，汽车制造厂为了充分满足用户使用需求，通常会同时生产多种细分车型，因此有的零件还划分为不同的版本型号，汽车零部件仓储种类高达数千种甚至上万种，因此必须要建立起完善的汽车分类制度才能有效进行零部件仓储管理。
2.汽车零部件包装容器形态多种多样。包装汽车零部件主要是为了保护零部件性能和方便流通。制造商以降低运输成本为设计目的，并根据汽车零部件的形状大小设计零件包装容器。但有的经济型的包装容器无法适应和承受运输过程中的外力冲击，产生破包现象，严重影响零部件仓储自动化作业的运行稳定性和运行效率。但是如果为了方便仓储将所有零件包装容器都加固加厚，不仅会使材料和人工成本急剧增加，还会导致仓库空间利用率小。因此，需要通过合理分类零部件，使不同性能和运往不同地区的零件有与之相适应的包装容器。
3.汽车零部件入出库作业要求相对较高。汽车零部件仓储作业是物流服务的主要提供者，在作业和运行过程中必须将主机厂的生产需求作为工作核心，仓储作业的实施必须要主机厂生产一致。例如一主机厂使用批次生产方式进行生产，将60辆份/批次作为生产单位，而每个批次生产时间大约是50分钟，因此仓储企业就需要在50分钟内至少完成60两汽车零部件出库作业，只有这样才能确保仓储出库作业的效率。而要保证按时按量出库，就必须保证入库的数量能达到出库所要求的储备量。
4.汽车零部件作业“先进先出”的基本要求。在制造和生产汽车过程中，主机厂需要根据市场与用户的基本需求来提前制定生产计划，然后再向零部件供应商下达零件供货命令，而零部件供应商则根据主机厂下达的生产计划向物流仓库供货。汽车零部件仓库中的各个零部件消耗时间都是明确的，而各个零部件的入库和出库都必须要遵循“先进先出”的基本要求，便于对汽车零部件的管理。传统平面库“后进先出”的模式不仅会导致汽车零部件堆放受到制约，而且还无法满足“先进先出”的作业要求。而将自动化立体仓库系统用于零部件仓储中，则有利于全面提升仓库空间利用率，同时还能满足“先进先出”的要求。将自动化立体仓库应用于汽车零部件仓储中能够充分满足零部件“先进先出”作业的基本要求，同时还能有效提升仓库的运作效率和利用率。因为汽车零部件种类多种多样，而包装形式也相对复杂，再加上出库作业要求严格，所以用自动化系统可以根据包装容器形状大小来合理分类零部件，并规划出合适的货架，从而全面提升零部件出库的效率与稳定性。
二、提出完善的自动化立体仓库货位分配控制策略
当前，为了全面提升自动化立体仓库的运行效率与便于仓库货位管理，通常情况下会使用以下几个常用的货位分配控制策略。（1）优化先进先出原则。不断优化先进先出的原则，使用改进的先进先出原则，如果检验合格的有效期是12个月，则可以按照货物入库时间先后来管理，若是货物入库时间不满1个月，那么就可以直接忽略先进先出的基本原则，并根据距离远近来管理货物，从而全面提升出库效率和运行稳定性。（2）遵循上轻下重的原则。针对于所有入库的货物，将所有重物放置在仓库下架部位，轻物放置在上部位置，确保货架货物受力的稳定性。（3）划分巷道存放货物。若是仓库存在多个巷道，则同种货物可以分散放置在不同巷道。（4）货物相关性原则。通常情况下相关性较大的货物会同时出库，因此在存放货物时可以将相关性较大存放在相邻的位置。（5）划分货物存放区域。结合货物出入库的基本特点和出入库频率划分立体仓库货物存放区域。（6）按照最短线路存放货物。在出入库货物过程中，明确货物存放区域，并将距离入库台最近的货位用作入库货位。当然，由于各个储存仓库的所保管的汽车零件的类型不尽相同，所以上述的货位分配控制策略并不见得可以在一个仓库中全部推行。但我们可以结合实际情况，努力探讨这些控制策略综合运用的最佳方式。
三、不断优化仓储货位
为了保障零部件仓库作业的效率和货架稳定性，不仅需要采用基本储存策略，而且还应当制定完善的货位分配策略，从而有效管理零部件仓储问题，全面提升立体仓库的运行效率。
1.零部件周转率原则。零部件周转率是指在一定时期内，销售出去的汽车中包含的零件成本和平均存货余额的比率，这种算法所得出的周转率主要反映的是零部件周转速度，存货周转速度反映存货管理水平，存货周转率越高，存货的占用水平越低，流动性越强。从优化货位方面来说，周转率相对较高的零部件通常情况下放置在出库口近的位置，这样不仅能够缩减货物作业路途，还能有效减少作业耗费，此外货物作业时间缩短在一定程度上提高了仓库作业的效率。 2.遵循货架稳定性的基本原则。仓库货架自身承重量有限，因此必须按照货架承重量来放置汽车零部件。同时放置零部件还需要遵守承重均匀和上轻下重的原则，尽量将重量轻的货物放置在高支架上，将重量较重的货物放置在低支架上，降低仓库货架重心，从而保障货架的稳定性。此外汽车零部件应分散放置在仓库货架各个位置，以免仓储货架受力不均。
四、建立仓储货架布局多目标优化数学模型
结合汽车零部件周转率与货架稳定性的基本原则，降低零部件出库时间与货物支架重心是货架优化的主要目标，现将仓库空间限制作为约束基本条件，并建立起仓储货架货位优化的多目标数学模型。
解释并说明上述数学模型公式中的常量：公式中的L0是已知常量代表着货位单元格的长度，公式中的Sxyz代表货位（x，y，z）处零部件的出库频次，通过基础信息计算得出其为已知常量，公式中的mxy为已知常量代表着货位（x，y，z）处零部件的质量。
五、以混合遗传算法求解模型作为基础
仓储货位布局问题可以看作是多目标组合优化问题，在探究多目标优化问题时就需要对各个目标进行综合考虑，并确保各个目标函数值趋向于求解值，从而实现多目标最优化。所以使用遗传算法和随机权重系数法将公式分解成多个群体，再计算各个群体的最优值。
1.采用随机权重系数法。权重系数变化法的公式表述为：假设多目标优化问题有q个需要最小化的目标函数，给每个目标函数fi（x）（i=1，2，...q动各自赋予权重；（i=1，2，...q}，这里各权重值Wi的大小表示对应的子目标函数fi（x）的重要程度。则多目标优化问题则表示为以下公式：
公式中的ri代表非负的随机数。
选出个体进行交叉前由公式（2）生成随机权重值，并按照公式（1）计算个体适应度值。根据公式可知第i个个体被选择到的概率pi，公式如下：
上述公式中Ymin代表当前种群中最差的个体适应值，算法交叉变异时需要在每代暂时存储一组最优解并每代进行更新。
2.确定适应度函数和设计算子。（1）适应度函数：在各个计算公式中遗传算法中适应度主要是用以度量个体经过优化计算后接近最优解的优化程度，适应度函数数值越大越好。此处的目标函数都是求最小值，函数取值范围为（0，+∞），所以适应度函数数值可以直接取目标函数的倒数，并根据适应度数值衡量优化程度。为了有效避免数据溢出，可以在目标函数值基础上加1。（2）选择算子：选择N/2对父本进行交叉操作时，根据式（2）产生N/2个权向量，由式（1）计算个体的适应值，经过线性函数变化后得出个体选择概率为：
公式中N是种群规模，fmin代表着当前种群最小适应值。根据选择概率在当前种群中选择一对父本，然后再进行交叉与变异操作，生成两个新个体，并将新个体作为初始点然后再展开局部搜索。（3）对交叉算子进行设计。此处交叉算子所使用的是二进制交叉算子。由父代个体xi（1.t）和xi（2.t）產生子代个体xi（1.t+1）和xi（2.t+1）的过程如下：
选择随机数ui∈[0，1），再计算一个月的值，即：
种群中并不是所有父代都参与交叉过程，主要是为了保留部分良好的个体。假设交叉概率为Pc，则种群中100（1-Pc）%个个体被用来交叉，同时100Pc%个体直接进入子代都新的种群中。（4）进行变异算子设计。变异算子使用多项式变异算子，算子从父代个体xi（1.t）产生子代个体xi（1.t+1）的具体的操作过程为：选择一个随机数ui∈[0，1），然后计算一个βi的值，如下公式：
产生的子代计算如下：xi（1.t+1）=xi（1.t）+βi（5）局部搜索过程：采用基于Pareto支配关系的并行搜索策略对非劣解展开局部搜索，操作过程如下：（1）设定一个由遗传操作得到的初始解X；（2）对X中的每一个解x产生一个领域N（x），由该领域产生一个解y；（3）若f（y） > f（x），则令X=y，否则保持当前解不变；（4）若了解当前领域解，那么算法结束，否则返回步骤2）。
3.实现混合遗传算法的基本流程。编码：按照整数排列编码方式来编码染色体，而基因所在的位置则代表着货位上零部件编号，基因代表着存储货位坐标。（1）建立初始种群：使用随机方法产生规定数量N=40的初始种群。（2）对当前种群中个体适应值进行评价，在选用Ne个非受支配解放置在暂定集合。（3）根据公式（2）可以得出随机权重系数，使用比列算子选择（（N-Ne）对父代个体。（4）选用（N-Ne）对父代个体执行交叉操作进而得到（N-Ne）个新个体，然后再对新个体进行变异操作。（5）在暂定集合中选用Ne个非受支配解，然后再合并（（N-Ne）个解，并执行局部搜索得到的N个新解，并用作新的当前种群。（6）遗传次数如果达到规定最大值100，则终止运算，否则返回步骤（3）。
六、仿真验证和结论分析
1.各项参数数据设定和录入。通过MATLAB的优化求解程序设计，按照表1数据进行阐述数据设定和录入。
通过选用某汽车仓储中心部分零件数据样本，通过计算得知各个零部件的重量和周转率以及货位坐标，表2是待优化零部件的初始数据，15种零部件初始货位坐标为：（1，4，2），（2，4，1）， （3，2，1）， （1，3，4）， （3，1，4）， （1，1，1）， （2，4，2）， （1，1，4），（3，2，2）， （4，4，4）， （2，2，3）， （1，4，3）， （3，3，4）， （4，3，4）， （4，4，2）。
2.对仿真结论进行分析和模型验证过程。（1）对仿真结果进行分析：为了保证优化仿真的真实性和准确性，使周转率和零部件重量数据转化成等价数据，也就是说周转率是0.62的零部件优化求解数值为62，通过MATLAB优化得出求解程序。染色体转换成货位坐标为：（2，3，1）， （3，2，1），（2，1，2）， （1，2，2）， （1，2，1）， （1，3，1）， （2，4，1）， （2，1，1）， （1，1，1），（1，1，2）， （1，4，1）， （2，2，1）， （4，1，1）， （3，1，1）， （3，3，1）。通过优化前后将零部件坐标代到目标函数，可得目标函数数值，如下表3。
通过表3得知，通过优化后汽车零部件的三个目标即出库时间和货架重心以及货架不稳定性都有所改善，且三个目标降低率是46.190%、59.16%、44.40%。通过MATLAB模拟货位优化前后的三维模拟图，如图1.通过下图可知货位前货位杂乱无章，优化后货位分配更加完善，布局更加合理，有效提高零部件出库效率和货架稳定性。周转率sxyz>0.4的零部件使用黑色表示，sxyz<0.2的汽车零部件使用红色表示，而0.2
七、结语
通过多目标混合遗传算法理论和MATLAB模拟软件以及某汽车零部件仓储数据进行研究，分析货位布局存在的主要问题，并通过仿真分析和优化，不断改善货位布局，对于汽车零部件仓储货位优化发挥着重要的作用。
参考文献：
[1]鄂晓征，祖巧红，曹萌萌.基于遗传算法的汽车零件自动化仓储货位优化[J].系统仿真学报，2013，（03）.
[2]杨磊，何梦溪，招智生.第三方物流企业的自动化立体仓库货位优化策略[J].物流技术，2010，（17）.
[3]崔江波，朱瑞龙.自动化仓储系统引发的企业流程再造问题[J].电脑知识与技术，2014，（35）.