自動化倉儲系統(tǒng)優(yōu)化方法的研究.pdf

1、自動化倉儲系統(tǒng)(AS/RS)是現(xiàn)代工廠物流和CIMS中的重要環(huán)節(jié)，隨著現(xiàn)代工業(yè)生產(chǎn)的發(fā)展，對自動化倉儲提出了更高的要求。本文將現(xiàn)代智能優(yōu)化理論的研究與AS/RS應(yīng)用相結(jié)合，以進(jìn)一步完善倉儲的智能化管理、提高系統(tǒng)整體效率為目標(biāo)，開展自動化倉儲系統(tǒng)優(yōu)化方法的研究，對提高企業(yè)競爭力和國民經(jīng)濟(jì)的運(yùn)行質(zhì)量都具有重要的理論和實際意義。 AS/RS是一個離散的、隨機(jī)的、動態(tài)的、多因素、多目標(biāo)的復(fù)雜系統(tǒng)，對AS/RS的智能化管理將導(dǎo)致復(fù)雜的系統(tǒng)

2、優(yōu)化問題。傳統(tǒng)的方法求解過程不僅時間較長、成本較高，而且很難求得最優(yōu)解。本文通過采用智能優(yōu)化遺傳算法(GA)和基于群集智能的蟻群算法(ACO)對AS/RS的若干優(yōu)化問題進(jìn)行研究，提出了相應(yīng)的改進(jìn)算法并進(jìn)行了實例驗證。論文主要工作如下： 1.針對AS/RS輸送系統(tǒng)在實際運(yùn)行時導(dǎo)致設(shè)備資源利用沖突和自動導(dǎo)引小車(AGV)的任務(wù)分配問題，建立了考慮多個復(fù)雜約束條件的AGV優(yōu)化調(diào)度問題的多參數(shù)優(yōu)化數(shù)學(xué)模型。將局部搜索技術(shù)引入標(biāo)準(zhǔn)遺傳算法

3、中，提出了帶有局部搜索的混合遺傳算法。該算法解決了局部搜索中尋找高效鄰域結(jié)構(gòu)的技術(shù)難題，能夠搜索到問題的全局解，有效地解決了輸送系統(tǒng)出現(xiàn)的死鎖和瓶頸效應(yīng)問題。 2.針對貨物存取頻繁和存儲貨位動態(tài)變化問題，建立了固定貨架系統(tǒng)貨位分配優(yōu)化問題的多目標(biāo)模型；針對分配模型各目標(biāo)存在相互沖突不存在唯一的最優(yōu)解，提出了基于Pareto最優(yōu)和小生境技術(shù)的改進(jìn)遺傳算法。該算法除了常規(guī)遺傳操作以外，設(shè)計了Pareto解集過濾器和小生境技術(shù)，求得均

4、勻分布的Pareto最優(yōu)解集，較好地解決了貨位分配多目標(biāo)優(yōu)化問題，并為AS/RS提供多種動態(tài)優(yōu)化解決方案。 3.為進(jìn)一步提高AS/RS效率需要解決大規(guī)模入/出庫揀選作業(yè)的路徑規(guī)劃問題。本文首先針對水平分層旋轉(zhuǎn)貨架系統(tǒng)的特點構(gòu)建了揀選作業(yè)路徑規(guī)劃問題的數(shù)學(xué)模型。然后針對不同設(shè)備配置下的固定貨架系統(tǒng)，定義了單巷道固定貨架揀選作業(yè)問題(SAOPP)和多巷道固定貨架揀選作業(yè)問題(MAOPP)：分別構(gòu)建了SAOPP路徑規(guī)劃數(shù)學(xué)模型和作業(yè)次

5、數(shù)不確定的MAOPP路徑規(guī)劃的多目標(biāo)數(shù)學(xué)模型。針對ACO算法求解路徑規(guī)劃問題存在容易出現(xiàn)停滯現(xiàn)象，提出了自適應(yīng)動態(tài)改變信息素?fù)]發(fā)系數(shù)的策略；針對ACO算法求解大規(guī)模路徑規(guī)劃問題時存在的收斂速度慢，容易陷入局部最優(yōu)的缺陷，提出了候選點集合策略、動態(tài)插入點策略及選擇算子的策略。實驗證明用本文設(shè)計的新型改進(jìn)ACO算法求解大規(guī)模路徑規(guī)劃問題時，能快速得到近似最優(yōu)解。 4.為驗證本文建立的優(yōu)化模型和提出的求解方法的有效性，結(jié)合一個實際的應(yīng)