最新新闻
热点文章
我要投稿
联系电话：027-87592219/20/21转188
投稿邮箱：tb@e-works.net.cn
投稿邮箱：tb@e-works.net.cn
文章推荐
视频推荐
- 未来汽车工厂，在线下单支持私人定制
- 2018-02-02
- 基于云端的三维CAD系统Autodesk Fusion 360
- 2018-01-31
- 通过PTC物联网技术实现Flowserve泵的预测性维护
- 2018-01-31
- 微软预测性维护保障电梯高效服务
- 2018-01-30
自动化立体仓库的货位分配优化
为有效解决自动化立体仓库(AsiRS )，即自动存取系统的货位分配问题，以货架稳定性和出人库效率为目标，结合多色集合、粒子群算法和模拟退火算法三者优势，建立区域划分、货位分配两阶段的多目标货位分配决策模型。区域划分阶段考虑货物出人库效率和货架受力情况，采用多色集合的围道布尔矩阵进行划分。货位分配阶段根据人库货物的类型和数目，采用结合模拟退火算法的混合粒子群算法求解货位分配优化问题。在MATLAB软件中运行实例，结果证明，与遗传算法和粒子群算法比较，混合粒子群算法在求解货位分配优化问题时的收敛速度快、稳定性高，且能在保证货架稳定性的前提下提高出人库效率。
1)与随机结果相比，GA算法、PSO算法和文中提出的HPSO算法各自取得的入库时间都更短，货架重心得到优化，水平坐标更靠近出入库台，竖直坐标也有所降低。而且HPSO算法，相较于GA算法和PSO算法所得的立体仓库货位优化效果更好。
2 ) HPSO算法随着迭代次数的增加和种群数的增加，货物的入库时间和货架重心在水平方向的优化效率都得到提高，但货架重心在垂直方向的优化效率有所下降。
由此可知，增加迭代次数和种群数目虽然可以提高入库的效率，但货架的稳定性会有所降低，所以在货架的稳定性得以保证的前提下，可以通过适当增加迭代次数和种群数目来得到更好的优化效果。
表2 随机结果与GA算法、PSO算法和HPSO算法优化结果比较
图4所示为种群数为100，迭代次数为200时，GA ，PSO和HPSO三种优化算法的收敛效果图。比较发现，GA算法的优化结果出现了波动，收敛速度最慢；PSO算法优化时，迭代的前期收敛速度较快，但达到稳态的速度较慢；本文提出的HPSO算法能快速收敛达到稳态，且最终稳态时的优化效果也最好。
图4 三种算法收敛效果图
图5所示为货位分配结果图，图5。所示为随机产生的入库货位的货位分配结果图，图Sb、图5<、和图5<1为种群数为100，迭代次数为200时，应用GA算法、PSO算法和HPSO算法三种优化算法进行货位分配优化所得到一组入库货位的货位分配结果图。
图5 货位分配结果图
图5中X .}.0.+、△分别表示A，H，C，K，E分区入库货位，•表示存有货物的货位。图5中各图直接地反映采用上述四种方法进行货位分配的情况，对比这些图可知，GA算法、PSO算法和HPSO算法分配的货位与随机分配的货位相比较，货物分布更有规律，货架重心偏低，存货位置集中，且偏向于出入库台，使存取货物时间更短，提高了出入库效率，HPSO算法相对于GA算法、PSO算法效果更明显。
4结语
合理分配货位，进行高效的货位管理，是提高自动化立体仓库出入库效率的基础。本文在总结货位分配原则的基础上，针对立体仓库货位分配时的货架稳定性和出入库效率问题，提出多色集合与PSO算法、SA算法相结合的货位分配决策模型。HPSO算法结合了多色集合的方便描绘复杂系统能力、PSO算法的快速收敛性和SA算法的较强搜索能力等三种优势，能够实现货位分配整体优化。
分析对比在同一实例中HPSO算法与GA算法、PSO算法的优化结果表明，HPSO算法的收敛速度快、稳定性高，避免结果陷入局部最优，且缩小了搜索空间，提高了算法效率，验证了HPSO算法在解决自动化仓库货位分配优化问题中的有效性和优越性。
本文来源于互联网，e-works本着传播知识、有益学习和研究的目的进行的转载，为网友免费提供，并以尽力标明作者与出处，如有著作权人或出版方提出异议，本站将立即删除。如果您对文章转载有任何疑问请告之我们，以便我们及时纠正。联系方式：editor@e-works.net.cn tel：027-87592219/20/21。
- 上一篇文章：RFID技术在物流供应链中的成功应用案例
- 下一篇文章：自动仓储货柜在电子制造业的应用