基于多种群空间映射遗传算法的立体仓库储位优化

隋 振, 张天星, 吴 涛, 陈华锐

(吉林大学 通信工程学院, 长春 130012)

货物在流通过程中, 会有大量的库存积压, 从而产生储位分配模式混乱的问题, 对囤积的货物进行合理的摆放是物流业中的重要环节. 一旦仓储环节存在问题, 则后续的生产和流通都将无法对接, 运输系统将发生混乱.

目前, 对储位优化问题已有大量研究, 在系统模型方面, Park等[1]提出了物品关联度的数学模型, 并设计了一种启发式算法, 再结合传统遗传算法解决问题； Muppani等[2]用物品的临界值指数(COI)值作为检测货物摆放优劣的一种指标； 李小笠等[3]改进了货位分配模型, 加入了货物分区的概念； 蔡安江等[4]不仅研究了分离式仓库优化问题, 还对堆垛机的调度方案进行了探究, 将其视为一个旅行商问题； 张鹏[5]对仓储系统用Flexsim设计了一种仿真软件, 上述几种不同的改进方法, 都将储位优化问题引入到约束条件中, 使数学模型更复杂.

对于优化算法的研究, Poulos等[6]选择遗传算法解决此问题, 用交叉算子的方法改进了原有算法, 最终得到较好的结果, 也证明了启发式算法对组合优化问题有较大帮助； Deng[7]也通过遗传算法进行寻优, 计算涉及到3个实际的优化方向, 进一步靠近工业领域； 李鹏飞等[8]提出了一种病毒协同遗传算法, 解决了多目标优化模型； 焦玉玲等[9]也对传统遗传算法进行了改进. 算法的不断更新使求解的效率逐步提升. 但针对不同类型的仓库, 当存取任务不断改变时, 储位分配……