[发明专利]一种优化仓储堆垛机拣选策略的改进多目标局部搜索算法

说明书

本发明提出了一种优化仓储堆垛机拣选策略的改进多目标局部搜索算法，该算法包括：堆垛机拣选参数初始化，生成堆垛机拣选序列的初始化种群，然后进行优化，获得较高质量的堆垛机拣选序列初始解，然后计算堆垛机拣选路径总距离和收集货物总利润值两个目标值，获得非支配解，存储精英池中，再继续优化精英池中解的质量，若满足终止条件，则结束，否则继续执行增强扰动策略或者一般扰动策略获取候选解，并对候选解进行埃普西隆约束的局部搜索策略，获得最优解更新精英池，跳回迭代搜索。本发明避免大量无效解的产生，综合提高算法的求解效率，较之传统的迭代局部搜索具有更好的性能和稳定性。

技术领域

本发明属于搜索算法技术领域，具体涉及一种优化仓储堆垛机拣选策略的改进多目标局部搜索算法。

背景技术

在生产制造领域，仓储运行管理作为提高生产效率的重要环节，其中仓储管理系统发挥了高效的作用。据统计，订单拣选流程通常需要占用仓库运行成本的55％，因此订单拣选或为智能仓库中的关键问题之一。当多个订单下达时，堆垛机将需要拣选的货物按照优化后的序列逐个取出，放置于分拣区，再根据订单的紧急程度进行拣选。订单拣选的效率受仓库货架布局、货位摆放位置、堆垛机拣选路径以及订单的分批处理等因素。堆垛机的拣选时间占用货物进出库的大部分时间，一个订单批次分为多次作业。堆垛机在高位存储货架处可以同时进行水平和垂直方向移动，相比较一般仓库，能充分利用仓库空间环境，属于高级拣选系统。在当今多品种、小批量的生产和消费模式下，应用于仓储堆垛机拣选的奖品收集车辆路径问题(Prize Collecting Vehicle Route Problem,PCVRP)模型，是CVRP的一种变体，属于典型NP-Hard问题。

在大多数现实情况下，不同订单对决策者的重要性不同，因为不同的订单能够提供不同的利润，此外，由于不同订单的紧急程度不同，导致拣选序列末尾货物不再设置利润值，且部分原材料出库后也有货物加工顺序的约束。由此，建立仓储堆垛机出库拣选策略优化的多目标数学模型：以拣选路径值和收集利润值总和分别建立目标模型。

仓储出库时堆垛机拣选策略优化研究中，若使用较大规模货位节点的问题进行求解时，若采用分支定界法、整数规划法、割平面法等精确算法进行求解，需要消耗大量的计算时间，而使用元启发式则可以在合理的时间内求得较好的解。迭代局部搜索(IterativeLocal Search，ILS)算法是解决组合优化问题的一种简单有效的元启发式方法，已经在堆垛机拣选策略问题上广泛应用。迭代局部搜索ILS算法基于局部搜索和扰动两个阶段的优化策略，以迭代的方式应用这两个阶段，直到满足预设的终止条件。近年来，对仓储堆垛机的出库拣选策略问题的研究取得了极大的进展，帕累托解的质量也在不断改进。但是在现有的求解策略中，仍存在当前解容易陷入局部最优，收敛性较差；局部搜索阶段易产生大量无效解，导致不能快速有效的求得全局最优解。针对目前存在的缺陷，设计改进的迭代局部搜索算法，以提高算法求解性能，提升堆垛机拣选运行效率。

发明内容

本发明所要解决的技术问题在于针对上述现有技术的不足，提供了一种优化仓储堆垛机拣选策略的改进多目标局部搜索算法，该算法提高提升堆垛机拣选运行效率。

为解决上述技术问题，本发明采用的技术方案是：一种优化仓储堆垛机拣选策略的改进多目标局部搜索算法，其特征在于，该算法包括：

S1、堆垛机拣选参数初始化：输入订单中货物的节点坐标、体积和利润值等信息，设置最大迭代次数N、种群大小设置为pop_size、判断陷入深度局部最优的迭代次数λ；

S2、初始化种群：采用自然数编码的染色体形式，生成初始种群，所述初始种群内包含堆垛机的多个拣选序列；

S3、使用2-opt算法对所述初始种群进行优化，获得较高质量的初始解；

S4、对优化后的初始种群中的所有个体进行目标值计算，所述目标值包括堆垛机拣选路径总距离F₁和收集货物总利润值F₂；所述个体指堆垛机的某一个拣选序列；