信息化的生长带来了人们关于网购的依赖性，电商仓储也成为各大平台的竞争要素 。尤其是在“双十一”、“双十二”和“618”等节日经常泛起爆单的情况下，合理的货位分派，极大地影响着仓储的效率 �；跷恢卫碓擞玫慕沟阍谟谠谧裱跷锎娲⒌幕丛丛蛳绿岣呋跷坏氖褂寐�，尽量提高货仓使用效率
针对货位分派问题，Jiao Y L等
综上所述，以上要领虽都能有效提高仓储效率，可是算法收敛时间较长，基于此，该文凭据货物出库效率、最优拣选路径以及货架的稳定性建立模型，接纳一种无放回基于排序的多轮盘赌选择算子的遗传算法
为了便于模型的建立和研究，做出以下假设：
1）为了减少庞大性，货物的收支库均视为匀速直线运动 。
2）每个货架上的货位尺寸巨细相同，货物可巨细纷歧，但均不凌驾货架的最大尺寸容量 。
3）每个托盘的尺寸巨细均相同，且货物种类是已知的，相同种类的货物可安排一起，但不可凌驾货位的承载度 。
4）堆垛机在x、y、z偏向上均进行匀速直线运动 。
5）对货物进行拣选时，只盘算货物从货位到安排区的时间，其余所用的时间不计入运算中 。
6）货物均接纳相同规格的托盘存放 。
该文凭据电商物流中心的特点，以及其他辅助工具的参数来确定研究的模型，主要涉及到货仓中便于分拣的原则、拣选路径最佳的原则以及货架稳定性的原则来进行对整个货仓分派优化模型的建立 。
提高拣货效率，主要从缩短拣货的距离方面考虑 。拣货距离指的是货物移动的总体距离，其中包括货物在货位上移动的总体位移和货物从货位到出口位置所爆发的位移 �；跷镌诨跷簧弦贫奈灰莆�
货位到出口位置的总位移主要包括第i排货架上相对应的货物到出口位置所爆发的水平位移C1和笔直位移C2 。
综上可得，货物从相对应货架到出库口的总体位移的表达式为：
因此可得拣货效率模型：
由于电商物流中心商品种类繁多，并且货物周转频繁，尤其是在一些特殊节日，往往会泛起爆仓的状况 。为制止问题的爆发，往往会凭据以往订单来判断货物所放的位置，结合周转率，将收支库频繁的货物安排于靠近库口的位置 。由此得出具体模型：
其中，(xi、yj、zk)体现第s个货物位于第i排、第j列、第k层 。
关于电商物流中心而言，货物种类繁多，货物质量巨细纷歧，譬如一些汽车零配件的质量往往高于一些化妆品的质量 。因此，为了确保立体货架的稳定性，尽可能做到货架重心下移，即上轻下重 。该文将货物储位的高度与其对应货物质量的乘积之和最小即视为存储有效，因此获得的表达式如式（6）所示：
综上可得立体货仓货位分派的数学模型，如式（7）所示：
模型的约束条件如下：
优化模型中涉及的模型参数寄义如表1所示 。
表1 参数寄义 下载原图
多目标问题的优化需要从收支效率、拣选路径以及货架稳定性进行求解剖析，使各个目标函数在一定规模内向最优化的偏向靠近，以此抵达三个目标函数的最优化，因此对各个子目标函数付与权重，使其转化为单目标问题，目标函数表达式如式（9）所示：
权重值简直定要领有专家打分法
表2 判断矩阵标度及界说 下载原图
凭据表2中的标度对权重值结构相应的判断矩阵Q，如下所示：
接纳求和要领盘算各个权重系数：
1）先对判断矩阵的每一列进行归一化处理，再求每一行各元素之和获得WK 。
2）对WK进行归一化处理得:m1=W1/3=0.07;m2=W2/3=0.65;m3=W3/3=0.28 。
所以获得其权重矩阵为[0.07 0.65 0.28]T 。
3）进行合理性检验 。盘算判断矩阵的最大特征值为
，因此可以得出
。凭据一致性要求，当C.R<0.1时，权重系数即为合理系数，因此模型的权重系数为m1=0.07,m2=0.65,m3=0.28 。
遗传算法模仿生物进化理论,是凭据自然选择的原理解决具有线性约束或非线性约束最优问题的一种算法
算法流程如下：
1）种群初始化：对货仓货位随机分派，形成初始的种群，接纳整数编码的方法对货位进行编排，例如234代表一条染色体，234456…789代表一个个体 。
2）适应度函数：种群个体的优劣是凭据适应度的巨细来判断的，为避免适应度函数为负值，得出适应度函数的盘算公式：
3）选择运算：盘算种群每个个体的适应度巨细，接纳无放回基于排序的轮盘赌选择算子进行选择操作 。假设种群巨细为N，初代种群为{B1,B2,B3,…,Bi,…,BN}，且每个个体的适应度值为fitBi，凭据适应度值的巨细对初始种群由高到低排序，排序后的种群为{C1,C2,C3,…,Ci,…,CN}，其中最大值个体G的适应度值为fit G 。凭据排序后总适应度值
盘算出每个个体被选中的概率
，凭据概率将[0,1]划分为N个分段，用整数A1,A2,A3,…,Ai,…,AN代表N个分段上落在[0,1]之间随机数的个数，转动轮盘，将区间上个数最大的max Ai所对应的个体作为子代种群的个体贮存 。多次进行轮盘赌直至得出的子代种群巨细为N，找出子代种群适应度最低的个体K，用初代种群中个体G取代个体K，存储所有新选出的个体并返回进行下一次运算 。选择运算流程简图如图1所示 。
图1 革新选择算子流程图 下载原图
4）交叉运算：随机选择两个个体进行交叉运算，该文接纳单点交叉的方法，交叉概率一般为0.5～0.9 。对交叉的个体随机选择交叉点的位置，并将相对应交叉点之后的染色体进行交换，如图2所示 。
图2 单点交叉示意图 下载原图
5）变异运算：变异运算是为了增强遗传算法的局部搜索能力并增加种群的多样性，依据设定的变异概率对种群进行变异操作，该文接纳单点变异的方法，如图3所示 。
图3 单点变异示意图 下载原图
关于M电商物流中心自动化立体货仓，选取其中连续的8排8列8层作为研究工具，用Matlab R2019a进行编程求解 。优化所需的基本参数如表3所示 。
表3 优化基本参数 下载原图
现有17个货位的信息，由于参数的选取直接影响算法的结果，在Matlab R2019a程序中多次进行参数检验，取最大迭代次数Gen为200代，种群巨细Community为120，交叉和变异概率划分为0.7、0.05，初始17个货位信息如表4所示 。
利用Matlab R2019a编写的程序运行得出基本遗传算法和革新的遗传算法目标函数追踪图，如图4所示 。
从图4中可以看出，革新的遗传算法收敛情况明显优于基本遗传算法，在33代以后趋于稳定，优化后的货位信息如表5所示 。
表4 初始货位信息表 下载原图
图4 革新遗传算法和遗传算法优化比照图 下载原图
通过比照货位的坐标，画出货位的三维立体比照图，如图5所示 。
通过图5优化前后比照图可以得知，优化前货物的摆放比较无序，且一些出库频率高的货物都放在了离出库口较远的位置，这不但增加了货物拣选的时间，也降低了高频出库货物的效率 。关于一些质量较大的货物，放在上层货架会降低货架的宁静性，通过比照优化后的货位分派图，高频率的货物基本都放在离出库口近的位置，相比较而言，质量大的货物都位于货架的底层，凭据优化前货位信息得出优化前总目标函数值Ftotal＿Initialdata=503.854 4,优化后总目标函数值Ftotal=291.579 8，优化效率为42.12%，相比优化前获得较为明显的改善 。
表5 优化后货物信息表 下载原图
针对电商立体货仓存贮保存的货位分派问题，该文主要从出库效率、拣选路径选择、货架稳定性三个方面考虑，提出接纳无放回基于排序的多轮盘赌选择算子的遗传算法，通过对选择算子的革新，对货位优化的三个原则建立数学模型，并利用Matlab R2019a编程对仿真案例求解 。从求解结果可知，革新的遗传算法实际有效，不但提高了算法的收敛性能，并且优化的效果更为明显 。由此可见，该要领在电商物流中心自动化立体货仓中对货位进行分派，不但能够提高货物的收支库效率，并且能够提高整体货架的宁静性，有助于提高经济效益 。
图5 优化前后货位比照图
【本文标签】
【责任编辑】yd2333云顶电子游戏云仓
yd2333云顶电子游戏冷链物流与茶百道告竣相助：在现代快节奏的生活中，奶茶已经成为了许多人生活中的···【详情+】
yd2333云顶电子游戏家人们！春暖花开，春意盎然，在这个温暖的日子，荣誉降生在安徽的铜陵，等了很久···【详情+】
手机二维码
