立体仓库出入库货位优化模型与算法研究

摘要

随着物流仓储业的快速发展，传统的仓储方式已经不能满足物资生产和流通的需要，因此立体仓库得到越来越广泛的应用。立体仓库的作业效率主要取决于仓库货位的分配策略，使用好的货位优化策略能很大程度提高出入库效率，降低仓储系统成本。因此，对立体仓库货位优化问题模型和算法的研究在不断深入。
　　本文首先阐述了立体仓库货位优化问题的研究现状和意义，对普通立体仓库的特点及其在物流仓储系统中应用情况、货位存储策略和货位分配原则等进行了概述。将立体仓库作业效率和成本转换为搬运设备作业路程，并以搬运设备作业路程为目标函数，考虑普通立体仓库的货位存储策略、货位容量、搬运设备装载能力和货物质量要求等约束条件，分别建立了入库货位优化模型和出库货位优化模型。
　　其次，针对出入库货位优化模型分别设计了求解模型的遗传算法、禁忌搜索算法和遗传禁忌搜索算法。在遗传算法设计中，针对入库货位优化模型设计了基于货物种类和数量编码、基于货位号编码两种染色体，针对出库货位优化模型设计了基于二进制编码的染色体，并为不同编码方式的染色体分别设计了交叉、变异和修复方法。分别采用截断选择法和锦标赛选择法实现进化操作，并对选择和更新种群过程中存在的问题进行了算法改进。
　　在禁忌搜索算法设计中，分别为入库货位优化模型和出库货位优化模型设计了解的表达方法以及产生初始解的启发式方法。结合问题的特点对算法的邻域搜索，禁忌对象、禁忌表、选择策略和特赦准则等要素进行了设计。为了充分利用遗传算法全局搜索能力强和禁忌搜索算法局部搜索能力强的特点，构造了遗传禁忌搜索算法，根据不同混合策略，分别设计了利用禁忌搜索改善种群和禁忌搜索变异算子两种混合算法。
　　最后，通过算例分别对遗传算法、禁忌搜索算法和遗传禁忌搜索算法进行了仿真实验，包括不同算法求解模型实验、算法中参数对优化结果的影响、禁忌搜索对遗传算法的改善情况、不同算法求解问题的对比实验以及对优化结果进行分析，通过实验验证了模型以及算法的合理性和有效性。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景

1．2 国内外研究现状

1．3 本课题研究意义

1．4 本文研究内容及章节安排

第2章 立体仓库货位优化概述

2．1 立体仓库系统

2．1．1 立体仓库的概念及特点

2．1．2 普通立体仓库

2．2 立体仓库货位优化理论

2．2．1 立体仓库货位存储策略

2．2．2 立体仓库货位分配原则

第3章 出入库货位优化模型的建立

3．1 出入库作业流程

3．2 出入库作业的限制条件

3．3 货位优化问题的假设条件

3．4 入库货位优化模型的建立

3．4．1 搬运设备限制

3．4．2 货位承重和宽度限制

3．4．3 货位存放同种货物限制

3．4．4 可用货位限制

3．4．5 入库货位优化目标函数

3．4．6 入库货位优化模型

3．5 出库货位优化模型的建立

3．5．1 货物保质期限制

3．5．2 搬运设备限制

3．5．3 出库货物种类限制

3．5．4 出库货物数量限制

3．5．5 出库货位优化目标函数

3．5．6 出库货位优化模型

第4章 货位优化模型的遗传算法设计

4．1 模型求解的复杂性

4．2 遗传算法概述

4．2．1 遗传算法简介

4．2．2 遗传算法的构成要素

4．2．3 遗传算法的操作流程

4．3 立体仓库基本信息

4．4 入库货位优化模型的遗传算法设计

4．4．1 染色体编码

4．4．2 交叉算子设计

4．4．3 变异算子设计

4．4．4 修复策略设计

4．4．5 适值函数设计

4．4．6 选择策略

4．5 出库货位优化模型的遗传算法设计

4．5．1 染色体编码

4．5．2 交叉算子设计

4．5．3 变异算子设计

4．5．4 修复策略设计

4．5．5 选择策略的改进

第5章 货位优化模型的禁忌搜索算法设计

5．1 禁忌搜索算法概述

5．1．1 禁忌搜索算法简介

5．1．2 禁忌搜索算法的构成要素

5．1．3 禁忌搜索算法的操作流程

5．2 入库货位优化模型的禁忌搜索算法设计

5．2．1 解的表示方法及特征

5．2．2 初始解的产生

5．2．3 邻域搜索

5．2．4 禁忌对象与禁忌表

5．2．5 解的评价与选择策略

5．2．6 特赦准则与停止准则

5．3 出库货位优化模型的禁忌搜索算法设计

5．3．1 解的表示方法及特征

5．3．2 初始解的产生

5．3．3 邻域搜索

5．3．4 禁忌对象与禁忌表

第6章 货位优化模型的遗传禁忌搜索算法设计

6．1 遗传算法与禁忌搜索算法的局限性

6．2 遗传禁忌搜索算法概述

6．3 遗传禁忌搜索算法设计

6．3．1 禁忌搜索改善种群

6．3．2 禁忌搜索变异算子

第7章 货位优化模型的仿真实现

7．1 算例描述

7．2 遗传算法实验

7．2．1 交叉率变异率实验

7．2．2 编码方式与选择策略对比实验

7．2．3 交叉变异组合对比实验

7．2．4 种群规模实验

7．2．5 选择策略的改进对比实验

7．2．6 更新种群方式对比实验

7．3 禁忌搜索算法实验

7．3．1 迭代次数实验

7．3．2 邻域范围实验

7．4 遗传禁忌搜索算法实验

7．4．1 禁忌搜索对遗传算法改善实验

7．4．2 禁忌搜索寻优能力改善实验

7．5 不同算法实验结果比较

7．5．1 算法收敛性分析

7．5．2 算法寻优能力分析

7．6 优化结果分析

第8章 总结与展望

8．1 总结

8．2 展望

参考文献

致谢

攻读硕士期间发表的论文