主动式密集型自动化立体库货位分配和任务调度

摘要

主动式密集型自动化立体库是一种新型的仓储系统，它将密集存储技术和自动化仓库技术相结合，不仅可以实现货物的自动存取，还可以提高仓储的空间利用率，节约土地成本。实际应用中，为了进一步提高库容率，可以对存储数量较小的品项实行混合存储。
　　本文分析实行混合存储的主动式密集型自动化立体库货物出库流程，发现出库时存在待出库货物不在货架出口端，需要先将挡住的货物通过堆垛机移至其他货位，再将该待出库货物出库的现象，本文称为倒货。倒货现象的发生增加了执行出库任务时堆垛机行走的距离，降低了系统的出库效率。基于此，本文分别提出通过优化货位分配策略降低出库时出现倒货现象的可能性，通过优化出库任务调度（包括任务执行顺序和倒货策略）使堆垛机执行出库任务时运行时间最短这两个问题，以提高系统的出库效率。
　　针对主动式密集型自动化立体库货位分配的优化，首先，本文通过分析，将降低出现倒货现象的可能性这一目标转化为按品项相关性进行聚类，将相关性高的品项聚于一类，然后建立聚类数学模型，并依次采用两种聚类算法进行求解。一种是基于层次的聚类算法，另一种是基于评价函数的动态聚类算法。基于评价函数的动态算法以层次聚类算法的结果作为初始解，以数据点在类间转换时对目标函数的影响值作为评价函数。最后通过Matalab对某卷烟配送中心数据进行仿真，并对两种不同算法的聚类结果进行比较，发现基于评价函数的动态聚类算法性能更优。
　　针对主动式密集型自动化立体库任务调度的优化，本文首先通过对堆垛机执行出库任务时运行轨迹分析，建立以堆垛机运行时间最短为目标的数学模型。然后提出出库任务排序及倒货时应遵循的原则。再后分别采用以该原则为基础的基于启发式的任务调度优化算法和基于遗传算法的任务调度优化算法对模型进行求解。最后通过Matalab对某卷烟配送中心的数据进行仿真，通过仿真结果证明了这两种算法优化后的堆垛机运行时间较随机调度更短，通过比较发现遗传算法的对堆垛机出库效率的优化效果更好。