2023學(xué)年完整公開(kāi)課版貨位優(yōu)化

物流人工智能技術(shù)技能培訓(xùn)項(xiàng)目一人工智能算法在智慧倉(cāng)內(nèi)的應(yīng)用任務(wù)二貨位優(yōu)化目錄CONTENTS智慧倉(cāng)內(nèi)的貨位動(dòng)態(tài)分配PART1基于粒子群算法的立體倉(cāng)庫(kù)貨位優(yōu)化PART2過(guò)程與方法：知識(shí)與技能：1.了解什么是貨位動(dòng)態(tài)分配。2.掌握貨位動(dòng)態(tài)分配算法。在學(xué)習(xí)動(dòng)畫(huà)視頻的過(guò)程中，理解其基本工作原理，了解其實(shí)際應(yīng)用價(jià)值。情感、態(tài)度與價(jià)值觀：1.提升對(duì)人工智能的認(rèn)識(shí)，發(fā)展辯證思維，客觀認(rèn)識(shí)人工智能技術(shù)對(duì)社會(huì)的影響，培養(yǎng)正確的科學(xué)技術(shù)應(yīng)用觀。2.堅(jiān)定擁護(hù)中國(guó)共產(chǎn)黨領(lǐng)導(dǎo)和我國(guó)社會(huì)主義制度?！窘虒W(xué)目標(biāo)】一、智慧倉(cāng)內(nèi)的貨位動(dòng)態(tài)分配1.什么是貨位動(dòng)態(tài)分配？貨位動(dòng)態(tài)分配是指在給定儲(chǔ)位布局前提下，如何存儲(chǔ)貨物能夠使得貨物的出入庫(kù)效率高、倉(cāng)庫(kù)貨架穩(wěn)定等。按照作業(yè)方式可以將貨位動(dòng)態(tài)分配分為入庫(kù)貨位動(dòng)態(tài)分配和出庫(kù)貨位動(dòng)態(tài)分配兩個(gè)問(wèn)題。入庫(kù)出庫(kù)入庫(kù)貨位動(dòng)態(tài)分配問(wèn)題是指結(jié)合倉(cāng)儲(chǔ)目前的存儲(chǔ)現(xiàn)狀，確定貨位分配的策略及優(yōu)化原則，給待入庫(kù)的貨物安排最恰當(dāng)?shù)呢浳?。入?kù)貨位分配常常需要考慮的原則有同類(lèi)貨物相鄰原則、提高出入庫(kù)效率原則以及貨架穩(wěn)定性原則等。出庫(kù)貨位動(dòng)態(tài)分配問(wèn)題是在收到出庫(kù)訂單后按照訂單信息選擇合適的貨物位置，不同的位置對(duì)應(yīng)著不同的出庫(kù)行走路徑。影響出庫(kù)作業(yè)效率的因素主要有出庫(kù)路徑規(guī)劃、貨位分配、叉車(chē)和工人的作業(yè)效率等。一、智慧倉(cāng)內(nèi)的貨位動(dòng)態(tài)分配2.貨位動(dòng)態(tài)分配智能算法遺傳算法和粒子群算法的思想昆明理工大學(xué)楊湛基于自適應(yīng)免疫遺傳算法的貨位優(yōu)化決策方法南京工業(yè)大學(xué)的江唯二進(jìn)制的粒子群算法和遺傳算法東華大學(xué)的梁博設(shè)計(jì)病毒遺傳算法蘭州交通大學(xué)的王廳長(zhǎng)將模擬退火算法和遺傳算法混和清華大學(xué)賈煜亮基于精英多策略差分進(jìn)化算法的貨位分配優(yōu)化方法浙江工業(yè)大學(xué)的姚俊針一、智慧倉(cāng)內(nèi)的貨位動(dòng)態(tài)分配二、基于粒子群算法的立體倉(cāng)庫(kù)貨位優(yōu)化1.多目標(biāo)貨位優(yōu)化問(wèn)題假設(shè)假設(shè)立體倉(cāng)庫(kù)中的貨架有a排、b列、c層，每個(gè)坐標(biāo)代表一個(gè)存儲(chǔ)單元。其中x表示排，y表示列，z表示貨架層數(shù)，即位于x排y列z層的貨物位置可以表示為,x,y,z,，出庫(kù)區(qū)表示為,0,0,1,。建立立體倉(cāng)庫(kù)貨位分配模型時(shí)，假設(shè)條件如下：（1）立體倉(cāng)庫(kù)中每個(gè)貨架的貨位大小和尺寸均相同，且每個(gè)貨位只能存放一件標(biāo)準(zhǔn)化包裝的貨物；（2）貨物都儲(chǔ)存在托盤(pán)中，托盤(pán)尺寸與貨架相匹配；（3）立體倉(cāng)庫(kù)內(nèi)巷道載貨入口與出口均在同一側(cè)，即只有一側(cè)通道可供作業(yè)人員進(jìn)行倉(cāng)儲(chǔ)作業(yè)；（4）立體倉(cāng)庫(kù)采用分類(lèi)隨機(jī)存儲(chǔ)策略，即首先將貨物按照不同類(lèi)型進(jìn)行分類(lèi)，每類(lèi)貨物都有對(duì)應(yīng)的存儲(chǔ)區(qū)域，最后采取隨機(jī)存儲(chǔ)的方式在每類(lèi)貨物各自的區(qū)域內(nèi)實(shí)施入庫(kù)操作，隨機(jī)存儲(chǔ)策略可以經(jīng)常發(fā)生改變，根據(jù)某一時(shí)間段內(nèi)貨物的出入庫(kù)情況對(duì)貨位進(jìn)行動(dòng)態(tài)分配；（5）貨物揀選時(shí)間忽略不計(jì)，只考慮揀選時(shí)作業(yè)人員操作叉車(chē)行進(jìn)的時(shí)間；（6）系統(tǒng)中對(duì)各類(lèi)貨物的需求是不確定的，但是部分貨物的需求具有相關(guān)性，因此會(huì)優(yōu)先將這部分貨物儲(chǔ)存在相鄰貨架；（7）該立體倉(cāng)庫(kù)為單端口的出入庫(kù)方式，即每排貨架的貨物出入庫(kù)為,0,0,1,位置都為這一個(gè)。2.貨位優(yōu)化模型的建立涉及到的相關(guān)符號(hào)含義如表所示：表3-6參數(shù)符號(hào)設(shè)定二、基于粒子群算法的立體倉(cāng)庫(kù)貨位優(yōu)化二、基于粒子群算法的立體倉(cāng)庫(kù)貨位優(yōu)化（1）入庫(kù)貨位優(yōu)化模型目標(biāo)一：提高貨物相關(guān)性為了便于倉(cāng)庫(kù)出入庫(kù)作業(yè)，在對(duì)倉(cāng)儲(chǔ)貨物出入庫(kù)情況進(jìn)行分析的基礎(chǔ)上，應(yīng)該將同時(shí)出入庫(kù)的產(chǎn)品放在一起，以提高出入庫(kù)效率，也方便后續(xù)盤(pán)點(diǎn)工作。i類(lèi)貨物的坐標(biāo)均值為：i類(lèi)貨物中第j個(gè)產(chǎn)品到m的距離為：產(chǎn)品的類(lèi)聚散度d定義為全部n類(lèi)產(chǎn)品到mi的距離之和：全部n類(lèi)產(chǎn)品的坐標(biāo)均值為：全部產(chǎn)品到n類(lèi)產(chǎn)品中心坐標(biāo)M的離散度之和的值定義為每一類(lèi)產(chǎn)品的中心mi到M的距離之和：因此，為了使相關(guān)性高的產(chǎn)品盡可能均勻存放在一起，應(yīng)該使關(guān)聯(lián)度高的貨物類(lèi)內(nèi)離散度最小，提高相鄰貨架的產(chǎn)品相關(guān)度，目標(biāo)函數(shù)如下：目標(biāo)二：提高貨架穩(wěn)定性在立體倉(cāng)庫(kù)中，為了提高貨架穩(wěn)定性，通常按照“上輕下重”的原則進(jìn)行貨物存儲(chǔ)，將重量大的貨物放在貨架底層，重量小的貨物放在貨架上層，以降低貨架的重心，因此，應(yīng)使產(chǎn)品重量與所處層數(shù)乘積之和最小，目標(biāo)函數(shù)為：

立體倉(cāng)庫(kù)中，一組貨架通常包含兩排貨架，如果兩排貨架之間的重量相差較大，會(huì)導(dǎo)致貨架發(fā)生傾斜，因此，為了提高貨架的穩(wěn)定性，要使同一組兩排貨架（x=2k和x=2k+1）的總重量基本保持一致，目標(biāo)函數(shù)如下：二、基于粒子群算法的立體倉(cāng)庫(kù)貨位優(yōu)化目標(biāo)三：入庫(kù)效率最大化倉(cāng)儲(chǔ)作業(yè)人員操作叉車(chē)的速度是既定的，為了提高出入庫(kù)效率，可以將出入庫(kù)頻率較高的貨物放在離出入庫(kù)平臺(tái)較近的位置，目標(biāo)函數(shù)為：立體倉(cāng)庫(kù)入庫(kù)的總目標(biāo)可表示為：約束條件為：二、基于粒子群算法的立體倉(cāng)庫(kù)貨位優(yōu)化（2）出庫(kù)貨位優(yōu)化模型貨物出庫(kù)需要考慮的因素為訂單響應(yīng)速度最快，即出庫(kù)效率最高。出庫(kù)時(shí)貨物的貨位初始狀態(tài)是入庫(kù)后的貨位狀態(tài)。立體倉(cāng)庫(kù)貨物出庫(kù)的總目標(biāo)為：約束條件為：二、基于粒子群算法的立體倉(cāng)庫(kù)貨位優(yōu)化二、基于粒子群算法的立體倉(cāng)庫(kù)貨位優(yōu)化3.基于多目標(biāo)粒子群算法的貨位優(yōu)化仿真粒子群算法將尋優(yōu)過(guò)程等價(jià)于信息共享?xiàng)l件下鳥(niǎo)群的覓食過(guò)程，鳥(niǎo)群中每只鳥(niǎo)可看作一個(gè)粒子，在貨位優(yōu)化的粒子群算法中，將每個(gè)貨位看作倉(cāng)儲(chǔ)系統(tǒng)中的一個(gè)個(gè)體，即群體中的成員。本文采用多目標(biāo)粒子群算法，通過(guò)不斷更新自身位置與速度來(lái)搜尋最優(yōu)解。其進(jìn)化表達(dá)式為：其中：i表示第i個(gè)粒子，t表示迭代次數(shù)，ω為慣性權(quán)重，c1和c2為加速常數(shù)，γ1和γ2為≤0,1姨范圍內(nèi)的隨機(jī)數(shù)，用來(lái)增加粒子飛行的隨機(jī)性，（t）表示第i個(gè)粒子在第t次迭代時(shí)的速度，（t）表示第i個(gè)粒子在第t次迭代時(shí)的位置，和為粒子自身經(jīng)歷的最佳位置以及整個(gè)種群的歷史最佳位置。對(duì)于多目標(biāo)問(wèn)題，通過(guò)判斷當(dāng)前狀態(tài)是否支配該粒子的歷史最優(yōu),若是，則將更改為粒子的當(dāng)前狀態(tài)，若t支配粒子的當(dāng)前狀態(tài)，則不做任何操作，若不是這兩種情況，則說(shuō)明這兩個(gè)解均為非劣解，即無(wú)法判斷哪個(gè)狀態(tài)更好，所以定義[0.1]之間的隨機(jī)數(shù)rand，若小于0.5，則將改為當(dāng)前狀態(tài)，否則不做任何操作。通過(guò)隨機(jī)選取非劣解集中的個(gè)體來(lái)決定。根據(jù)每次迭代過(guò)程產(chǎn)生的非劣解集的上下限，將解空間分為等大的網(wǎng)格，以各網(wǎng)格中解的密度大小來(lái)刪除冗余解，達(dá)到控制種群分布的目的。多目標(biāo)粒子群算法的流程如圖所示：是開(kāi)始種群初始化計(jì)算各粒子適應(yīng)值計(jì)算各粒子單次迭代的非劣解集計(jì)算各待選粒子的“擁擠度”根據(jù)“擁擠度”選擇全局最優(yōu)解的粒子更新各粒子速度、位置及最優(yōu)解達(dá)到最大迭代次數(shù)或全局最優(yōu)解位置變化滿足最小界限輸出結(jié)果圖3-2

多目標(biāo)粒子群算法二、基于粒子群算法的立體倉(cāng)庫(kù)貨位優(yōu)化對(duì)入庫(kù)優(yōu)化模型進(jìn)行求解。假設(shè)立體倉(cāng)庫(kù)有20排、16列、6層，倉(cāng)儲(chǔ)作業(yè)人員作業(yè)操作叉車(chē)時(shí)在x方向上的速度為1m/s，y方向上的速度為1.2m/s，z方向上的速度為0.6m/s，倉(cāng)庫(kù)內(nèi)存儲(chǔ)的貨物可分為A、B、C三類(lèi)，A類(lèi)貨物的周轉(zhuǎn)率為0.2~0.4，重量為30個(gè)單位，B類(lèi)貨物的周轉(zhuǎn)率為0.4~0.6，重量為40個(gè)單位，C類(lèi)貨物的周轉(zhuǎn)率為0.6~0.8，重量為50個(gè)單位，在多目標(biāo)優(yōu)化函數(shù)中，幾個(gè)目標(biāo)的重要性同等重要，即ω=(0.25,0.25,0.25,0.25)，貨物的初始狀態(tài)如表3-7所示。根據(jù)圖3-2中的算法基本流程，選取粒子數(shù)M=50，最大迭代次數(shù)N=150，速度更新時(shí)，學(xué)習(xí)因子c1=c2=1.4945，慣性因子ωmax=0.8,ωmin=0.2，在第n次迭代中，慣性因子ω=(ωmax-ωmin)*n/N。根據(jù)以上參數(shù)，運(yùn)用多目標(biāo)粒子群算法對(duì)立體倉(cāng)庫(kù)出入庫(kù)模型進(jìn)行求解，優(yōu)化前后的貨位分布及最優(yōu)個(gè)體適應(yīng)度如圖2至圖4所示。二、基于粒子群算法的立體倉(cāng)庫(kù)貨位優(yōu)化貨物編號(hào)貨物類(lèi)別A=1,B=2,C=3貨物重量周轉(zhuǎn)率初始貨位x初始貨位y初始貨位z貨物編號(hào)貨物類(lèi)別A=1,B=2,C=3貨物重量周轉(zhuǎn)率初始貨位x初始貨位y初始貨位z11300.37494262400.46912123500.72672272400.55126132400.571856281300.36168542400.435113291300.312015151300.299104301300.39213462400.551183313500.77181373500.69364323500.651310581300.262071332400.46414292400.471444342400.501062102400.537125352400.596111111300.2516103363500.781154123500.712264371300.219143133500.6814131382400.4115166142400.461942393500.761256151300.2710156401300.267104161300.343102411300.311382172400.55573422400.4510105182400.598134432400.49931193500.662174443500.611624201300.3014162453500.692282211300.361951461300.3413143222400.4213103472400.4921125233500.701376482400.5110101243500.671722493500.70755251300.25242503500.661393表3-7立體倉(cāng)庫(kù)貨位初始方案二、基于粒子群算法的立體倉(cāng)庫(kù)貨位優(yōu)化二、基于粒子群算法的立體倉(cāng)庫(kù)貨位優(yōu)化根據(jù)優(yōu)化前后的貨物分布對(duì)比可以看出，優(yōu)化前的貨物分布較為分散，沒(méi)有明顯的布局規(guī)則，優(yōu)化后的貨物更集中分布于立體倉(cāng)庫(kù)出入口附近，相關(guān)性較大的貨物擺放位置較近，且大部分貨物位于貨架低層，貨架的穩(wěn)定性得以提高。在此模型中，F(xiàn)3=7.1859，取值相對(duì)較大，說(shuō)明在立體倉(cāng)庫(kù)貨位優(yōu)化過(guò)程中，