CN103473616A - 用于处理多品种物资仓储的动态货位分配规划方法与系统 - Google Patents

Abstract

本发明公开了一种用于处理多品种物资仓储的动态货位分配规划方法与系统，属一种智能装载的规划方法，所述的方法包括：S1、由数据管理模块将仓储环境中的货位信息、货物类别、货物信息存储至系统数据库中；S2、由业务区间管理模块将未处理的入库单与出库单导入至系统数据库中，然后按照时间先后顺序将入库单涉及的存储货物提取出来，生成入库货物列表信息等；通过引入遗传算法对仓储的执行方案进行优化计算，且采用分段业务区间的方式动态规划货位分配，实现了存储空间的复用，减少了存储空间在大量时段空置浪费的机率，满足了货物不停的时存时取的需求，尤其是满足了企业大规模定制业务下对仓储管理工作的新要求。

Description

用于处理多品种物资仓储的动态货位分配规划方法与系统

技术领域

本发明涉及一种智能装载的规划方法，更具体的说，本发明主要涉及一种用于处理多品种物资仓储的动态货位分配规划方法与系统。

背景技术

传统的物资仓储时的货位分配规划多数是基于一种分配策略实现的，这种基于策略的货位分配一般可以用于指导货位首次规划分配或静态规划分配，在过去产品组成结构单一而稳定的时候，这种分配方式是比较简明有效的方法，但是随着产品大规模定制时代的来临，产品组成结构变化多样，这势必会严重冲击传统企业库存管理中的货位分配方式，因为如采用静态分配方式，单个种类的货物在库房中的存储位置是固定的，一般不再轻易动态调整，这样就带来如下问题：a）存储空间没有复用，导致存储空间在大量时段的空置浪费；b）存储和配送的物资搬运路径变的很长，没有优化；c）无法有效应对货物不停的时存时取的需求；d）无法应对货物种类的快速大规模的变化，不利于企业的产品结构快速调整去适应快速瞬息万变的市场需求，从而导致企业错失良机；e）无法实现货位分配时多种优化目标的综合考量。因此有必要针对仓储的智能化规划策略做进一步的研究和改进。

发明内容

本发明的目的之一在于解决上述不足，提供一种用于处理多品种物资仓储的动态货位分配规划方法与系统，以期望解决现有技术中仓库的存储空间没有复用，导致存储空间在大量时段的空置浪费，以及无法有效且合理的应对货物不停的时存时取的需求等技术问题。

为解决上述的技术问题，本发明采用以下技术方案：

本发明一方面提供了一种用于处理多品种物资仓储的动态货位分配规划方法，所述的方法包括：

S1、由数据管理模块将仓储环境中的货位信息、货物类别、货物信息存储至系统数据库中；

S2、由业务区间管理模块将未处理的入库单与出库单导入至系统数据库中，然后按照时间先后顺序将入库单涉及的存储货物提取出来，生成入库货物列表信息，再按照时间先后顺序将出库单涉及的出库货物提取出来，生成拣取货物列表信息；

S3、由业务区间管理模块根据时间点和系统预设的单个业务区间中最大存取货物值，将入库货物列表信息与拣取货物列表信息划分入不同的业务区间中，并等待后续的模块处理；

S4、由优化计算模块在将系统数据库中存储的各类数据初始化后，得到当前空的货位数量和位置，再将划分的业务区间中的操作方案进行编码，然后将两者组合并随机生成多个染色体作为初始种群，依照初始种群交叉计算，再采用基于邻域搜索变异算子的遗传优化算法对业务区间进行逐段的优化计算，最后将优化后的方案输出；

S5、由结果展现模块将单段业务区间在优化前与优化后的整体仓储位置变化情况进行呈现。

作为优选，进一步的技术方案是：所述步骤S4中优化计算模块进行存储数据初始化的操作包括初始化货位矩阵、初始化入库货物和拣取货物列表信息、初始化空货位列表信息及初始化拣货货位列表信息。

更进一步的技术方案是：所述步骤S4中基于邻域搜索变异算子的遗传优化算法包括：

S411、选择变异分段，在当前种群中选择一个染色体个体，随机在该染色体中选择若干个货位分段；

S412、选择分段中变异位，在每个选中的变异货位分段中随机选择到一个当前非0的位置，然后在随机选择一个0位，对两者进行交换；

S413、邻域搜索最优，将交换后非0位的信息同步骤S412中选中位置的左右各H个总共2×H个位置中所有0位进行交换，保留最优的方案为该染色体个体变异后的子代个体；

S414、循环执行上述步骤S411与步骤S413，直至当前种群所有的染色体都实现了领域搜索的变异运算后停止。

更进一步的技术方案是：所述货位中至少放置有一个托盘位，所述每个托盘位中只放置一种货物；所述存储与拣取货物的最小对象为一个托盘。

更进一步的技术方案是：所述步骤S4中优化计算模块在生成初始种群的过程中，参照约束条件判断该方案的可行性，只有经判断后可行方案的染色体才能进入初始化种群中，然后将初始化种群赋值给当前种群，同时选择当前种群中最优方案赋值给当前全局最优方案。

更进一步的技术方案是：所述步骤S4中初始种群交叉计算包括：

S421、选择父代分段，在当前种群中选择两个染色体个体A和B，然后按照单类存储货物的货位信息中的托盘位对染色体进行分段，除第一托盘位分段为空托盘放置入存储货物外，其他各段为单类货物托盘位分段，然后随机选择其中的2段；

S422、分段交叉，将父代中的两个染色体个体A和B中选择的分段进行交叉互换，得到子代染色体A’和B’，使用交叉后的得到的子代染色体替换当前种群对应的父代染色体；

S423、循环执行，循环执行步骤S421与S422，直至当前种群所有的染色体都实现了交叉运算。

更进一步的技术方案是：所述步骤S4在通过基于邻域搜索变异算子的遗传优化算法，对业务区间进行逐段的优化计算之后还包括：

S401、将经过交叉、变异计算后得到的子代染色体组成的子代种群和当前种群合并成为合并种群，计算每个染色体的适应度值，计算步骤为将染色体中对于一段业务区间所采取的入库和拣取方案，然后将该方案解码后映射到所有货位信息中托盘位的矩阵空间，该映射对应一段业务区间完成后货物在仓储中的全局布局，然后得到单个染色体的适应度；

S402、更新种群与最优方案，将适应度值作为判断较优方案的标准找到当前合并种群中的最优方案，合并种群中的最优方案同全局最优方案进行比较，如合并种群中的最优方案更好，就将其作为全局最优方案；

S403、判断是否终止，如判断结果为是，则输出最优方案，反之则返回到种群交叉计算的步骤重新进行所述方法。

更进一步的技术方案是：所述步骤S4中输出的优化后的方案中包括货物类信息、仓储位置及操作关联。

本发明另一方面还提供了一种执行上述的用于处理多品种物资仓储的动态货位分配规划方法的系统，所述系统包括：

数据管理模块，用于将仓储环境中的货位信息、货物类别、货物信息存储至系统数据库中；

业务区间管理模块，用于将未处理的入库单与出库单导入至系统数据库中，然后按照时间先后顺序将入库单涉及的存储货物提取出来，生成入库货物列表信息，再按照时间先后顺序将出库单涉及的出库货物提取出来，生成拣取货物列表信息；

业务区间管理模块，用于根据时间点和系统预设的单个业务区间中最大存取货物值，将入库货物列表信息与拣取货物列表信息划分入不同的业务区间中，并等待后续的模块处理；

优化计算模块，用于在将系统数据库中存储的各类数据初始化后，得到当前空的货位数量和位置，再将划分的业务区间中的操作方案进行编码，然后将两者组合并随机生成多个染色体作为初始种群，依照初始种群交叉计算，再采用基于邻域搜索变异算子的遗传优化算法进行逐段的优化计算，最后将优化后的方案输出；

结果展现模块，用于将单段业务区间在优化前与优化后的整体仓储位置变化情况进行呈现。

作为优选，进一步的技术方案是：所述优化计算模块执行的基于邻域搜索变异算子的遗传优化算法包括如下步骤：

步骤A、选择变异分段，在当前种群中选择一个染色体个体，随机在该染色体中选择若干个货位分段；

步骤B、选择分段中变异位，在每个选中的变异货位分段中随机选择到一个当前非0的位置，然后在随机选择一个0位，对两者进行交换；

步骤C、邻域搜索最优，将交换后非0位的信息同步骤S412中选中位置的左右各H个总共2×H个位置中所有0位进行交换，保留最优的方案为该染色体个体变异后的子代个体；

步骤D、循环执行上述步骤S411与步骤S413，直至当前种群所有的染色体都实现了领域搜索的变异运算后停止。

与现有技术相比，本发明的有益效果之一是：通过引入遗传算法对仓储的执行方案进行优化计算，且采用分段业务区间的方式动态规划货位分配，实现了存储空间的复用，减少了存储空间在大量时段空置浪费的机率，满足了货物不停的时存时取的需求，同时由于算法没有对货物种类做限定，因此可以适应货物种类的快速变化情况，另外本发明构建的目标函数值为多向量，从而可以实现多种目标综合优化，包括对存储和配送的物资搬运路径的优化。可满足大型企业仓库管理业务规划工作的需要，尤其是满足企业大规模定制业务下对仓储管理工作的新要求。

附图说明

图1为用于说明本发明一个实施例中优化计算模块的优化计算流程图；

图2为用于说明本发明另一个实施例中动态储位规划优化计算过程示意图；

图3为用于说明本发明实施例中单段业务区间开始和结束时的整个储位状态变化情况示意图；

图4为用于说明本发明一个实施例中构造总的取货托盘位的操作示意图；

图5为用于说明本发明一个实施例中染色体的构成示意图；

图6为用于说明本发明一个实施例中初始种群交叉计算的操作示意图；

图7为用于说明本发明一个实施例中选择染色体分段中变异位的操作示意图；

图8为用于说明本发明一个实施例中邻域搜索最优的操作示意图。

具体实施方式

下面结合附图对本发明作进一步阐述。

参考图1、图3所示，本发明的一个实施例是一种用于处理多品种物资仓储的动态货位分配规划方法，该方法的步骤如下：

步骤S1、由数据管理模块将仓储环境中的货位信息、货物类别、货物信息存储至系统数据库中；

步骤S2、由业务区间管理模块将未处理的入库单与出库单导入至系统数据库中，然后按照时间先后顺序将入库单涉及的存储货物提取出来，生成入库货物列表信息，再按照时间先后顺序将出库单涉及的出库货物提取出来，生成拣取货物列表信息；

步骤S3、由业务区间管理模块根据时间点和系统预设的单个业务区间中最大存取货物值，将入库货物列表信息与拣取货物列表信息划分入不同的业务区间中，并等待后续的模块处理；

步骤S4、由优化计算模块在将系统数据库中存储的各类数据初始化后，得到当前空的货位数量和位置，再将划分的业务区间中的操作方案进行编码，然后将两者组合并随机生成多个染色体作为初始种群，依照初始种群交叉计算，再采用基于邻域搜索变异算子的遗传优化算法对业务区间进行逐段的优化计算，最后将优化后的方案输出；

更具体的说，在本步骤中，优化计算模块针对业务区间管理模块划分的每段业务区间进行一段一段的优化计算，具体可参考图2所示；

步骤S5、由结果展现模块将单段业务区间在优化前与优化后的整体仓储位置变化情况进行呈现，具体如图3所示。

本发明中，提到的每个货位中至少放置有一个托盘位，每个托盘位中只放置一种货物，然而，存储与拣取货物的最小对象为一个托盘；同时，为步骤S4输出方案可有效的实施，该优化后的方案中应当包括货物类信息、仓储位置及操作关联。

在本发明的另一个实施例中，还可在上述步骤S4与步骤S5之间增加如下步骤，以保证输出方案的适宜性：

步骤S401、将经过交叉、变异计算后得到的子代染色体组成的子代种群和当前种群合并成为合并种群，计算每个染色体的适应度值，计算步骤为将染色体中对于一段业务区间所采取的入库和拣取方案，然后将该方案解码后映射到所有货位信息中托盘位的矩阵空间，该映射对应一段业务区间完成后货物在仓储中的全局布局，然后得到单个染色体的适应度；

步骤S402、更新种群与最优方案，将适应度值作为判断较优方案的标准找到当前合并种群中的最优方案，合并种群中的最优方案同全局最优方案进行比较，如合并种群中的最优方案更好，就将其作为全局最优方案；合并种群所有2*Num个染色体个体一起参加轮盘赌的选择，选择出2*Num个染色体作为新一代的当前种群，作为下次迭代运算的输入，轮盘赌的具体方法同一般遗传算法的轮盘赌算法一致；

步骤S403、判断是否终止，如判断结果为是，则输出最优方案，反之则返回到种群交叉计算的步骤重新进行所述方法。终止条件可以有多种，如可以是判断是否已生成全局指标值满足要求的方案要求、循环次数达到给定阈值、连续两次最优解的全局指标值之差小于给定阈值或者最优解的全局指标值连续未变化次数大于给定阈值等。

在上述实施例中，为给后续的遗传算法优化算法提供跟我给优异的初始种群方案，上述步骤S4中优化计算模块进行存储数据初始化的操作的具体方式为：

1）初始化托盘位矩阵：从数据库中读取所有货位与托盘信息，根据货位信息统计出总货位个数为N个，对货位编号为（P₁，P₂…P_N），每个货位中的托盘放置个数为K个，那么总托盘位置数为K×N，那么第i个货位P_i中包含托盘位编号为（P_i1，P_i2…P_iK），这样就得到一个包含K×N个元素的矩阵A_K×N，该矩阵元素为所有的托盘位编号。

2）初始化存货和取货列表：从数据库中读取现有业务区间管理模块中当前需要处理的业务区间编号，根据业务区间编号从数据库中检索出该区间编号对应的存储货物列表和拣取货物列表。

3）初始化空托盘位列表：从数据库中读取所有货物信息，统计货物种类有M个（包括单段业务区间新增的货物种类），每类货物的编号为（T₁，T₂…T_M），编号T_i类货物的数量为占用了N_i个托盘。那么当前装有货物的托盘个数为

空的托盘个数为

得到空托盘列表如下表所示：

1

2

3

…

…

…

…

E-2

E-1

E

初始化取货托盘位列表：从第k个业务区间的取货列表中统计出货物种类，共P类，具体货物类别编号为：T_k1，T_k2…T_kP，然后分别从数据库中检索出每类货物装的所有托盘，如从第ki类货物得到了共L_ki个托盘位装有该类货物，那么所有的取货托盘位个数为在构造托盘位列表时采用同类货物托盘位放在一起构成一类货物托盘分段的原则，得到了总的取货托盘位如图4所示。

为了便于下面过程叙述，采用如下例子进行描述：存储货物列表为数组（T₂，T₂，T₅，T₅，T_M-1），拣取货物列表为数组（T₁，T₃，T₃，T_M-4，T_M-4），都为包含L=5个货物。那么需要将存储货物列表中的L=5个货物放置入E个空的托盘中L=5个托盘位置，同时从存储有（T₁，T₃，T_M-4）的托盘中取出1个T₁、2个T₃和2个T_M-4。

另一方面，上述优化计算模块对业务区间中的操作方案进行编码为将上述共E个空的托盘位置和所有装有拣取货物列表中包含的几类货物托盘位分段组合在一起作为一个染色体，即染色体长度为：Len=E+F，具体如图5所示，使用这种编码方式作为一个业务区间存储货物操作和拣去货物操作方案的编码，其中，在存储货物部分中的“0”表示该托盘位置为空；拣取货物部分中的“0”表示该托盘位置的货物没有被选中拣取。两个部分的“0”都可以和非“0”区域托盘进行互换。

在上述染色体方式按照类别分为几个片段，第一个片段为空的托盘位置列表，后面每个片段代表当前不同种类货物对应的托盘位分段。初始化种群的时候，采用随机方式生成如上图所示的Num=30个不同的染色体作为初始化种群，在生成染色体的过程中，需要充分考虑及参照约束条件，然后判断该方案的可行性，只有可行的方案的染色体才能入初始化种群。然后将初始化种群赋值给当前种群，同时选择当前种群中最优方案赋值给当前全局最优方案。

在本发明用于解决技术问题，更加优选的一个实施例中，上述步骤S4中初始种群交叉计算具体的操作方式优选为，可作为本发明上述方法的第一个分支步骤：

步骤S411、选择父代分段，在当前种群中选择两个染色体个体A和B，然后按照单类存储货物的货位信息中的托盘位对染色体进行分段，除第一托盘位分段为空托盘放置入存储货物外，其他各段为单类货物托盘位分段，然后随机选择其中的2段；

步骤S412、分段交叉，将父代中的两个染色体个体A和B中选择的分段进行交叉互换，具体如图6所示，得到子代染色体A’和B’，使用交叉后的得到的子代染色体替换当前种群对应的父代染色体；

步骤S413、循环执行，循环执行步骤S411与S412，直至当前种群所有的染色体都实现了交叉运算。

参考图2所示，在本发明用于解决技术问题更加优选的另一个实施例中，作为本发明进行优化计算的核心之一，上述步骤S4中基于邻域搜索变异算子的遗传优化算法的具体步骤为，下述步骤可作为上述方法的第二个分支步骤：

步骤S421、选择变异分段，在当前种群中选择一个染色体个体，随机在该染色体中选择若干个货位分段；

步骤S422、选择分段中变异位，在每个选中的变异货位分段中随机选择到一个当前非0的位置，然后在随机选择一个0位，对两者进行交换，具体参考图7所示；

步骤S423、邻域搜索最优，将交换后非0位的信息同步骤S422中选中位置的左右各H个总共2×H个位置中所有0位进行交换，保留最优的方案为该染色体个体变异后的子代个体，参考图8所示；

步骤S424、循环执行上述步骤S421与步骤S423，直至当前种群所有的染色体都实现了领域搜索的变异运算后停止。

上述实施例已提到，适应度评价具体的方式为将经过交叉、变异计算后得到的子代共Num个染色体组成的子代种群和当前种群合并成为合并种群，合并种群中共有2*Num个染色体，按照下述方式计算每个染色体的适应度值：

种群的单个染色体对于一段业务区间所采取的存储和拣取方案S_i，然后将该方案解码映射到所有托盘位矩阵空间A_K×N，这种的映射记为(S_i,A_K×N)，这个映射对应一段业务区间完成后货物在仓储中的全局布局，那么通过该全局布局方案可以直接计算该业务区间的搬运路线长度等函数值，在此可以构建m个函数值代表m个目标，并将m个目标组合成一个向量，记为F(S_i,A_K×N)=[f₁(S_i,A_K×N),f₂(S_i,A_K×N),f₃(S_i,A_K×N),…,f_m-1(S_i,A_K×N),f_m(S_i,A_K×N)]。每个函数值赋予一定的权重，组合在一起构成权重向量，记为R=[k₁,k₂,k₃,…，k_m]。综上得到单个染色体S_i适应度计算方法为：f(S_i,A_K×N)=R*F^T(S_i,A_K×N)。

与上述的实施例相对应，本发明中还包括用于执行上述于处理多品种物资仓储的动态货位分配规划方法的系统，该系统包括：

数据管理模块，用于将仓储环境中的货位信息、货物类别、货物信息存储至系统数据库中；

业务区间管理模块，用于将未处理的入库单与出库单导入至系统数据库中，然后按照时间先后顺序将入库单涉及的存储货物提取出来，生成入库货物列表信息，再按照时间先后顺序将出库单涉及的出库货物提取出来，生成拣取货物列表信息；

业务区间管理模块，用于根据时间点和系统预设的单个业务区间中最大存取货物值，将入库货物列表信息与拣取货物列表信息划分入不同的业务区间中，并等待后续的模块处理；

优化计算模块，用于在将系统数据库中存储的各类数据初始化后，得到当前空的货位数量和位置，再将划分的业务区间中的操作方案进行编码，然后将两者组合并随机生成多个染色体作为初始种群，依照初始种群交叉计算，再采用基于邻域搜索变异算子的遗传优化算法进行逐段的优化计算，最后将优化后的方案输出；

该模块采用遗传算法，具体包括：输入信息初始化、业务区间操作方案编码并产生初始化种群、种群交叉计算、基于邻域搜索的种群变异计算、适应度评价、更新种群与最优方案、判断是否终止和输出最优化方案。

结果展现模块，用于将单段业务区间在优化前与优化后的整体仓储位置变化情况进行呈现。

进一步的，上述的数据管理模块还具有如下功能：

1）货位信息管理，首先将企业的所有的货位进行信息结构化编号，每个货位可以放置一个或者多个托盘位，每个托盘位中只放置一种货物，在仓储工作中存货和取货操作的最小对象为一个托盘。货位信息管理功能点提供对上述信息的管理，并将这些信息保存到数据库中。

2）货物类别管理，货物类别信息主要包括货物类别编码和货物类别名称信息，该功能点提供货物类别信息的增、删、改、查管理功能，同时提供批量导入功能，货物类别信息保存在数据库中。

3）货物信息管理，该功能点提供当前仓库中存储的所有货物信息，以及货物所在的货位信息，同时提供相关信息修改功能。

4）初始货位分配管理，该功能点提供系统初始化时首次货位分配信息的批量导入，并提供图形化界面的货位分配查看功能。

根据本发明的另一实施例，上述优化计算模块执行的基于邻域搜索变异算子的遗传优化算法包括如下步骤：

步骤A、选择变异分段，在当前种群中选择一个染色体个体，随机在该染色体中选择若干个货位分段；

步骤B、选择分段中变异位，在每个选中的变异货位分段中随机选择到一个当前非0的位置，然后在随机选择一个0位，对两者进行交换；

步骤C、邻域搜索最优，将交换后非0位的信息同步骤S412中选中位置的左右各H个总共2×H个位置中所有0位进行交换，保留最优的方案为该染色体个体变异后的子代个体；

步骤D、循环执行上述步骤S411与步骤S413，直至当前种群所有的染色体都实现了领域搜索的变异运算后停止。

除上述以外，还需要说明的是在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”等，指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说，结合任一实施例描述一个具体特征、结构或者特点时，所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。

尽管这里参照本发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开、附图和权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外，对于本领域技术人员来说，其他的用途也将是明显的。

Claims (10)

1.一种用于处理多品种物资仓储的动态货位分配规划方法，其特征在于所述的方法包括：

S1、由数据管理模块将仓储环境中的货位信息、货物类别、货物信息存储至系统数据库中；

S2、由业务区间管理模块将未处理的入库单与出库单导入至系统数据库中，然后按照时间先后顺序将入库单涉及的存储货物提取出来，生成入库货物列表信息，再按照时间先后顺序将出库单涉及的出库货物提取出来，生成拣取货物列表信息；

S3、由业务区间管理模块根据时间点和系统预设的单个业务区间中最大存取货物值，将入库货物列表信息与拣取货物列表信息划分入不同的业务区间中，并等待后续的模块处理；

S4、由优化计算模块在将系统数据库中存储的各类数据初始化后，得到当前空的货位数量和位置，再将划分的业务区间中的操作方案进行编码，然后将两者组合并随机生成多个染色体作为初始种群，依照初始种群交叉计算，再采用基于邻域搜索变异算子的遗传优化算法对业务区间进行逐段的优化计算，最后将优化后的方案输出；

S5、由结果展现模块将单段业务区间在优化前与优化后的整体仓储位置变化情况进行呈现。

2.根据权利要求1所述的用于处理多品种物资仓储的动态货位分配规划方法，其特征在于：所述步骤S4中优化计算模块进行存储数据初始化的操作包括初始化货位矩阵、初始化入库货物和拣取货物列表信息、初始化空货位列表信息及初始化拣货货位列表信息。

3.根据权利要求1或2所述的用于处理多品种物资仓储的动态货位分配规划

方法，其特征在于所述步骤S4中基于邻域搜索变异算子的遗传优化算法包括：

S411、选择变异分段，在当前种群中选择一个染色体个体，随机在该染色体中选择若干个货位分段；

S412、选择分段中变异位，在每个选中的变异货位分段中随机选择到一个当前非0的位置，然后在随机选择一个0位，对两者进行交换；

S413、邻域搜索最优，将交换后非0位的信息同步骤S412中选中位置的左右各H个总共2×H个位置中所有0位进行交换，保留最优的方案为该染色体个体变异后的子代个体；

S414、循环执行上述步骤S411与步骤S413，直至当前种群所有的染色体都实现了领域搜索的变异运算后停止。

4.根据权利要求3所述的用于处理多品种物资仓储的动态货位分配规划方法，其特征在于：所述货位中至少放置有一个托盘位，所述每个托盘位中只放置一种货物；所述存储与拣取货物的最小对象为一个托盘。

5.根据权利要求3所述的用于处理多品种物资仓储的动态货位分配规划方法，其特征在于：所述步骤S4中优化计算模块在生成初始种群的过程中，参照约束条件判断该方案的可行性，只有经判断后可行方案的染色体才能进入初始化种群中，然后将初始化种群赋值给当前种群，同时选择当前种群中最优方案赋值给当前全局最优方案。

6.根据权利要求1或5所述的用于处理多品种物资仓储的动态货位分配规划方法，其特征在于所述步骤S4中初始种群交叉计算包括：

S421、选择父代分段，在当前种群中选择两个染色体个体A和B，然后按照单类存储货物的货位信息中的托盘位对染色体进行分段，除第一托盘位分段为空托盘放置入存储货物外，其他各段为单类货物托盘位分段，然后随机选择其中的2段；

S422、分段交叉，将父代中的两个染色体个体A和B中选择的分段进行交叉互换，得到子代染色体A’和B’，使用交叉后的得到的子代染色体替换当前种群对应的父代染色体；

S423、循环执行，循环执行步骤S421与S422，直至当前种群所有的染色体都实现了交叉运算。

7.根据权利要求6所述的用于处理多品种物资仓储的动态货位分配规划方法，其特征在于所述步骤S4在通过基于邻域搜索变异算子的遗传优化算法，对业务区间进行逐段的优化计算之后还包括：

S401、将经过交叉、变异计算后得到的子代染色体组成的子代种群和当前种群合并成为合并种群，计算每个染色体的适应度值，计算步骤为将染色体中对于一段业务区间所采取的入库和拣取方案，然后将该方案解码后映射到所有货位信息中托盘位的矩阵空间，该映射对应一段业务区间完成后货物在仓储中的全局布局，然后得到单个染色体的适应度；

S402、更新种群与最优方案，将适应度值作为判断较优方案的标准找到当前合并种群中的最优方案，合并种群中的最优方案同全局最优方案进行比较，如合并种群中的最优方案更好，就将其作为全局最优方案；

S403、判断是否终止，如判断结果为是，则输出最优方案，反之则返回到种群交叉计算的步骤重新进行所述方法。

8.根据权利要求1或7所述的用于处理多品种物资仓储的动态货位分配规划方法，其特征在于：所述步骤S4中输出的优化后的方案中包括货物类信息、仓储位置及操作关联。

9.一种执行权利要求1至8所述的用于处理多品种物资仓储的动态货位分配

规划方法的系统，其特征在于所述系统包括：

数据管理模块，用于将仓储环境中的货位信息、货物类别、货物信息存储至系统数据库中；

业务区间管理模块，用于将未处理的入库单与出库单导入至系统数据库中，然后按照时间先后顺序将入库单涉及的存储货物提取出来，生成入库货物列表信息，再按照时间先后顺序将出库单涉及的出库货物提取出来，生成拣取货物列表信息；

业务区间管理模块，用于根据时间点和系统预设的单个业务区间中最大存取货物值，将入库货物列表信息与拣取货物列表信息划分入不同的业务区间中，并等待后续的模块处理；

优化计算模块，用于在将系统数据库中存储的各类数据初始化后，得到当前空的货位数量和位置，再将划分的业务区间中的操作方案进行编码，然后将两者组合并随机生成多个染色体作为初始种群，依照初始种群交叉计算，再采用基于邻域搜索变异算子的遗传优化算法进行逐段的优化计算，最后将优化后的方案输出；

结果展现模块，用于将单段业务区间在优化前与优化后的整体仓储位置变化情况进行呈现。

10.根据权利要求9所述的系统，其特征在于：所述优化计算模块执行的基于邻域搜索变异算子的遗传优化算法包括如下步骤：

步骤A、选择变异分段，在当前种群中选择一个染色体个体，随机在该染色体中选择若干个货位分段；

步骤B、选择分段中变异位，在每个选中的变异货位分段中随机选择到一个当前非0的位置，然后在随机选择一个0位，对两者进行交换；

步骤C、邻域搜索最优，将交换后非0位的信息同步骤S412中选中位置的左右各H个总共2×H个位置中所有0位进行交换，保留最优的方案为该染色体个体变异后的子代个体；

步骤D、循环执行上述步骤S411与步骤S413，直至当前种群所有的染色体都实现了领域搜索的变异运算后停止。

Images