CN106779153A - 一种智能立体仓库货位分配优化方法 - Google Patents

一种智能立体仓库货位分配优化方法 Download PDF

Info

Publication number
CN106779153A
CN106779153A CN201611026561.4A CN201611026561A CN106779153A CN 106779153 A CN106779153 A CN 106779153A CN 201611026561 A CN201611026561 A CN 201611026561A CN 106779153 A CN106779153 A CN 106779153A
Authority
CN
China
Prior art keywords
goods yard
individuality
goods
population
individual
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201611026561.4A
Other languages
English (en)
Other versions
CN106779153B (zh
Inventor
张贵军
周晓根
姚俊
陈凯
郝小虎
王柳静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201611026561.4A priority Critical patent/CN106779153B/zh
Publication of CN106779153A publication Critical patent/CN106779153A/zh
Application granted granted Critical
Publication of CN106779153B publication Critical patent/CN106779153B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders

Abstract

一种智能立体仓库货位分配优化方法，首先，针对货位分配优化模型，根据货位所在的层和列利用连续的实整数对各货位进行编码，将离散问题为连续的整数优化问题；然后，通过对各货位对应的数字进行随机排序生成初始种群，在每代进化之前，根据目标函数值选出部分最优解，并利用所选最优解之间的平均距离来衡量种群的拥挤度，进而根据拥挤度的变化在不同的搜索阶段动态选择不同的变异策略生成高质量的解；最后，根据编码数字与货位一一对应的关系进行解码，即最优解对应的货位分配方案即为当前最优方案。本发明在实际货位分配优化应用中，可以快速的得到合理的最佳分配方案和其他备用方案。

Description

一种智能立体仓库货位分配优化方法
技术领域
本发明涉及一种智能立体仓库、智能优化、计算机应用领域，尤其涉及的是，一种智能立体仓库货位分配优化方法。
背景技术
智能立体仓库是一种包含多层(几层至几十层)的货架来存储货物，并通过搬运设备和智能控制技术对货物进行出入库操作的仓库。现代智能工厂的发展离不开现代化的智能立体仓储，现代化智能立体仓储的发展也必然会推动现代智能工厂的发展。智能立体仓储系统是生产、供货和物流系统的重要节点和调控中心。智能立体仓储可以节约仓库占地面积，使仓库的空间实现了充分的利用。由于立体仓库采用大型仓储货架的拼装，又加上自动化管理技术使得货物便于查找，因此建设智能立体仓库就比传统仓库的占地面积小，但是空间利用率大。在发达国家，提高空间的利用率已经作为系统合理性和先进性的重要考核指标。在提倡节能环保的今天，智能立体仓库在节约占地资源上有着很好的效果，因而也是促进未来仓储发展的动力。智能立体仓库可以形成先进的生产链，促进了生产力的进步。由于智能立体仓库的存取效率高，并且可以有效地连接仓库外的生产环节，可以在存储中形成自动化的物流系统，从而形成有计划有编排的生产链，使生产能力得到了大幅度的提升。
一个智能立体仓库通常主要包括三大系统，第一是存储系统，主要由分层立体货架和托盘组成；第二是输送系统，主要由巷道堆垛机、AGV小车构成；第三是控制系统，主要由自动控制系统和中央计算机管理系统组成，其中，中央计算机管理系统是全自动化立体库系统的核心。目前，国外已从理论和技术上对智能立体仓储的进行了大量研究，这也是智能立体仓储系统在国外得到迅速发展的原因。而国内对智能立体仓储研究起步比较晚，目前存在着智能化程度不高和运行效率低的问题，尤其缺乏对货位分配的优化控制。
为了对货位分配进行优化控制，部分学者利用模拟退火、遗传算法等对单位货格式立体仓库的货位分配模型进行了求解；部分学者采用专家系统对智能立体仓库的货位分配进行了求解；另外，还有部分学者利用禁忌搜索方法、人工神经网络算法以及蚁群算法等对货位分配模型进行了优化求解。通过上述算法对货位分配优化得到的方案都从一定程度上提高了仓储系统的运行效率和运营成本，但是由于货位分配优化问题需要考虑的因素多，而且其优化模型一个离散问题，利用传统的优化方法进行求解不仅搜索效率低而且解的可行性不高。
因此，现有的智能立体仓储货位分配优化方法在搜索效率和解的可靠性方面存在缺陷，需要改进。
发明内容
为了克服现有的智能立体仓储货位分配优化方法搜索效率低、解的可靠性不高的不足，本发明提出一种搜索效率高、解的可靠性高的智能立体仓库货位分配优化方法。
本发明解决其技术问题所采用的技术方案是：
一种智能立体仓库货位分配优化方法，所述方法包括以下步骤：
1)考虑货物重量、出入库频率和出入库时间等因素，以货架重心最低、出入库频率高的货物离出入库口近的原则，建立如下目标函数：
其中，i表示货架的层，j表示货架的列，M和N分别表示货架的总层数和总列数，H表示货位的高度，L表示货位的长度，Pij表示第i层第j列货位的货物出入库频率，Gij表示第i层第j列货位的货物的重量，且每个货位的最大承重为Gmax，ω1和ω2为两个权重值；
2)根据货物相关性原则、就近原则、稳定性原则和弹性原则确定ω1和ω2的值；
3)参数初始化：设置步长因子F，交叉概率CR，种群规模NP，并初始化当前迭代代数g＝0；
4)根据位置信息从第一层的第一个货位开始依次进行编码，即第i层第j列货位通过数字((i-1)N+j)表示，且每一个货位对应一个数字，则第一层的第一个货位通过1表示，第M层的第N个货位对应的数字则是((M-1)N+N)＝MN；
5)通过对1到MN之间的所有整数进行NP次随机排列生成初始种群，每一次排列生成一个种群个体，每一个个体对应一种货位分配方案，第m个个体表示为xm＝(xm,1,xm,2,...,xm,MN),m＝1,2,...,NP，其中NP为种群规模，xm,n,n＝1,2,...,MN表示第m个个体的第n维，即第m种分配方案中的数字n对应的货位，并计算每一个个体的目标函数值；
6)根据目标函数值对种群中的每一个个体进行降序排列，并选出前S个个体，即当前最优的S种分配方案，记为t＝1,2,...,S；
7)计算所选的S个个体之间的平均距离：
其中，dg表示第g代种群中所选的S个个体之间的平均距离，表示第t个所选个体的第n维，如果g＝0，则最大距离dmax＝dg；
8)将种群中的每一个个体看作目标个体，通过如下操作生成测试个体um：
8.1)如果g＝0，则生成变异个体其中xm为当前的目标个体，xa和xb是从当前种群中随机选择的互不相同的，且与xm不相同的个体，F为步长因子；
8.2)如果g>0，则进行如下操作：
8.2.1)如果rand(0,1)＞dg/dg-1，则根据步骤6.1)的方法生成变异个体，其中dg-1表示第g-1代种群中所个体之间的平均距离，rand(0,1)表示0和1之间的随机小数；
8.2.2)如果rand(0,1)≤dg/dg-1，则生成变异个体其中xbest表示当前种群中目标函数值最小的个体；
8.3)如果变异个体的第n维vm,n与其他某一维数相同或者超过了范围[1,MN]，则从1到MN中随机生成一个与当前其他维数都不同的整数替换vm,n；
8.4)根据如下操作对测试个体和目标个体进行交叉：
8.4.1)如果randn小于交叉概率CR或者n＝nrand，且vm,n与当前测试个体um中的其他维数都不同，则um,n＝vm,n，其中randn为0到1之间随机小数，nrand为1到MN之间的随机整数，um,n表示测试个体um的第n维；
8.4.2)如果不满足上述条件，且xm的第n维xm,n与um的其他维数都不相同，则um,n＝xm,n，如果xm,n与um的某一维数相同，则从1到MN中随机生成一个与um的其他维数都不相同的整数代替um,n；
8.5)计算测试个体um的目标函数值F(um)，如果F(um)小于目标个体xm的目标函数值F(xm)，则um替换xm；
9)判断是否满足终止条件，若满足则继续步骤(10)，否则返回步骤6)；
10)对当前种群中目标函数值最低的个体，即最优解进行解码，如果最优解的第n维等于((i-1)N+j)，则表明第n个货物应存放在第i行第j列的货位上，以此类推，输出所有货物对应的货位。
进一步，所述步骤2)中目标函数的权重值ω1和ω2值是利用层次分析法确定的，ω1和ω2的值分别为0.7790和0.2210。
再进一步，所述步骤3)中，设置最大迭代代数gmax；所述步骤9)中，对种群中的每个个体都执行完步骤8)以后，迭代次数g＝g+1，终止条件为迭代次数g达到预设最大迭代次数gmax。
本发明的技术构思为：首先，针对货位分配优化模型，根据货位所在的层和列利用连续的实整数对各货位进行编码，将离散问题为连续的整数优化问题；然后，通过对各货位对应的数字进行随机排序生成初始种群，在每代进化之前，根据目标函数值选出部分最优解，并利用所选最优解之间的平均距离来衡量种群的拥挤度，进而根据拥挤度的变化在不同的搜索阶段动态选择不同的变异策略生成高质量的解；最后，根据编码数字与货位一一对应的关系进行解码，即最优解对应的货位分配方案即为当前最优方案。
本发明的有益效果表现在：一方面，根据货位位置进行编码，将离散问题转化为连续整数优化问题，方便了问题的求解；另一方面，根据较优个体的拥挤度变化来估计搜索状态，从而动态选择不同的变异策略进行搜索，不仅提高了搜索效率，而且可以防止算法陷入局部最优，提高了解的可靠性。
附图说明
图1是某公司的成品库初始货位分配图。
图2是智能立体仓库货位分配优化方法对某公司的成品库优化得到的最优货位分配图。
图3是智能立体仓库货位分配优化方法对某公司的成品库优化得到的次优货位分配图之一。
图4是智能立体仓库货位分配优化方法对某公司的成品库优化得到的次优货位分配图之二。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图4，一种智能立体仓库货位分配优化方法，包括以下步骤：
1)考虑货物重量、出入库频率和出入库时间等因素，以货架重心最低、出入库频率高的货物离出入库口近的原则，建立如下目标函数：
其中，i表示货架的层，j表示货架的列，M和N分别表示货架的总层数和总列数，H表示货位的高度，L表示货位的长度，Pij表示第i层第j列货位的货物出入库频率，Gij表示第i层第j列货位的货物的重量，且每个货位的最大承重为Gmax，ω1和ω2为两个权重值；
2)根据货物相关性原则、就近原则、稳定性原则和弹性原则利用层次分析法确定ω1和ω2的值分别为0.7790和0.2210；
3)参数初始化：设置步长因子F，交叉概率CR，种群规模NP，并初始化当前迭代代数g＝0；
4)根据位置信息从第一层的第一个货位开始依次进行编码，即第i层第j列货位通过数字((i-1)N+j)表示，且每一个货位对应一个数字，则第一层的第一个货位通过1表示，第M层的第N个货位对应的数字则是((M-1)N+N)＝MN；
5)通过对1到MN之间的所有整数进行NP次随机排列生成初始种群，每一次排列生成一个种群个体，每一个个体对应一种货位分配方案，第m个个体表示为xm＝(xm,1,xm,2,...,xm,MN),m＝1,2,...,NP，其中NP为种群规模，xm,n,n＝1,2,...,MN表示第m个个体的第n维，即第m种分配方案中的数字n对应的货位，并计算每一个个体的目标函数值；
6)根据目标函数值对种群中的每一个个体进行降序排列，并选出前S个个体，即当前最优的S种分配方案，记为t＝1,2,...,S；
7)计算所选的S个个体之间的平均距离：
其中，dg表示第g代种群中所选的S个个体之间的平均距离，表示第t个所选个体的第n维，如果g＝0，则最大距离dmax＝dg；
8)将种群中的每一个个体看作目标个体，通过如下操作生成测试个体um：
8.1)如果g＝0，则生成变异个体其中xm为当前的目标个体，xa和xb是从当前种群中随机选择的互不相同的，且与xm不相同的个体，F为步长因子；
8.2)如果g>0，则进行如下操作：
8.2.1)如果rand(0,1)＞dg/dg-1，则根据步骤6.1)的方法生成变异个体，其中dg-1表示第g-1代种群中所个体之间的平均距离，rand(0,1)表示0和1之间的随机小数；
8.2.2)如果rand(0,1)≤dg/dg-1，则生成变异个体其中xbest表示当前种群中目标函数值最小的个体；
8.3)如果变异个体的第n维vm,n与其他某一维数相同或者超过了范围[1,MN]，则从1到MN中随机生成一个与当前其他维数都不同的整数替换vm,n；
8.4)根据如下操作对测试个体和目标个体进行交叉：
8.4.1)如果randn小于交叉概率CR或者n＝nrand，且vm,n与当前测试个体um中的其他维数都不同，则um,n＝vm,n，其中randn为0到1之间随机小数，nrand为1到MN之间的随机整数，um,n表示测试个体um的第n维；
8.4.2)如果不满足上述条件，且xm的第n维xm,n与um的其他维数都不相同，则um,n＝xm,n，如果xm,n与um的某一维数相同，则从1到MN中随机生成一个与um的其他维数都不相同的整数代替um,n；
8.5)计算测试个体um的目标函数值F(um)，如果F(um)小于目标个体xm的目标函数值F(xm)，则um替换xm；
9)判断是否满足终止条件，若满足则继续步骤(10)，否则返回步骤6)；
10)对当前种群中目标函数值最低的个体，即最优解进行解码，如果最优解的第n维等于((i-1)N+j)，则表明第n个货物应存放在第i行第j列的货位上，以此类推，输出所有货物对应的货位。
进一步，所述步骤3)中，设置最大迭代代数gmax；所述步骤9)中，对种群中的每个个体都执行完步骤8)以后，迭代次数g＝g+1，终止条件为迭代次数g达到预设最大迭代次数gmax。
以某公司成品库中的某一智能立体货架为实施例，该货架为5层7列，共有35个仓位，每个货位的长度均为30厘米，高度均为50厘米，如图1所示的初始货位分配图，每个小方格表示一个货位，其中数字表示现存放货物的重量，每个货位的对应的出入库频率Pij，以及已存放的货物的重量如表1所示，其中重量0表示不存放货物。
位置(i，j) 频率Pij 重量Gij 位置(i，j) 频率Pij 重量Gij
(1，1) 0.01 54 (3，5) 0.03 65
(1，2) 0.02 76 (3，6) 0.03 0
(1，3) 0.04 88 (3，7) 0.01 21
(1，4) 0.02 87 (4，1) 0.06 83
(1，5) 0.03 16 (4，2) 0.04 90
(1，6) 0.02 15 (4，3) 0.03 64
(1，7) 0.06 24 (4，4) 0.03 21
(2，1) 0.02 11 (4，5) 0.05 0
(2，2) 0.01 0 (4，6) 0.06 55
(2，3) 0.03 28 (4，7) 0.04 43
(2，4) 0.04 87 (5，1) 0.01 21
(2，5) 0.02 61 (5，2) 0.02 87
(2，6) 0.01 17 (5，3) 0.01 63
(2，7) 0.04 76 (5，4) 0.03 45
(3，1) 0.03 90 (5，5) 0.01 38
(3，2) 0.04 54 (5，6) 0.02 23
(3，3) 0.03 93 (5，7) 0.03 30
(3，4) 0.02 0
表1
在基于差分进化的货位分配优化方法中，种群规模NP设置为50，步长因子和交叉概率均设置为0.5，最大迭代次数gmax设置为1000，每代种群中根据排名所选出的个体数量S为5，通过执行本发明的方法后，得出了如表2所示的最优分配方案，对应的货位分配示意图见图2，从图2中可以看出，出入库频率最高的货物在低层，离出入库口近，且重量较轻的货物安排在高层，以降低货架的重心，图3和图4还给出了两种次优方案。
位置(i，j) 频率Pij 重量Gij 位置(i，j) 频率Pij 重量Gij
(1，1) 0.01 0 (3，5) 0.02 61
(1，2) 0.02 11 (3，6) 0.04 90
(1，3) 0.04 88 (3，7) 0.06 55
(1，4) 0.01 54 (4，1) 0.06 24
(1，5) 0.01 21 (4，2) 0.02 76
(1，6) 0.01 38 (4，3) 0.04 87
(1，7) 0.06 83 (4，4) 0.04 54
(2，1) 0.03 45 (4，5) 0.01 63
(2，2) 0.02 23 (4，6) 0.03 65
(2，3) 0.03 21 (4，7) 0.02 0
(2，4) 0.03 28 (5，1) 0.03 64
(2，5) 0.04 76 (5，2) 0.02 87
(2，6) 0.03 30 (5，3) 0.03 0
(2，7) 0.01 17 (5，4) 0.03 90
(3，1) 0.02 15 (5，5) 0.01 21
(3，2) 0.03 93 (5，6) 0.04 43
(3，3) 0.03 16 (5，7) 0.05 0
(3，4) 0.02 87
表2
以上说明是本发明以某公司的实例所得出的优化效果，并非限定本发明的实施范围，在不偏离本发明基本内容所涉及范围的的前提下对其做各种变形和改进，不应排除在本发明的保护范围之外。

Claims (3)

1.一种智能立体仓库货位分配优化方法，其特征在于：所述货位分配优化方法包括以下步骤：
1)考虑货物重量、出入库频率和出入库时间等因素，以货架重心最低、出入库频率高的货物离出入库口近的原则，建立如下目标函数；
其中，i表示货架的层，j表示货架的列，M和N分别表示货架的总层数和总列数，H表示货位的高度，L表示货位的长度，Pij表示第i层第j列货位的货物出入库频率，Gij表示第i层第j列货位的货物的重量，且每个货位的最大承重为Gmax，ω1和ω2为两个权重值；
2)根据货物相关性原则、就近原则、稳定性原则和弹性原则确定目标函数的权重值ω1和ω2；
3)参数初始化：设置步长因子F，交叉概率CR，种群规模NP，并初始化当前迭代代数g＝0；
4)根据位置信息从第一层的第一个货位开始依次进行编码，即第i层第j列货位通过数字((i-1)N+j)表示，且每一个货位对应一个数字，则第一层的第一个货位通过1表示，第M层的第N个货位对应的数字则是((M-1)N+N)＝MN；
5)通过对1到MN之间的所有整数进行NP次随机排列生成初始种群，每一次排列生成一个种群个体，每一个个体对应一种货位分配方案，第m个个体表示为xm＝(xm,1,xm,2,...,xm,MN),m＝1,2,...,NP，其中NP为种群规模，xm,n,n＝1,2,...,MN表示第m个个体的第n维，即第m种分配方案中的数字n对应的货位，并计算每一个个体的目标函数值；
6)根据目标函数值对种群中的每一个个体进行降序排列，并选出前S个个体，即当前最优的S种分配方案，记为
7)计算所选的S个个体之间的平均距离：
其中，dg表示第g代种群中所选的S个个体之间的平均距离，表示第t 个所选个体的第n维，如果g＝0，则最大距离dmax＝dg；
8)将种群中的每一个个体看作目标个体，通过如下操作生成测试个体um：
8.1)如果g＝0，则生成变异个体其中xm为当前的目标个体，xa和xb是从当前种群中随机选择的互不相同的，且与xm不相同的个体，F为步长因子；
8.2)如果g>0，则进行如下操作：
8.2.1)如果rand(0,1)＞dg/dg-1，则根据步骤6.1)的方法生成变异个体，其中dg-1表示第g-1代种群中所个体之间的平均距离，rand(0,1)表示0和1之间的随机小数；
8.2.2)如果rand(0,1)≤dg/dg-1，则生成变异个体其中xbest表示当前种群中目标函数值最小的个体；
8.3)如果变异个体的第n维vm,n与其他某一维数相同或者超过了范围[1,MN]，则从1到MN中随机生成一个与当前其他维数都不同的整数替换vm,n；
8.4)根据如下操作对测试个体和目标个体进行交叉：
8.4.1)如果randn小于交叉概率CR或者n＝nrand，且vm,n与当前测试个体um中的其他维数都不同，则um,n＝vm,n，其中randn为0到1之间随机小数，nrand为1到MN之间的随机整数，um,n表示测试个体um的第n维；
8.4.2)如果不满足上述条件，且xm的第n维xm,n与um的其他维数都不相同，则um,n＝xm,n，如果xm,n与um的某一维数相同，则从1到MN中随机生成一个与um的其他维数都不相同的整数代替um,n；
8.5)计算测试个体um的目标函数值F(um)，如果F(um)小于目标个体xm的目标函数值F(xm)，则um替换xm；
9)判断是否满足终止条件，若满足则继续步骤(10)，否则返回步骤6)；
对当前种群中目标函数值最低的个体，即最优解进行解码，如果最优解的第n维等于((i-1)N+j)，则表明第n个货物应存放在第i行第j列的货位上，以此类推，输出所有货物对应的货位。
2.如权利要求1所述的一种智能立体仓库货位分配优化方法，其特征在于：所述步骤2)中目标函数的权重值ω1和ω2值是利用层次分析法确定的，ω1和ω2的值分别为0.7790和0.2210。
3.如权利要求1或2所述的一种智能立体仓库货位分配优化方法，其特征在于：所述步骤3)中，设置最大迭代代数gmax；所述步骤9)中，对种群中的每个个体都执行完步骤8)以后，迭代次数g＝g+1，终止条件为迭代次数g达到预设最大迭代次数gmax。
CN201611026561.4A 2016-11-15 2016-11-15 一种智能立体仓库货位分配优化方法 Active CN106779153B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611026561.4A CN106779153B (zh) 2016-11-15 2016-11-15 一种智能立体仓库货位分配优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611026561.4A CN106779153B (zh) 2016-11-15 2016-11-15 一种智能立体仓库货位分配优化方法

Publications (2)

Publication Number Publication Date
CN106779153A true CN106779153A (zh) 2017-05-31
CN106779153B CN106779153B (zh) 2021-08-03

Family

ID=58970557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611026561.4A Active CN106779153B (zh) 2016-11-15 2016-11-15 一种智能立体仓库货位分配优化方法

Country Status (1)

Country Link
CN (1) CN106779153B (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107808215A (zh) * 2017-10-23 2018-03-16 南昌大学 一种应用于Flying‑V型非传统布局仓库的货位分配优化方法
CN107944616A (zh) * 2017-11-20 2018-04-20 南昌大学 一种鱼骨型立体仓库的货位分配方法
CN107967586A (zh) * 2017-11-10 2018-04-27 国网冀北电力有限公司物资分公司 一种电网物资仓储优化方法
CN108128584A (zh) * 2017-12-01 2018-06-08 上海神添实业有限公司 一种智能化与自动化药房
CN108550007A (zh) * 2018-04-04 2018-09-18 中南大学 一种制药企业自动化立体仓库的货位优化方法及系统
CN109165778A (zh) * 2018-08-10 2019-01-08 南通大学 应用于长物料存储的悬臂梁式立体仓库货位分配方法
CN109359905A (zh) * 2018-09-14 2019-02-19 广东飞库科技有限公司 一种自动化无人仓货位分配方法、装置和存储介质
CN109597304A (zh) * 2018-11-30 2019-04-09 北京工业大学 基于人工蜂群算法的模具库智能分区存储方法
CN110120131A (zh) * 2018-02-07 2019-08-13 长沙行深智能科技有限公司 用于空间可变柜的基于密度优先的空间分配方法
CN110120121A (zh) * 2018-02-07 2019-08-13 长沙行深智能科技有限公司 用于空间可变柜的基于最多物品方案的空间分配方法
CN110909930A (zh) * 2019-11-20 2020-03-24 浙江工业大学 一种面向冷库的移动式货架仓储系统货位分配方法
CN110986942A (zh) * 2019-10-17 2020-04-10 浙江科技学院 基于蚁群算法的立体仓库三维空间路径优化方法
CN110980082A (zh) * 2019-12-11 2020-04-10 浙江大学昆山创新中心 一种自动化立体仓库库位分配方法
CN111008804A (zh) * 2019-12-06 2020-04-14 拉货宝网络科技有限责任公司 一种仓库货物入库货位智能推荐方法
CN111815233A (zh) * 2020-06-24 2020-10-23 武汉理工大学 基于物流总量和能量消耗的货位优化方法
CN112100861A (zh) * 2020-09-22 2020-12-18 河南中烟工业有限责任公司 基于入侵杂草优化算法的卷烟生产物料货位分配方法
CN112520284A (zh) * 2019-09-19 2021-03-19 北京京东乾石科技有限公司 货架储位调整方法和系统
WO2021135582A1 (zh) * 2019-12-30 2021-07-08 北京极智嘉科技股份有限公司 仓储系统及应用于仓储系统的仓储控制方法
CN113222410A (zh) * 2021-05-12 2021-08-06 西安建筑科技大学 双向式布局模式下货位分配模型建立方法
CN113222293A (zh) * 2021-06-03 2021-08-06 江南大学 一种智能立体仓库优化调度方法
CN113359702A (zh) * 2021-05-11 2021-09-07 浙江工业大学 一种基于水波优化-禁忌搜索的智能仓库agv作业优化调度方法
CN115578039A (zh) * 2022-12-09 2023-01-06 成都运荔枝科技有限公司 一种仓库货位分配方法、电子设备及计算机存储介质
CN116823124A (zh) * 2023-08-30 2023-09-29 四川普鑫物流自动化设备工程有限公司 一种集中式多层货架四向车调度系统及方法
CN112100861B (zh) * 2020-09-22 2024-05-14 河南中烟工业有限责任公司 基于入侵杂草优化算法的卷烟生产物料货位分配方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105224987A (zh) * 2015-09-22 2016-01-06 浙江工业大学 一种基于动态Lipschitz下界估计的变策略群体全局优化方法
CN105678401A (zh) * 2015-12-29 2016-06-15 浙江工业大学 一种基于策略适应性差分进化的全局优化方法
CN105740949A (zh) * 2016-03-03 2016-07-06 浙江工业大学 一种基于随机性best策略的群体全局优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105224987A (zh) * 2015-09-22 2016-01-06 浙江工业大学 一种基于动态Lipschitz下界估计的变策略群体全局优化方法
CN105678401A (zh) * 2015-12-29 2016-06-15 浙江工业大学 一种基于策略适应性差分进化的全局优化方法
CN105740949A (zh) * 2016-03-03 2016-07-06 浙江工业大学 一种基于随机性best策略的群体全局优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王强: "基于遗传算法的自动化立体仓库出入库货位分配优化研究", 《物流工程与管理》 *

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107808215A (zh) * 2017-10-23 2018-03-16 南昌大学 一种应用于Flying‑V型非传统布局仓库的货位分配优化方法
CN107967586A (zh) * 2017-11-10 2018-04-27 国网冀北电力有限公司物资分公司 一种电网物资仓储优化方法
CN107944616A (zh) * 2017-11-20 2018-04-20 南昌大学 一种鱼骨型立体仓库的货位分配方法
CN108128584A (zh) * 2017-12-01 2018-06-08 上海神添实业有限公司 一种智能化与自动化药房
CN108128584B (zh) * 2017-12-01 2019-12-10 上海神添实业有限公司 一种智能化与自动化药房
CN110120121A (zh) * 2018-02-07 2019-08-13 长沙行深智能科技有限公司 用于空间可变柜的基于最多物品方案的空间分配方法
CN110120131A (zh) * 2018-02-07 2019-08-13 长沙行深智能科技有限公司 用于空间可变柜的基于密度优先的空间分配方法
CN108550007A (zh) * 2018-04-04 2018-09-18 中南大学 一种制药企业自动化立体仓库的货位优化方法及系统
CN108550007B (zh) * 2018-04-04 2021-09-28 中南大学 一种制药企业自动化立体仓库的货位优化方法及系统
CN109165778A (zh) * 2018-08-10 2019-01-08 南通大学 应用于长物料存储的悬臂梁式立体仓库货位分配方法
CN109359905A (zh) * 2018-09-14 2019-02-19 广东飞库科技有限公司 一种自动化无人仓货位分配方法、装置和存储介质
CN109597304A (zh) * 2018-11-30 2019-04-09 北京工业大学 基于人工蜂群算法的模具库智能分区存储方法
CN109597304B (zh) * 2018-11-30 2022-02-11 北京工业大学 基于人工蜂群算法的模具库智能分区存储方法
CN112520284A (zh) * 2019-09-19 2021-03-19 北京京东乾石科技有限公司 货架储位调整方法和系统
CN110986942A (zh) * 2019-10-17 2020-04-10 浙江科技学院 基于蚁群算法的立体仓库三维空间路径优化方法
CN110909930A (zh) * 2019-11-20 2020-03-24 浙江工业大学 一种面向冷库的移动式货架仓储系统货位分配方法
CN111008804A (zh) * 2019-12-06 2020-04-14 拉货宝网络科技有限责任公司 一种仓库货物入库货位智能推荐方法
CN111008804B (zh) * 2019-12-06 2023-04-18 拉货宝网络科技有限责任公司 一种仓库货物入库货位智能推荐方法
CN110980082A (zh) * 2019-12-11 2020-04-10 浙江大学昆山创新中心 一种自动化立体仓库库位分配方法
WO2021135582A1 (zh) * 2019-12-30 2021-07-08 北京极智嘉科技股份有限公司 仓储系统及应用于仓储系统的仓储控制方法
CN111815233B (zh) * 2020-06-24 2022-08-16 武汉理工大学 基于物流总量和能量消耗的货位优化方法
CN111815233A (zh) * 2020-06-24 2020-10-23 武汉理工大学 基于物流总量和能量消耗的货位优化方法
CN112100861A (zh) * 2020-09-22 2020-12-18 河南中烟工业有限责任公司 基于入侵杂草优化算法的卷烟生产物料货位分配方法
CN112100861B (zh) * 2020-09-22 2024-05-14 河南中烟工业有限责任公司 基于入侵杂草优化算法的卷烟生产物料货位分配方法
CN113359702A (zh) * 2021-05-11 2021-09-07 浙江工业大学 一种基于水波优化-禁忌搜索的智能仓库agv作业优化调度方法
CN113222410A (zh) * 2021-05-12 2021-08-06 西安建筑科技大学 双向式布局模式下货位分配模型建立方法
CN113222410B (zh) * 2021-05-12 2023-05-19 西安建筑科技大学 双向式布局模式下货位分配模型建立方法
CN113222293A (zh) * 2021-06-03 2021-08-06 江南大学 一种智能立体仓库优化调度方法
CN115578039A (zh) * 2022-12-09 2023-01-06 成都运荔枝科技有限公司 一种仓库货位分配方法、电子设备及计算机存储介质
CN115578039B (zh) * 2022-12-09 2023-04-07 成都运荔枝科技有限公司 一种仓库货位分配方法、电子设备及计算机存储介质
CN116823124A (zh) * 2023-08-30 2023-09-29 四川普鑫物流自动化设备工程有限公司 一种集中式多层货架四向车调度系统及方法
CN116823124B (zh) * 2023-08-30 2023-11-24 四川普鑫物流自动化设备工程有限公司 一种集中式多层货架四向车调度系统及方法

Also Published As

Publication number Publication date
CN106779153B (zh) 2021-08-03

Similar Documents

Publication Publication Date Title
CN106779153A (zh) 一种智能立体仓库货位分配优化方法
CN107480922B (zh) 两端式同轨双车运行模式下货位分配调度模型建立方法
CN107578199A (zh) 一种求解二维装载约束物流车辆调度问题的方法
CN103473616B (zh) 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
CN108550007A (zh) 一种制药企业自动化立体仓库的货位优化方法及系统
CN109886478A (zh) 一种成品酒自动化立体仓库的货位优化方法
CN114417696B (zh) 一种基于遗传算法的自动化立体仓库货位分配优化方法
CN107967586A (zh) 一种电网物资仓储优化方法
CN104063778A (zh) 一种在立体货仓中为货物分配货位的方法
CN104036324B (zh) 一种基于遗传算法的通信网络容量可靠性最优设计方法
CN107808215A (zh) 一种应用于Flying‑V型非传统布局仓库的货位分配优化方法
CN107944616A (zh) 一种鱼骨型立体仓库的货位分配方法
CN103399868B (zh) 一种外贸物流路径的优化方法
CN106021700A (zh) 基于分散式出/入库布局模式下的货位分配模型建立方法
CN101968860A (zh) 订单拣选方法及系统
CN105809279A (zh) 一种基于多目标量子混合蛙跳算法的水资源优化调度方法
CN109165778B (zh) 应用于长物料存储的悬臂梁式立体仓库货位分配方法
CN107807623A (zh) 柔性机加生产线的动态排产方法、系统及在高铁动车零部件组柔性机加生产线中的应用
CN105083837A (zh) 一种基于云架构统一平台的仓储系统
CN109460859A (zh) 一种车间布局优化方法
CN108090650A (zh) 一种基于遗传算法的排案优化方法
CN113222410A (zh) 双向式布局模式下货位分配模型建立方法
CN105976054A (zh) 一种计量器具仓储系统的货位优化方法
CN102802163B (zh) 一种基于混合整数规划的无线传感网拓扑构建方法
CN110598946B (zh) 一种基于非支配人工蜂群的防汛物资救援分配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20170531

Assignee: Jiaxing Shangkun Technology Co.,Ltd.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2023980037557

Denomination of invention: An Optimization Method for Location Allocation in Intelligent Stereoscopic Warehouse

Granted publication date: 20210803

License type: Common License

Record date: 20230705

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20170531

Assignee: Taizhou Lanjing cleaning machinery Co.,Ltd.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2023980038558

Denomination of invention: An Optimization Method for Location Allocation in Intelligent Stereoscopic Warehouse

Granted publication date: 20210803

License type: Common License

Record date: 20230726

EE01 Entry into force of recordation of patent licensing contract