CN109081126B - 多维度约束下的楔形货格智能装载方法 - Google Patents

多维度约束下的楔形货格智能装载方法 Download PDF

Info

Publication number
CN109081126B
CN109081126B CN201810957561.9A CN201810957561A CN109081126B CN 109081126 B CN109081126 B CN 109081126B CN 201810957561 A CN201810957561 A CN 201810957561A CN 109081126 B CN109081126 B CN 109081126B
Authority
CN
China
Prior art keywords
article
cell
articles
rectangular
space
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.)
Active
Application number
CN201810957561.9A
Other languages
English (en)
Other versions
CN109081126A (zh
Inventor
程八一
贾赵捷
钟志敏
刘伟
李海燕
任明仑
严辰
李凯
刘渤海
朱慧君
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.)
Hefei Polytechnic University
Original Assignee
Hefei Polytechnic University
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 Hefei Polytechnic University filed Critical Hefei Polytechnic University
Priority to CN201810957561.9A priority Critical patent/CN109081126B/zh
Publication of CN109081126A publication Critical patent/CN109081126A/zh
Application granted granted Critical
Publication of CN109081126B publication Critical patent/CN109081126B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G65/00—Loading or unloading
    • B65G65/005—Control arrangements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
    • B65G1/02—Storage devices
    • B65G1/04—Storage devices mechanical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于启发式算法和遗传算法相结合的多维度约束的智能装载方法，面向楔形货格装载货物的环节，先采用启发式算法产生高质量初始解，而后采用遗传算法对初始解进行迭代寻优，将启发式算法的简洁高效和遗传算法的优化性能充分结合，从而大幅度提升货格的空间使用效率。本发明同时针对具体问题，给出了实用的程序开发方案，提高了装载运输的效率。

Description

多维度约束下的楔形货格智能装载方法
技术领域
本发明属于物流装载技术领域，具体地说是一种基于启发式算法和遗传算法相结合的多维度约束的智能装载算法。
背景技术
货物的配载是物流配送过程中的主要环节。合理的配载配装可以给物流配送中心带来更大的经济效益及社会效益。然而到目前为止，国内大部分配送中心在实际操作中仍然凭借经验进行配载和配装，这种原始的配载和配装既不能充分利用空间，也增加了运输成本。因此，充分利用装载空间，降低运输成本，将是亟需解决的一大难题。
发明内容
本发明是为了克服现有技术存在的不足之处，提供一种基于启发式算法和遗传算法相结合的多维度约束的智能装载算法，以期能最大的利用楔形容器空间，提高装载空间的利用率，从而降低运输成本。
本发明为解决技术问题采用如下技术方案：
本发明多维度约束下的货格智能装载方法，其特点是：所述货格在竖向为多层结构，每一层呈横排设置有多个单元格，处在两端的端部单元格由背板和外侧板形成楔形端头，楔形端头的俯视形状划分为中部矩形区域以及与中部矩形区域邻接的直角三角区域；每一层中两只端部单元格之间的各中部单元格均为矩形格，各矩形格及中部矩形区域均具有矩形货格的特征，所述矩形货格的特征是指前侧为敞口，背侧、左侧、右侧、顶板及底板均为封闭；针对所述矩形货格建立空间直角坐标系统，由背侧、左侧和底板三面相交形成的顶点为坐标原点，竖向为Z轴，背侧的宽度方向为X轴，左侧的宽度方向为Y轴；所述装载方法是按如下步骤进行：
步骤1、获取物品信息和货格信息
所述物品信息包括：物品总数、物品种类、各类物品总数，各物品编号、各类物品的重量、各类物品的体积、各类物品的耐压值、各类物品的取用频次；所述物品的耐压值是指物品能够承受的最大压力值，所述物品的取用频次区分为低频次和高频次；
所述货格信息包括：货格中单元格总数，各单元格的承重量、各单元格的编号，以及各单元格的形状；
步骤2、设定如下各约束规则：
形状和尺寸约束规则：装载在货格中的物品完全被包容在货格内；
重量分布均匀约束规则：单元格间重量差异不超过重量差异设定值，保持货格稳定；
承重约束规则：各单元格内的物品重量不超过单元格承载重量设定值；
承压约束规则：单元格中上部物品对下部物品的压力不超过下部物品的承压限值；
取用频次约束规则：取用频次更高的物品在货格内更靠敞口侧放置，以利取用；
步骤3、根据设定的各约束规则，利用已获取的物品信息和货格信息，通过启发式算法和改进遗传算法按如下步骤得到最优装载方案：
步骤3.1、通过计算获得物品的优先级
利用式(1)计算获得物品A的优先级P：
P＝α1×P1+α2×P2 (1)，
P1表示物品A的体积比值，P2表示物品A的耐压比值，并有：
P1＝VA/V，VA为物品A的体积，V为待装载物品中体积最大的物品的体积；
P2＝PA/P，PA为物品A的耐压值，P为待装载物品中耐压值最大的物品的耐压值；
α1为体积权重，α2为耐压值权重；
利用式(1)分别计算获得每个物品的优先级，按照优先级从大到小的顺序对所有物品进行排列，获得待装载物品列表；
步骤3.2、填充端部单元格中的直角三角区域
在所述待装载物品列表中，依次选取体积小且取用频次为低频次的物品安置于端部单元格中的直角三角区域，保留端部单元格中的中部矩形区域为可用空间，将已得到安置的物品从所述待装载物品列表中删除，获得待装载物品更新列表；
步骤3.3、按如下方式获得货格的可用空间集
所有空置的矩形格均为独立可用空间；
针对已放置有物品，但尚有剩余空间的矩形格，按照矩形货格的特征对剩余空间进行划分，形成体积更小的各独立可用空间；
将所有独立可用空间按体积从大到小排列，得到货格的可用空间集；
所述按照矩形货格的特征对剩余空间进行划分是指：物品正上方的剩余空间为一个独立可用空间；其它位置上的剩余空间划分为多个矩形分区，相邻两个矩形分区合并形成合并区，并取其中合并体积最大的合并区为一个独立可用空间，未合并的各矩形分区分别为各自的独立可用空间；
步骤3.4、放置物品
从待装载物品更新列表中的第一个物品开始，按如下方式依次设计每个物品的装载方案：
步骤3.4a、针对当前物品，从可用空间集中的第一个可用空间开始检测：
若当前可用空间能够容纳当前物品，且在容纳当前物品后，当前可用空间所属的单元格满足承重约束规则，则进行步骤3.4b；否则，按步骤3.4a相同的方式检测可用空间集中的下一个可用空间；
步骤3.4b、根据取用频次约束规则生成当前物品放置方案：
根据取用情况将物品的取用频次定义为高频次或低频次两种情况；
若物品取用频次为高频次，以矩形货格直角坐标系中Y轴最外侧顶点为外侧参考点进行放置，若所述外侧参考点已经放置物品，则优先考虑由外侧参考点沿X轴正方向移动的空间区域，然后考虑由外侧参考点沿Y轴负方向移动的空间区域，最后考虑由外侧参考点沿Z轴正方向移动的空间区域；
若物品取用频次为低频次，以矩形货格直角坐标系原点为内侧参考点进行放置，若内侧参考点已经放置物品，则优先考虑由内侧参考点沿X轴正方向移动的空间区域，然后考虑由内侧参考点沿Y轴正方向移动的空间区域，最后考虑由内侧参考点沿Z轴正方向移动的空间区域。
步骤3.4c、采集获得物品位置信息，所述物品位置信息包括：
物品所在单元格的编号；
物品的中心点在对应单元格中的坐标；
物品映射在X、Y、Z轴上的区间；
同一单元格中处在物品正上方及正下方的物品编号；
步骤3.4d、将已经获得物品位置信息的物品从待装载物品更新列表中删除，生成新的待装载物品列表，以所述新的待装载物品列表替代所述待装载物品更新列表；计算货格的当前剩余空间集，以所述当前剩余空间集代替所述可用空间集；计算各单元格内所有物品的总重量；
步骤3.4e、重复步骤3.4a到步骤3.4d，直至满足下述条件之一停止启发式算法的迭代，获得初始解：
条件一、待装载物品更新列表为空；
条件二、可用空间集为空；
步骤3.5、采用遗传算法对初始解进行迭代寻优
步骤3.5a、获取遗传算法参数，包括：种群规模N，变异概率Pm，交叉概率Pc，迭代次数M；
步骤3.5b、调整遗传算法参数，获得初始种群：
调整体积权重α1、耐压值权重α2，运行步骤3.1至步骤3.4，获得N组不同的启发式方案作为遗传算法的初始种群；
步骤3.5c、交叉变异操作
将每个物品的物品位置信息作为染色体信息，根据交叉和变异概率选择染色体，然后进行交叉和变异操作；
步骤3.5d、迭代
更新种群信息以及变量信息，进入下一次迭代；
步骤3.5e、终止条件
当满足下列条件之一时，终止迭代寻优的过程，获得最优装载方案：
条件一、迭代次数达到给定的迭代次数M次；
条件二、获得的方案满足要求。
本发明多维度约束下的货格智能装载方法的特点也在于：针对所获得的装载方案，通过计算获得各评价指标，所述评价指标包括：各单元格空间利用率Si、货格空间利用率S、各单元格承重率Ri、货格承重率R，以及货格重量分配率D；
Figure BDA0001773018230000046
Figure BDA0001773018230000044
其中：
TVi为单元格i内放置的物品的总体积，Vi为单元格i的容积；
CTV为货格内放置物品的总体积，CV为货格总容积；
TWi为单元格i内放置的物品的总重量，Wi为单元格i的最大承重；
CTW为货格内物品的总重量，CW为货格总承重；
TWmax为货格中的装载重量最大的单元格的装载重量，TWmin为货格中装载重量最小的单元格的装载重量，TWavg为货格中所有单元格的平均装载重量；
Figure BDA0001773018230000045
TWi为单元格i内放置的物品的总重量，i＝1,2,…,CN；CN为货格中单元格的总数；
根据所述评价指标判断所获得的装载方案是否满足设定要求。
本发明多维度约束下的货格智能装载方法的特点也在于：调整所述体积权重α1和耐压值权重α2得到不同的装载方案，针对所获得的装载方案利用计算获得的各评价指标决策实施的装载方案。
与已有技术相比，本发明有益效果体现在：
1、本发明设定一系列的决策变量用来精准描述各维度约束，在算法输入阶段确保所有约束能够完全体现；通过将约束规则和算法运行高效融合，保证算法输出方案的可行性，并对非常规情况安排特定处理；最终获得方案及其各项性能指标输出，使装载方案能够直观地展示，同时全方位地显示装载方案的性能。
2、本发明考虑了多维度约束：货格的形状、尺寸限制；货物摆放重量应分布均匀、总重量不可超出货格的最大承重；考虑物品的耐压性、取用频次。在算法设计中，将约束规则和算法运行高效融合，保证算法输出方案的可行性，并对非常规情况安排了特殊处理规则。
3.本发明通过启发式算法和遗传算法相结合的方式，先由启发式算法产生高质量初始解，再由遗传算法对初始解进行迭代，寻求最优解，实现最大利用楔形容器空间，提高装载空间的利用率，从而降低运输成本。
附图说明
图1为本发明多维度约束下的智能装载方法的总体流程；
图2a为本发明中货格中单层结构示意图；
图2b为本发明中货格中楔形端头俯视图；
图3为本发明中物品周围的各子空间示意图。
具体实施方式
本实施例中多维度约束下的货格智能装载方法，其货格的结构形式是：货格在竖向为多层结构，每一层呈横排设置有多个单元格，处在两端的端部单元格由背板和外侧板形成楔形端头，楔形端头的俯视形状划分为中部矩形区域以及与中部矩形区域邻接的直角三角区域；每一层中两只端部单元格之间的各中部单元格均为矩形格，各矩形格及中部矩形区域均具有矩形货格的特征，所述矩形货格的特征是指前侧为敞口，背侧、左侧、右侧、顶板及底板均为封闭；针对所述矩形货格建立空间直角坐标系统，由背侧、左侧和底板三面相交形成的顶点为坐标原点，竖向为Z轴，背侧的宽度方向为X轴，左侧的宽度方向为Y轴。
参见图1，本实施例中多维度约束下的货格智能装载方法按如下步骤进行：
步骤1、获取物品信息和货格信息
所述物品信息包括：物品总数、物品种类、各类物品总数，各物品编号、各类物品的重量、各类物品的体积、各类物品的耐压值、各类物品的取用频次；所述物品的耐压值是指物品能够承受的最大压力值，所述物品的取用频次区分为低频次和高频次；
所述货格信息包括：货格中单元格总数，各单元格的承重量、各单元格的编号，以及各单元格的形状。
步骤2、设定如下各约束规则：
形状和尺寸约束规则：装载在货格中的物品完全被包容在货格内；
重量分布均匀约束规则：单元格间重量差异不超过重量差异设定值，保持货格稳定；
承重约束规则：各单元格内的物品重量不超过单元格承载重量设定值；
承压约束规则：单元格中上部物品对下部物品的压力不超过下部物品的承压限值；
取用频次约束规则：取用频次更高的物品在货格内更靠敞口侧放置，以利取用。
步骤3、根据设定的各约束规则，利用已获取的物品信息和货格信息，通过启发式算法和改进遗传算法按如下步骤得到最优装载方案：
步骤3.1、通过计算获得物品的优先级
利用式(1)计算获得物品A的优先级P：
P＝α1×P1+α2×P2 (1)，
P1表示物品A的体积比值，P2表示物品A的耐压比值，并有：
P1＝VA/V，VA为物品A的体积，V为待装载物品中体积最大的物品的体积；
P2＝PA/P，PA为物品A的耐压值，P为待装载物品中耐压值最大的物品的耐压值；
α1为体积权重，α2为耐压值权重；针对不同的产品，对于体积权重和耐压值权重可以有不同的考虑，通过调整体积权重α1和耐压值权重α2予实现。
利用式(1)分别计算获得每个物品的优先级，按照优先级从大到小的顺序对所有物品进行排列，获得待装载物品列表。
步骤3.2、填充端部单元格中的直角三角区域
在所述待装载物品列表中，依次选取体积小且取用频次为低频次的物品安置于端部单元格中的直角三角区域，保留端部单元格中的中部矩形区域为可用空间，将已得到安置的物品从所述待装载物品列表中删除，获得待装载物品更新列表。
步骤3.3、按如下方式获得货格的可用空间集
所有空置的矩形格均为独立可用空间；
针对已放置有物品，但尚有剩余空间的矩形格，按照矩形货格的特征对剩余空间进行划分，形成体积更小的各独立可用空间；除了用于填充货格中直角三角区域的物品外，企业也可以根据自身需求放置有固定摆放位置或者具有特殊要求的物品，比如：具有排它性的物品可以单独放置。
将所有独立可用空间按体积从大到小排列，得到货格的可用空间集；
所述按照矩形货格的特征对剩余空间进行划分是指：物品正上方的剩余空间为一个独立可用空间；其它位置上的剩余空间划分为多个矩形分区，相邻两个矩形分区合并形成合并区，并取其中合并体积最大的合并区为一个独立可用空间，未合并的各矩形分区分别为各自的独立可用空间。
步骤3.4、放置物品
从待装载物品更新列表中的第一个物品开始，按如下方式依次设计每个物品的装载方案：
步骤3.4a、针对当前物品，从可用空间集中的第一个可用空间开始检测：
若当前可用空间能够容纳当前物品，且在容纳当前物品后，当前可用空间所属的单元格满足承重约束规则，则进行步骤b；否则，按步骤a相同的方式检测可用空间集中的下一个可用空间。
步骤3.4b、根据取用频次约束规则生成当前物品放置方案：
根据取用情况将物品的取用频次定义为高频次或低频次两种情况；
若物品取用频次为高频次，以矩形货格直角坐标系中Y轴最外侧顶点为外侧参考点进行放置，若所述外侧参考点已经放置物品，则优先考虑由外侧参考点沿X轴正方向移动的空间区域，然后考虑由外侧参考点沿Y轴负方向移动的空间区域，最后考虑由外侧参考点沿Z轴正方向移动的空间区域；
若物品取用频次为低频次，以矩形货格直角坐标系原点为内侧参考点进行放置，若内侧参考点已经放置物品，则优先考虑由内侧参考点沿X轴正方向移动的空间区域，然后考虑由内侧参考点沿Y轴正方向移动的空间区域，最后考虑由内侧参考点沿Z轴正方向移动的空间区域。取用频次的高或低可以由企业根据产品的情况自行设定，比如：对于汽修企业，其检修工具的取用频次为高；但是对于运输企业，检修工具只有在出现故障时才需要取用，因此取用频次为低。
步骤3.4c、采集获得物品位置信息，所述物品位置信息包括：
物品所在单元格的编号；
物品的中心点在对应单元格中的坐标；
物品映射在X、Y、Z轴上的区间；
同一单元格中处在物品正上方及正下方的物品编号。
步骤3.4d、将已经获得物品位置信息的物品从待装载物品更新列表中删除，生成新的待装载物品列表，以所述新的待装载物品列表替代所述待装载物品更新列表；计算货格的当前剩余空间集，以所述当前剩余空间集代替所述可用空间集；计算各单元格内所有物品的总重量。
步骤3.4e、重复步骤3.4a到步骤3.4d，直至满足下述条件之一停止启发式算法的迭代，获得初始解：
条件一、待装载物品更新列表为空；
条件二、可用空间集为空。
步骤3.5、采用遗传算法对初始解进行迭代寻优
步骤3.5a、获取遗传算法参数，包括：种群规模N，变异概率Pm，交叉概率Pc，迭代次数M。
步骤3.5b、调整遗传算法参数，获得初始种群：
调整体积权重α1、耐压值权重α2，运行步骤3.1至步骤3.4，获得N组不同的启发式方案作为遗传算法的初始种群。
步骤3.5c、交叉变异操作
将每个物品的物品位置信息作为染色体信息，根据交叉和变异概率选择染色体，然后进行交叉和变异操作。
步骤3.5d、迭代
更新种群信息以及变量信息，进入下一次迭代。
步骤3.5e、终止条件
当满足下列条件之一时，终止迭代寻优的过程，获得最优装载方案：
条件一、迭代次数达到给定的迭代次数M次；
条件二、获得的方案满足要求。
具体实施中，针对所获得的装载方案，通过计算获得各评价指标，所述评价指标包括：各单元格空间利用率Si、货格空间利用率S、各单元格承重率Ri、货格承重率R，以及货格重量分配率D；
Figure BDA0001773018230000081
Figure BDA0001773018230000082
其中：
TVi为单元格i内放置的物品的总体积，Vi为单元格i的容积；
CTV为货格内放置物品的总体积，CV为货格总容积；
TWi为单元格i内放置的物品的总重量，Wi为单元格i的最大承重；
CTW为货格内物品的总重量，CW为货格总承重；
TWmax为货格中的装载重量最大的单元格的装载重量，TWmin为货格中装载重量最小的单元格的装载重量，TWavg为货格中所有单元格的平均装载重量；
Figure BDA0001773018230000083
TWi为单元格i内放置的物品的总重量，i＝1,2,…,CN；CN为货格中单元格的总数；
各评价指标从不同角度反映了方案的性能，其中各单元格空间利用率Si和货格空间利用率S反映了货格容积的利用率，其指标值越接近100％，则表明货格的空间利用越好；各单元格承重率Ri和货格承重率R反映了货格承重能力的利用率，其指标值越接近100％，表明货格承重的利用越好；货格重量分配率D反映了货格之间重量分布的均匀程度，其指标值越接近0，表明越均匀，货格总体的稳定性越好。
根据所述评价指标判断所获得的装载方案是否满足设定要求。
具体实施中，调整体积权重α1和耐压值权重α2得到不同的装载方案，针对所获得的装载方案利用计算获得的各评价指标决策实施的装载方案。
图2a所示为货格单层示意图，其中间可有任意数量矩形格；处在两端的端部单元格21为楔形端头，两只端部单元格21之间的各中部单元格22均为矩形格。
图2b所示为楔形端头俯视图，楔形端头的俯视形状划分为中部矩形区域23以及与中部矩形区域邻接的直角三角区域24。
图3所示为本发明中位于已放置物品5的周围的各子空间示意图，包括正上方独立可用空间1、正前方独立可用空间2、右侧独立可用空间3，以及对角位置独立可用空间4。

Claims (3)

1.一种多维度约束下的货格智能装载方法，针对矩形货格建立空间直角坐标系统，由背侧、左侧和底板三面相交形成的顶点为坐标原点，竖向为Z轴，背侧的宽度方向为X轴，左侧的宽度方向为Y轴；其特征是：所述货格在竖向为多层结构，每一层呈横排设置有多个单元格，处在两端的端部单元格由背板和外侧板形成楔形端头，楔形端头的俯视形状划分为中部矩形区域以及与中部矩形区域邻接的直角三角区域；每一层中两只端部单元格之间的各中部单元格均为矩形格，各矩形格及中部矩形区域均具有所述矩形货格的特征，所述矩形货格的特征是指前侧为敞口，背侧、左侧、右侧、顶板及底板均为封闭；所述装载方法是按如下步骤进行：
步骤1、获取物品信息和货格信息
所述物品信息包括：物品总数、物品种类、各类物品总数，各物品编号、各类物品的重量、各类物品的体积、各类物品的耐压值、各类物品的取用频次；所述物品的耐压值是指物品能够承受的最大压力值，所述物品的取用频次区分为低频次和高频次；
所述货格信息包括：货格中单元格总数，各单元格的承重量、各单元格的编号，以及各单元格的形状；
步骤2、设定如下各约束规则：
形状和尺寸约束规则：装载在货格中的物品完全被包容在货格内；
重量分布均匀约束规则：单元格间重量差异不超过重量差异设定值，保持货格稳定；
承重约束规则：各单元格内的物品重量不超过单元格承载重量设定值；
承压约束规则：单元格中上部物品对下部物品的压力不超过下部物品的承压限值；
取用频次约束规则：取用频次更高的物品在货格内更靠敞口侧放置，以利取用；
步骤3、根据设定的各约束规则，利用已获取的物品信息和货格信息，通过启发式算法和改进遗传算法按如下步骤得到最优装载方案：
步骤3.1、通过计算获得物品的优先级
利用式(1)计算获得物品A的优先级P：
P＝α1×P1+α2×P2 (1)，
P1表示物品A的体积比值，P2表示物品A的耐压比值，并有：
P1＝VA/V，VA为物品A的体积，V为待装载物品中体积最大的物品的体积；
P2＝PA/P，PA为物品A的耐压值，P为待装载物品中耐压值最大的物品的耐压值；
α1为体积权重，α2为耐压值权重；
利用式(1)分别计算获得每个物品的优先级，按照优先级从大到小的顺序对所有物品进行排列，获得待装载物品列表；
步骤3.2、填充端部单元格中的直角三角区域
在所述待装载物品列表中，依次选取体积小且取用频次为低频次的物品安置于端部单元格中的直角三角区域，保留端部单元格中的中部矩形区域为可用空间，将已得到安置的物品从所述待装载物品列表中删除，获得待装载物品更新列表；
步骤3.3、按如下方式获得货格的可用空间集
所有空置的矩形格均为独立可用空间；
针对已放置有物品，但尚有剩余空间的矩形格，按照矩形货格的特征对剩余空间进行划分，形成体积更小的各独立可用空间；
将所有独立可用空间按体积从大到小排列，得到货格的可用空间集；
所述按照矩形货格的特征对剩余空间进行划分是指：物品正上方的剩余空间为一个独立可用空间；其它位置上的剩余空间划分为多个矩形分区，相邻两个矩形分区合并形成合并区，并取其中合并体积最大的合并区为一个独立可用空间，未合并的各矩形分区分别为各自的独立可用空间；
步骤3.4、放置物品
从待装载物品更新列表中的第一个物品开始，按如下方式依次设计每个物品的装载方案：
步骤3.4a、针对当前物品，从可用空间集中的第一个可用空间开始检测：
若当前可用空间能够容纳当前物品，且在容纳当前物品后，当前可用空间所属的单元格满足承重约束规则，则进行步骤3.4b；否则，按步骤3.4a相同的方式检测可用空间集中的下一个可用空间；
步骤3.4b、根据取用频次约束规则生成当前物品放置方案：
根据取用情况将物品的取用频次定义为高频次或低频次两种情况；
若物品取用频次为高频次，以矩形货格直角坐标系中Y轴最外侧顶点为外侧参考点进行放置，若所述外侧参考点已经放置物品，则优先考虑由外侧参考点沿X轴正方向移动的空间区域，然后考虑由外侧参考点沿Y轴负方向移动的空间区域，最后考虑由外侧参考点沿Z轴正方向移动的空间区域；
若物品取用频次为低频次，以矩形货格直角坐标系原点为内侧参考点进行放置，若内侧参考点已经放置物品，则优先考虑由内侧参考点沿X轴正方向移动的空间区域，然后考虑由内侧参考点沿Y轴正方向移动的空间区域，最后考虑由内侧参考点沿Z轴正方向移动的空间区域；
步骤3.4c、采集获得物品位置信息，所述物品位置信息包括：
物品所在单元格的编号；
物品的中心点在对应单元格中的坐标；
物品映射在X、Y、Z轴上的区间；
同一单元格中处在物品正上方及正下方的物品编号；
步骤3.4d、将已经获得物品位置信息的物品从待装载物品更新列表中删除，生成新的待装载物品列表，以所述新的待装载物品列表替代所述待装载物品更新列表；计算货格的当前剩余空间集，以所述当前剩余空间集代替所述可用空间集；计算各单元格内所有物品的总重量；
步骤3.4e、重复步骤3.4a到步骤3.4d，直至满足下述条件之一停止启发式算法的迭代，获得初始解：
条件一、待装载物品更新列表为空；
条件二、可用空间集为空；
步骤3.5、采用遗传算法对初始解进行迭代寻优
步骤3.5a、获取遗传算法参数，包括：种群规模N，变异概率Pm，交叉概率Pc，迭代次数M；
步骤3.5b、调整遗传算法参数，获得初始种群：
调整体积权重α1、耐压值权重α2，运行步骤3.1至步骤3.4，获得N组不同的启发式方案作为遗传算法的初始种群；
步骤3.5c、交叉变异操作
将每个物品的物品位置信息作为染色体信息，根据交叉和变异概率选择染色体，然后进行交叉和变异操作；
步骤3.5d、迭代
更新种群信息以及变量信息，进入下一次迭代；
步骤3.5e、终止条件
当满足下列条件之一时，终止迭代寻优的过程，获得最优装载方案：
条件一、迭代次数达到给定的迭代次数M次；
条件二、获得的方案满足要求。
2.根据权利要求1所述的多维度约束下的货格智能装载方法，其特征是：针对所获得的装载方案，通过计算获得各评价指标，所述评价指标包括：各单元格空间利用率Si、货格空间利用率S、各单元格承重率Ri、货格承重率R，以及货格重量分配率D；
Figure FDA0002245531520000031
其中：
TVi为单元格i内放置的物品的总体积，Vi为单元格i的容积；
CTV为货格内放置物品的总体积，CV为货格总容积；
TWi为单元格i内放置的物品的总重量，Wi为单元格i的最大承重；
CTW为货格内物品的总重量，CW为货格总承重；
TWmax为货格中的装载重量最大的单元格的装载重量，TWmin为货格中装载重量最小的单元格的装载重量，TWavg为货格中所有单元格的平均装载重量；
Figure FDA0002245531520000042
TWi为单元格i内放置的物品的总重量，i＝1,2,…,CN；CN为货格中单元格的总数；
根据所述评价指标判断所获得的装载方案是否满足设定要求。
3.根据权利要求2所述的多维度约束下的货格智能装载方法，其特征是：调整所述体积权重α1和耐压值权重α2得到不同的装载方案，针对所获得的装载方案利用计算获得的各评价指标决策实施的装载方案。
CN201810957561.9A 2018-08-22 2018-08-22 多维度约束下的楔形货格智能装载方法 Active CN109081126B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810957561.9A CN109081126B (zh) 2018-08-22 2018-08-22 多维度约束下的楔形货格智能装载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810957561.9A CN109081126B (zh) 2018-08-22 2018-08-22 多维度约束下的楔形货格智能装载方法

Publications (2)

Publication Number Publication Date
CN109081126A CN109081126A (zh) 2018-12-25
CN109081126B true CN109081126B (zh) 2020-01-03

Family

ID=64794214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810957561.9A Active CN109081126B (zh) 2018-08-22 2018-08-22 多维度约束下的楔形货格智能装载方法

Country Status (1)

Country Link
CN (1) CN109081126B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111409997B (zh) * 2020-05-20 2021-06-01 大连海事大学 一种面向移动货架仓储系统的搬运机器人拣货任务调度方法
CN114772142B (zh) * 2021-11-29 2024-03-01 苏州百年职业学院 一种基于视觉分析的智慧物流仓储系统及物料调度方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH069020A (ja) * 1991-05-13 1994-01-18 Ishida Co Ltd 配送システム
CN103473617A (zh) * 2013-09-17 2013-12-25 四川航天系统工程研究所 多种物资放入多规格货包的三维装载全局优化方法及系统
CN103761635A (zh) * 2014-01-14 2014-04-30 大连理工大学 一种三维多箱异构货物装载优化方法
CN104680237A (zh) * 2015-03-10 2015-06-03 西南科技大学 一种多约束条件下三维装箱新型遗传算法模型
CN106605242A (zh) * 2014-08-06 2017-04-26 美国联合包裹服务公司 监控运载货物的构思

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH069020A (ja) * 1991-05-13 1994-01-18 Ishida Co Ltd 配送システム
CN103473617A (zh) * 2013-09-17 2013-12-25 四川航天系统工程研究所 多种物资放入多规格货包的三维装载全局优化方法及系统
CN103761635A (zh) * 2014-01-14 2014-04-30 大连理工大学 一种三维多箱异构货物装载优化方法
CN106605242A (zh) * 2014-08-06 2017-04-26 美国联合包裹服务公司 监控运载货物的构思
CN104680237A (zh) * 2015-03-10 2015-06-03 西南科技大学 一种多约束条件下三维装箱新型遗传算法模型

Also Published As

Publication number Publication date
CN109081126A (zh) 2018-12-25

Similar Documents

Publication Publication Date Title
CN111178606B (zh) 基于nsga-ii的自动化仓储货位分配优化方法
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
CN104408589B (zh) 基于混合粒子群算法的agv优化调度方法
CN108550007B (zh) 一种制药企业自动化立体仓库的货位优化方法及系统
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
CN109597304B (zh) 基于人工蜂群算法的模具库智能分区存储方法
CN103870893A (zh) 基于三维空间求解具有多重量约束装箱的优化方法
CN107977756B (zh) 解决三维装箱问题的三叉树规划计算方法
Jamrus et al. Extended priority-based hybrid genetic algorithm for the less-than-container loading problem
CN109081030B (zh) 一种子母穿梭车式密集仓储系统的配置优化方法
CN109081126B (zh) 多维度约束下的楔形货格智能装载方法
CN109784547A (zh) 一种码头岸桥与场桥协同优化调度方法
CN113050422B (zh) 基于maximin函数多目标优化算法的多机器人调度方法
CN107967586A (zh) 一种电网物资仓储优化方法
CN110322066B (zh) 一种基于共享承运人和共享仓库的协同车辆路径优化方法
CN113762899A (zh) 一种基于混合算法的货物三维装箱方法
CN105858043A (zh) 一种升降机与穿梭车结合的仓储系统优化调度方法
CN115303689A (zh) 一种多巷道立体仓库货位分配优化方法
CN116187499A (zh) 货运配载方法、装置、电子设备及存储介质
Zhou et al. A swarm optimization algorithm for practical container loading problem
CN110348791A (zh) 一种应用于多agv任务调度的动态交叉遗传算法
CN112598316A (zh) 一种同轨双agv的物料分配及协同调度方法
Haijun et al. A new genetic algorithm for order-picking of irregular warehouse
CN111768084A (zh) 成品油二次配送调度优化方法、装置、设备和存储介质
Liang et al. A customizable optimization model for green e-commerce packing considering multiple orders and diverse box types

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