CN110009138A - 一种基于粒子群优化算法的三酸化工仓库货位布局方法 - Google Patents
一种基于粒子群优化算法的三酸化工仓库货位布局方法 Download PDFInfo
- Publication number
- CN110009138A CN110009138A CN201910183146.7A CN201910183146A CN110009138A CN 110009138 A CN110009138 A CN 110009138A CN 201910183146 A CN201910183146 A CN 201910183146A CN 110009138 A CN110009138 A CN 110009138A
- Authority
- CN
- China
- Prior art keywords
- storage
- storage region
- region
- chemicals
- stacking
- 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.)
- Pending
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
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于粒子群优化算法的三酸化工仓库货位布局方法,针对三酸化工仓库布局困难,容易失误造成安全隐患的特点,用于实现三酸化工仓库的货物科学布局;该货位布局方法将建立包含货位纵向稳定性模型、货位横向重心稳定性模型组成的三酸化工仓库安全布局模型作为优化目标函数,通过多目标粒子群算法优化目标函数获得存储区域长度、存储区域宽度、存储区域化学品堆垛数的三酸化学品仓库最优存储方案,既能提高仓储安全性,又能提高货物入库效率,保证化工企业高效稳定运行。
Description
技术领域
本发明利用多目标粒子群算法根据三酸化工仓库的长度、宽度及仓库内化学品种类、数量、特性对三酸货位布局进行优化。化学品种类繁杂,相互牵制,所以需要有一定的经验积累,才能熟练的对化学品进行布局和摆放。引入粒子群优化算法对仓库的货位进行分配,能够避免由人员经验不足而产生的危险隐患。将基于多目标粒子群算法应用于三酸化工仓库的科学布局,对仓库内的三种化学品进行科学布局和摆放,既可以提高仓储安全性,又能提高货物入库效率,保证化工企业高效稳定运行,属于仓储管理技术领域,具体涉及一种基于粒子群优化算法的三酸化工仓库货位布局方法。
背景技术
盐酸、硫酸、硝酸作为化工生产的重要物资,在整个工业体系发挥着重要作用,因其有腐蚀性,在对其进行仓储过程中对仓库选址、布局方式、五距(墙距、垛距、灯距、通道距和柱距)等方面有明确要求,我国发生的危化品事故存储环节事故量位居全球第二,造成了重大的生命财产损失和广泛的社会影响,做好三酸化工仓库的安全布局优化工作对减少危化品事故隐患有重要作用。因此,本发明具有广阔的应用背景。
危化品仓库优化布局是一个具有综合性、跨学科的研究课题,对于理论研究和现实需求而言,其意义十分重要。而三酸仓库的堆垛布局优化拥有更为严格和细碎的准则,且由于安全性较难量化,因此布局优化过程的精确数学模型较难建立,使得布局优化过程存在诸多难点。三酸化学品仓储的布局优化需要考虑多种复杂约束的多目标组合优化,为了在满足要求的基础上提高仓库利用率,可通过优化布局算法对危险三酸仓库进行布局设计。
现有的优化方案可以解决集装箱堆垛或者矩形板材切割等密集布局问题。对于三酸化学品仓库,其主要特点是仓库内化学品的摆放要在满足五距,物流效率的基础上提高仓库利用率,现有的布局方案无法满足距离和通道的要求。因此,针对三酸仓库的特点,建立一种危化品堆垛安全布局的模型,寻求一种安全高效的布局优化方案很有必要。在工业安全中,不同类型的危险化学品具有严格的混存规则,现实应用中应当尽可能避免混存现象的发生。本文主要研究存放同种类型三酸化工仓库的布局,在此基础上可进一步开展其他贮存方式的优化研究。
本发明设计了一种基于粒子群优化算法的三酸化工仓库货位布局方法,主要通过多目标粒子群算法获得存储区域最优长度值、存储区域最优宽度值、存储区域化学品最优堆垛数量及化学品最优存储方案,根据得到的最优布局方案对仓库进行划分,将化学品存储于仓库的指定位置并绘制三酸化工仓库货位布局方案布局图;
发明内容
本发明获得了一种基于粒子群优化算法的三酸化工仓库货位布局方法,该优化控制方法通过多目标粒子群算法获得存储区域长度、存储区域宽度、存储区域化学品堆垛数及化学品存储方案的优化设定值问题;解决了三酸化工仓库的安全布局优化的问题,提高了仓储安全性,还能提高货物入库效率,保证了化工企业高效稳定运行。
本发明采用了如下的技术方案及实现步骤:
1.一种基于粒子群优化算法的三酸化工仓库货位布局方法,其特征在于,包括以下步骤:
(1)选择与三酸化工仓库货位安全模型相关的变量,具体为:三酸化工仓库第1个存储区域的长度L1,第2个存储区域的长度L2,第3个存储区域的长度L3,第4个存储区域的长度L4;第1个存储区域的宽度W1,第2个存储区域的宽度W2,第3个存储区域的宽度W3,第4个存储区域的宽度W4;第1个存储区域化学品堆垛数量N1,第2个存储区域化学品堆垛数量N2,第3个存储区域化学品堆垛数量N3,第4个存储区域化学品单元数量N4;
(2)建立三酸化工仓库货位安全模型:
约束条件:
其中:f1为货位纵向稳定性模型,通过计算货物的最大存储高度来衡量货位布局的纵向稳定性;f2为货位横向重心稳定性模型,通过计算货物的分散程度来衡量货位布局的横向稳定性;e为堆垛单元的长度;g为堆垛单元的宽度;仓库被横向贯穿仓库的主通道和垂直于主通道两侧的两个副通道区分成四个存储区域,a为存储区域编号,L1为第1个存储区域的长度,L2为第2个存储区域的长度,L3为第3个存储区域的长度,L4为第4个存储区域的长度;W1为第1个存储区域的宽度,W2为第2个存储区域的宽度,W3为第3个存储区域的宽度,W4为第4个存储区域的宽度;N1为第1个存储区域化学品堆垛数量;N2为第2个存储区域化学品堆垛数量;N3为第3个存储区域化学品堆垛数量;N4为第4个存储区域化学品堆垛数量;A为仓库矩形区域的长度;B为仓库矩形区域的宽度;D为主通道宽度;d1为第1个副通道的宽度,d2为第2个副通道的宽度;s为墙壁与货堆之间的距离;c为货堆间距;
(3)建立三酸化工仓库货位布局方法:
①初始化最大迭代步数K;
②将建立的三酸化工仓库安全模型作为粒子群算法的优化目标函数;
③依次将每件化学品匹配存入每个货位,则该粒子的货位布局编码为:
x(k)=[L(k),W(k),N(k),m(k)] (4)
其中,k为当前迭代步数;L(k)=[L1(k),L2(k),L3(k),L4(k)]为第k步迭代时堆垛区域长度向量,L1(k)为第k次迭代时第1个存储区域的长度,L2(k)为第k次迭代时第2个存储区域的长度,L3(k)为第k次迭代时第3个存储区域的长度,L4(k)为第k次迭代时第4个存储区域的长度;W(k)=[W1(k),W2(k),W3(k),W4(k)]为第k步迭代时堆垛区域宽度向量, W1(k)为第1个存储区域的宽度,W2(k)为第2个存储区域的宽度,W3(k)为第3个存储区域的宽度,W4(k)为第4个存储区域的宽度;N(k)=[N1(k),N2(k),N3(k),N4(k)]为第k步迭代时存储区域化学品堆垛数向量,N1(k)为第k步迭代时第1个存储区域化学品堆垛数量,N2(k) 为第k步迭代时第2个存储区域化学品堆垛数量,N3(k)为第k步迭代时第3个存储区域化学品堆垛数量,N4(k)为第k步迭代时第4个存储区域化学品堆垛数量;m(k)=[m1(k),m2(k), m3(k),m4(k)]为第k步迭代时化学品存储方案向量,m1(k)为第k步迭代时第1个堆垛区域存储的化学品类型,m2(k)为第k步迭代时第2个堆垛区域存储的化学品类型,m3(k)为第k 步迭代时第3个堆垛区域存储的化学品类型,m4(k)为第k步迭代时第4个堆垛区域存储的化学品类型;当m1(k)=1时,表示第一个区域存储的化学品为盐酸,当m1(k)=2时,表示第一个区域存储的化学品为硫酸,当m1(k)=3时,表示第一个区域存储的化学品为硝酸;
④第k步迭代计算时,把粒子的位置x(k)作为目标函数的输入计算函数值,获得进化计算过程中的个体最优位置p(k),将第k步的个体最优位置p(k)与k-1步知识库的解A(k-1)进行比较,A(k-1)=[a1(k-1),a2(k-1),…,aι(k-1)],aι(k-1)为第k-1步知识库中第ι个最优解,通过支配关系更新第k步的知识库A(k),支配关系计算功能是:
A(k)=A(k-1)∪p(k-1),if fh(aι(k-1))≥fh(p(k-1)),h=1,2; (5)
其中,∪是关系并,如果p(k-1)的目标函数值小于aι(k-1)的目标函数值,则知识库中保存个体最优解p(k-1),否则保存解aι(k-1),fh()是优化目标函数,f1()为货位纵向稳定性模型; f2()为货位横向重心稳定性模型,根据密度法从知识库A(k)中选择全局最优解g(k);
⑤通过第k步的个体最优解p(k)和全局最优解g(k)更新k+1步的粒子位置和速度,粒子速度和位置更新公式为:
vi,d(k+1)=ω·vi,d(k)+c1r1(pi,d(k)-xi,d(k))+c2r2(gd(k)-xi,d(k)); (6)
xid(k+1)=xid(k)+vid(k+1); (7)
其中,vi,d(k)是第k步迭代时第i个粒子在d维搜索空间上的速度,xi,d(k)是第k步迭代时第 i个粒子在d维搜索空间上的位置,i的取值范围是[1,100];ω是惯性权重,ω的取值范围是 (0,1);c1是个体最优位置加速因子,c1的取值范围是(0,1);c2是全局最优位置加速因子, c2的取值范围是(0,1);r1是个体最优位置系数,r1的取值范围是(0,1),r2是全局最优位置系数,r2的取值范围是(0,1);pi,d(k)是第k步迭代时第i个粒子在d维搜索空间上的个体最优解,gd(k)是第k步迭代时在d维搜索空间上的全局最优解;
⑥如果当前的迭代步数k大于等于最大迭代步数K,转到步骤⑦;如果当前的迭代步数k小于最大迭代步数K,迭代步数k加1,转到步骤④;
⑦从知识库A(K)中随机选择一个全局最优解g*(K),保存全局最优解g*(K);
(4)三酸化工仓库货位布局方案图的绘制
对保存的g*(K)=[L*(k),W*(k),m*(k)]进行解码,其中L*(k)=[L1 *(k),L2 *(k),L3 *(k),L4 *(k)] 为堆垛区域最优长度向量,L1 *(k)为第1个存储区域的最优长度值,L2 *(k)为第2个存储区域的最优长度值,L3 *(k)为第3个存储区域的最优长度值,L4 *(k)为第4个存储区域的最优长度值;W*(k)=[W1 *(k),W2 *(k),W3 *(k),W4 *(k)]为堆垛区域最优宽度向量,W1 *(k)为第1个存储区域的最优宽度值,W2 *(k)为第2个存储区域的最优宽度值,W3 *(k)为第3个存储区域的最优宽度值,W4 *(k)为第4个存储区域的最优宽度值;N*(k)=[N1 *(k),N2 *(k),N3 *(k),N4 *(k)]为存储区域化学品最优堆垛数向量,N1 *(k)为第1个存储区域化学品最优堆垛数量,N2 *(k)为第2 个存储区域化学品最优堆垛数量,N3 *(k)为第3个存储区域化学品最优堆垛数量,N4 *(k)为第 4个存储区域化学品最优堆垛数量;m*(k)=[m1 *(k),m2 *(k),m3 *(k),m4 *(k)]为化学品最优存储方案,m1 *(k)为第1个堆垛区域存储的化学品类型,m2 *(k)为第2个堆垛区域存储的化学品类型,m3 *(k)为第3个堆垛区域存储的化学品类型,m4 *(k)为第4个堆垛区域存储的化学品类型;当m1 *(k)=1时,表示第一个区域存储的化学品为盐酸,当m1 *(k)=2时,表示第一个区域存储的化学品为硫酸,当m1 *(k)=3时,表示第一个区域存储的化学品为硝酸;
根据解码得到的最优布局方案对仓库进行划分,并将化学品存储于仓库的指定位置并绘制三酸化工仓库货位布局方案布局图;
本发明的创造性主要体现在:
(1)本发明为了减少在三酸化工仓库布局和摆放过程中由于人员经验不足或失误造成的安全隐患,根据仓储过程中对仓库选址、布局方式、五距(墙距、垛距、灯距、通道距和柱距)及三酸化工仓库的特点,建立了由货位纵向稳定性模型,货位横向重心稳定性模型两部分组成的三酸化工仓库布局安全模型,对三酸仓库局部的安全性进行量化,对做好三酸化工仓库的安全布局优化工作、减少危化品事故隐患有重要作用。
(2)本发明引入多目标粒子群优化算法针对由货位纵向稳定性模型,货位横向重心稳定性模型两部分组成的三酸化工仓库布局安全模型对三酸化工仓库的长度、宽度及仓库内化学品种类、数量、特性对三酸货位布局进行优化,该优化方法可以根据仓库内情况优化存储区域长度、存储区域宽度、存储区域化学品堆垛数及化学品存储方案设定值,保证了布局安全性,加快了布局速度,避免了由人工布局产生的安全隐患。
特别要注意:本发明只是为了描述方便,采用多目标粒子群算法对三酸化工仓库堆垛布局进行优化,将其他的优化算法和其他类型的化工仓库都应该属于本发明的范围。
附图说明
图1是本发明优化前的三酸化工仓库化学品布局方案图
图2是本发明优化后的三酸化工仓库化学品布局方案图
具体实施方式
本发明采用了如下的技术方案及实现步骤:
(1)选择与三酸化工仓库货位安全模型相关的变量,具体为:三酸化工仓库第1个存储区域的长度L1,第2个存储区域的长度L2,第3个存储区域的长度L3,第4个存储区域的长度L4;第1个存储区域的宽度W1,第2个存储区域的宽度W2,第3个存储区域的宽度 W3,第4个存储区域的宽度W4;第1个存储区域化学品堆垛数量N1,第2个存储区域化学品堆垛数量N2,第3个存储区域化学品堆垛数量N3,第4个存储区域化学品单元数量 N4;
(2)建立三酸化工仓库货位安全模型:
约束条件:
其中:f1为货位纵向稳定性模型,通过计算货物的最大存储高度来衡量货位布局的纵向稳定性;f2为货位横向重心稳定性模型,通过计算货物的分散程度来衡量货位布局的横向稳定性;e为堆垛单元的长度,初始值为5;g为堆垛单元的宽度,初始值为4;仓库被横向贯穿仓库的主通道和垂直于主通道两侧的两个副通道区分成四个存储区域,a为存储区域编号,第一个区域的编号a=1,第二个区域的编号a=2,第三个区域的编号a=3,第四个区域的编号a=4;L1为第1个存储区域的长度,初始值为0,L2为第2个存储区域的长度,初始值为50,L3为第3个存储区域的长度,初始值为0,L4为第4个存储区域的长度,初始值为50;W1为第1个存储区域的宽度,初始值为35,W2为第2个存储区域的宽度,初始值为40,W3为第3个存储区域的宽度,初始值为0,W4为第4个存储区域的宽度,初始值为0;N1为第1个存储区域化学品堆垛数量,初始值为18;N2为第2个存储区域化学品堆垛数量,初始值为14;N3为第3个存储区域化学品堆垛数量,初始值为9;N4为第 4个存储区域化学品堆垛数量,初始值为9;A为仓库矩形区域的长度,初始值为50;B 为仓库矩形区域的宽度,初始值为40;D为主通道宽度,初始值为10;d1为第1个副通道的宽度,初始值为5,d2为第2个副通道的宽度,初始值为5;s为墙壁与货堆之间的距离, s=0.3;c为货堆间距,c=1;
(3)建立三酸化工仓库货位布局方法:
①初始化最大迭代步数K,K=50;
②将建立的三酸化工仓库安全模型作为粒子群算法的优化目标函数;
③依次将每件化学品匹配存入每个货位,则该粒子的货位布局编码为:
x(k)=[L(k),W(k),N(k),m(k)] (11)
其中,k为当前迭代步数;L(k)=[L1(k),L2(k),L3(k),L4(k)]为第k步迭代时堆垛区域长度向量,L1(k)为第k次迭代时第1个存储区域的长度,L2(k)为第k次迭代时第2个存储区域的长度,L3(k)为第k次迭代时第3个存储区域的长度,L4(k)为第k次迭代时第4个存储区域的长度;W(k)=[W1(k),W2(k),W3(k),W4(k)]为第k步迭代时堆垛区域宽度向量, W1(k)为第1个存储区域的宽度,W2(k)为第2个存储区域的宽度,W3(k)为第3个存储区域的宽度,W4(k)为第4个存储区域的宽度;N(k)=[N1(k),N2(k),N3(k),N4(k)]为第k步迭代时存储区域化学品堆垛数向量,N1(k)为第k步迭代时第1个存储区域化学品堆垛数量,N2(k) 为第k步迭代时第2个存储区域化学品堆垛数量,N3(k)为第k步迭代时第3个存储区域化学品堆垛数量,N4(k)为第k步迭代时第4个存储区域化学品堆垛数量;m(k)=[m1(k),m2(k),m3(k),m4(k)]为第k步迭代时化学品存储方案向量,m1(k)为第k步迭代时第1个堆垛区域存储的化学品类型,m2(k)为第k步迭代时第2个堆垛区域存储的化学品类型,m3(k)为第k 步迭代时第3个堆垛区域存储的化学品类型,m4(k)为第k步迭代时第4个堆垛区域存储的化学品类型;当m1(k)=1时,表示第一个区域存储的化学品为盐酸,当m1(k)=2时,表示第一个区域存储的化学品为硫酸,当m1(k)=3时,表示第一个区域存储的化学品为硝酸;
④第k步迭代计算时,把粒子的位置x(k)作为目标函数的输入计算函数值,获得进化计算过程中的个体最优位置p(k),将第k步的个体最优位置p(k)与k-1步知识库的解A(k-1)进行比较,A(k-1)=[a1(k-1),a2(k-1),…,aι(k-1)],aι(k-1)为第k-1步知识库中第ι个最优解,通过支配关系更新第k步的知识库A(k),支配关系计算公式是:
A(k)=A(k-1)∪p(k-1),if fh(aι(k-1))≥fh(p(k-1)),h=1,2; (12)
其中,∪是关系并,如果p(k-1)的目标函数值小于aι(k-1)的目标函数值,则知识库中保存个体最优解p(k-1),否则保存解aι(k-1),fh()是优化目标函数,f1()为货位纵向稳定性模型; f2()为货位横向重心稳定性模型,根据密度法从知识库A(k)中选择全局最优解g(k);
⑤通过第k步的个体最优解p(k)和全局最优解g(k)更新k+1步的粒子位置和速度,粒子速度和位置更新公式为:
vi,d(k+1)=ω·vi,d(k)+c1r1(pi,d(k)-xi,d(k))+c2r2(gd(k)-xi,d(k)); (13)
xid(k+1)=xid(k)+vid(k+1); (14)
其中,vi,d(k)是第k步迭代时第i个粒子在d维搜索空间上的速度,xi,d(k)是第k步迭代时第 i个粒子在d维搜索空间上的位置,i的取值范围是[1,100];ω是惯性权重,ω=0.8;c1是个体最优位置加速因子,c1=0.8,c2=0.2;r1是个体最优位置系数,r1=0.6,r2是全局最优位置系数,r2=0.5;pi,d(k)是第k步迭代时第i个粒子在d维搜索空间上的个体最优解,gd(k)是第k 步迭代时在d维搜索空间上的全局最优解;
⑥如果当前的迭代步数k大于等于最大迭代步数K,转到步骤⑦;如果当前的迭代步数 k小于最大迭代步数K,迭代步数k加1,转到步骤④;
⑦从知识库A(K)中随机选择一个全局最优解g*(K),保存全局最优解g*(K);
(4)三酸化工仓库货位布局方案图的绘制
对保存的g*(K)=[L*(k),W*(k),m*(k)]进行解码,其中L*(k)=[L1 *(k),L2 *(k),L3 *(k),L4 *(k)] 为堆垛区域最优长度向量,L1 *(k)为第1个存储区域的最优长度值,L2 *(k)为第2个存储区域的最优长度值,L3 *(k)为第3个存储区域的最优长度值,L4 *(k)为第4个存储区域的最优长度值;W*(k)=[W1 *(k),W2 *(k),W3 *(k),W4 *(k)]为堆垛区域最优宽度向量,W1 *(k)为第1个存储区域的最优宽度值,W2 *(k)为第2个存储区域的最优宽度值,W3 *(k)为第3个存储区域的最优宽度值,W4 *(k)为第4个存储区域的最优宽度值;N*(k)=[N1 *(k),N2 *(k),N3 *(k),N4 *(k)]为存储区域化学品最优堆垛数向量,N1 *(k)为第1个存储区域化学品最优堆垛数量,N2 *(k)为第2 个存储区域化学品最优堆垛数量,N3 *(k)为第3个存储区域化学品最优堆垛数量,N4 *(k)为第 4个存储区域化学品最优堆垛数量;m*(k)=[m1 *(k),m2 *(k),m3 *(k),m4 *(k)]为化学品最优存储方案,m1 *(k)为第1个堆垛区域存储的化学品类型,m2 *(k)为第2个堆垛区域存储的化学品类型,m3 *(k)为第3个堆垛区域存储的化学品类型,m4 *(k)为第4个堆垛区域存储的化学品类型;当m1 *(k)=1时,表示第一个区域存储的化学品为盐酸,当m1 *(k)=2时,表示第一个区域存储的化学品为硫酸,当m1 *(k)=3时,表示第一个区域存储的化学品为硝酸;
根据解码得到的最优布局方案对仓库进行划分,将化学品存储于仓库的指定位置并绘制三酸化工仓库货位布局方案布局图;
图1显示优化前的三酸化工仓库化学品布局方案图,X轴:长度,单位是米,Y轴:宽度,单位是米,最外侧矩形为仓库的矩形区域示意图,编号为1的矩形为盐酸堆垛单元货物示意图;编号为2的矩形为为硫酸堆垛单元货物示意图;编号为3的矩形为硝酸堆垛单元货物示意图;图2显示优化后的三酸化工仓库化学品布局方案图,X轴:长度,单位是米, Y轴:宽度,单位是米,最外侧矩形为仓库的矩形区域示意图,编号为4的黑色矩形是主通道区域面积示意图,编号为5的灰色矩形是副通道1,副通道2区域面积示意图;编号为1的矩形为盐酸堆垛单元货物示意图;编号为2的矩形为硫酸堆垛单元货物示意图;编号为3的矩形为硝酸堆垛单元货物示意图。
Claims (1)
1.一种基于粒子群优化算法的三酸化工仓库货位布局方法,其特征在于,包括以下步骤:
(1)选择与三酸化工仓库货位安全模型相关的变量,具体为:三酸化工仓库第1个存储区域的长度L1,第2个存储区域的长度L2,第3个存储区域的长度L3,第4个存储区域的长度L4;第1个存储区域的宽度W1,第2个存储区域的宽度W2,第3个存储区域的宽度W3,第4个存储区域的宽度W4;第1个存储区域化学品堆垛数量N1,第2个存储区域化学品堆垛数量N2,第3个存储区域化学品堆垛数量N3,第4个存储区域化学品单元数量N4;
(2)建立三酸化工仓库货位安全模型:
约束条件:
其中:f1为货位纵向稳定性模型,通过计算货物的最大存储高度来衡量货位布局的纵向稳定性;f2为货位横向重心稳定性模型,通过计算货物的分散程度来衡量货位布局的横向稳定性,g为堆垛单元的宽度;仓库被横向贯穿仓库的主通道和垂直于主通道两侧的两个副通道区分成四个存储区域,a为存储区域编号,L1为第1个存储区域的长度,L2为第2个存储区域的长度,L3为第3个存储区域的长度,L4为第4个存储区域的长度;W1为第1个存储区域的宽度,W2为第2个存储区域的宽度,W3为第3个存储区域的宽度,W4为第4个存储区域的宽度;N1为第1个存储区域化学品堆垛数量;N2为第2个存储区域化学品堆垛数量;N3为第3个存储区域化学品堆垛数量;N4为第4个存储区域化学品堆垛数量;A为仓库矩形区域的长度;B为仓库矩形区域的宽度;D为主通道宽度;d1为第1个副通道的宽度,d2为第2个副通道的宽度;s为墙壁与货堆之间的距离;c为货堆间距;
(3)建立三酸化工仓库货位布局方法:
①初始化最大迭代步数K;
②将建立的三酸化工仓库安全模型作为粒子群算法的优化目标函数;
③依次将每件化学品匹配存入每个货位,则该粒子的货位布局编码为:
x(k)=[L(k),W(k),N(k),m(k)] (4)
其中,k为当前迭代步数;L(k)=[L1(k),L2(k),L3(k),L4(k)]为第k步迭代时堆垛区域长度向量,L1(k)为第k次迭代时第1个存储区域的长度,L2(k)为第k次迭代时第2个存储区域的长度,L3(k)为第k次迭代时第3个存储区域的长度,L4(k)为第k次迭代时第4个存储区域的长度;W(k)=[W1(k),W2(k),W3(k),W4(k)]为第k步迭代时堆垛区域宽度向量,W1(k)为第1个存储区域的宽度,W2(k)为第2个存储区域的宽度,W3(k)为第3个存储区域的宽度,W4(k)为第4个存储区域的宽度;N(k)=[N1(k),N2(k),N3(k),N4(k)]为第k步迭代时存储区域化学品堆垛数向量,N1(k)为第k步迭代时第1个存储区域化学品堆垛数量,N2(k)为第k步迭代时第2个存储区域化学品堆垛数量,N3(k)为第k步迭代时第3个存储区域化学品堆垛数量,N4(k)为第k步迭代时第4个存储区域化学品堆垛数量;m(k)=[m1(k),m2(k),m3(k),m4(k)]为第k步迭代时化学品存储方案向量,m1(k)为第k步迭代时第1个堆垛区域存储的化学品类型,m2(k)为第k步迭代时第2个堆垛区域存储的化学品类型,m3(k)为第k步迭代时第3个堆垛区域存储的化学品类型,m4(k)为第k步迭代时第4个堆垛区域存储的化学品类型;当m1(k)=1时,表示第一个区域存储的化学品为盐酸,当m1(k)=2时,表示第一个区域存储的化学品为硫酸,当m1(k)=3时,表示第一个区域存储的化学品为硝酸;
④第k步迭代计算时,把粒子的位置x(k)作为目标函数的输入计算函数值,获得进化计算过程中的个体最优位置p(k),将第k步的个体最优位置p(k)与k-1步知识库的解A(k-1)进行比较,A(k-1)=[a1(k-1),a2(k-1),…,aι(k-1)],aι(k-1)为第k-1步知识库中第ι个最优解,通过支配关系更新第k步的知识库A(k),支配关系计算功能是:
A(k)=A(k-1)∪p(k-1),if fh(aι(k-1))≥fh(p(k-1)),h=1,2; (5)
其中,∪是关系并,如果p(k-1)的目标函数值小于aι(k-1)的目标函数值,则知识库中保存个体最优解p(k-1),否则保存解aι(k-1),fh()是优化目标函数,f1()为货位纵向稳定性模型;f2()为货位横向重心稳定性模型,根据密度法从知识库A(k)中选择全局最优解g(k);
⑤通过第k步的个体最优解p(k)和全局最优解g(k)更新k+1步的粒子位置和速度,粒子速度和位置更新公式为:
vi,d(k+1)=ω·vi,d(k)+c1r1(pi,d(k)-xi,d(k))+c2r2(gd(k)-xi,d(k)); (6)
xid(k+1)=xid(k)+vid(k+1); (7)
其中,vi,d(k)是第k步迭代时第i个粒子在d维搜索空间上的速度,xi,d(k)是第k步迭代时第i个粒子在d维搜索空间上的位置,i的取值范围是[1,100];ω是惯性权重,ω的取值范围是(0,1);c1是个体最优位置加速因子,c1的取值范围是(0,1);c2是全局最优位置加速因子,c2的取值范围是(0,1);r1是个体最优位置系数,r1的取值范围是(0,1),r2是全局最优位置系数,r2的取值范围是(0,1);pi,d(k)是第k步迭代时第i个粒子在d维搜索空间上的个体最优解,gd(k)是第k步迭代时在d维搜索空间上的全局最优解;
⑥如果当前的迭代步数k大于等于最大迭代步数K,转到步骤⑦;如果当前的迭代步数k小于最大迭代步数K,迭代步数k加1,转到步骤④;
⑦从知识库A(K)中随机选择一个全局最优解g*(K),保存全局最优解g*(K);
(4)三酸化工仓库货位布局方案图的绘制
对保存的g*(K)=[L*(k),W*(k),m*(k)]进行解码,其中L*(k)=[L1 *(k),L2 *(k),L3 *(k),L4 *(k)]为堆垛区域最优长度向量,L1 *(k)为第1个存储区域的最优长度值,L2 *(k)为第2个存储区域的最优长度值,L3 *(k)为第3个存储区域的最优长度值,L4 *(k)为第4个存储区域的最优长度值;W*(k)=[W1 *(k),W2 *(k),W3 *(k),W4 *(k)]为堆垛区域最优宽度向量,W1 *(k)为第1个存储区域的最优宽度值,W2 *(k)为第2个存储区域的最优宽度值,W3 *(k)为第3个存储区域的最优宽度值,W4 *(k)为第4个存储区域的最优宽度值;N*(k)=[N1 *(k),N2 *(k),N3 *(k),N4 *(k)]为存储区域化学品最优堆垛数向量,N1 *(k)为第1个存储区域化学品最优堆垛数量,N2 *(k)为第2个存储区域化学品最优堆垛数量,N3 *(k)为第3个存储区域化学品最优堆垛数量,N4 *(k)为第4个存储区域化学品最优堆垛数量;m*(k)=[m1 *(k),m2 *(k),m3 *(k),m4 *(k)]为化学品最优存储方案,m1 *(k)为第1个堆垛区域存储的化学品类型,m2 *(k)为第2个堆垛区域存储的化学品类型,m3 *(k)为第3个堆垛区域存储的化学品类型,m4 *(k)为第4个堆垛区域存储的化学品类型;当m1 *(k)=1时,表示第一个区域存储的化学品为盐酸,当m1 *(k)=2时,表示第一个区域存储的化学品为硫酸,当m1 *(k)=3时,表示第一个区域存储的化学品为硝酸;
根据解码得到的最优布局方案对仓库进行划分,并将化学品存储于仓库的指定位置并绘制三酸化工仓库货位布局方案布局图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910183146.7A CN110009138A (zh) | 2019-03-12 | 2019-03-12 | 一种基于粒子群优化算法的三酸化工仓库货位布局方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910183146.7A CN110009138A (zh) | 2019-03-12 | 2019-03-12 | 一种基于粒子群优化算法的三酸化工仓库货位布局方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110009138A true CN110009138A (zh) | 2019-07-12 |
Family
ID=67166768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910183146.7A Pending CN110009138A (zh) | 2019-03-12 | 2019-03-12 | 一种基于粒子群优化算法的三酸化工仓库货位布局方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110009138A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070351A (zh) * | 2020-08-04 | 2020-12-11 | 国家电网有限公司 | 一种基于重心回归和粒子群混合算法的变电站优化选址方法 |
CN113627667A (zh) * | 2021-08-09 | 2021-11-09 | 上海聚水潭网络科技有限公司 | 基于仓库全流程协同最优化的智能化布局方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616127A (zh) * | 2015-01-16 | 2015-05-13 | 北京邮电大学 | 一种基于rfid系统的三维重构仓储运维系统及方法 |
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 |
US20180253680A1 (en) * | 2017-01-19 | 2018-09-06 | Intelligrated Headquarters, Llc | Static warehouse area sizing and slotting of a multi-mode forward area |
CN109087076A (zh) * | 2018-08-29 | 2018-12-25 | 上海崟岛信息技术有限公司 | 一种生产制造企业仓库架构自主模拟器控制方法及系统 |
-
2019
- 2019-03-12 CN CN201910183146.7A patent/CN110009138A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616127A (zh) * | 2015-01-16 | 2015-05-13 | 北京邮电大学 | 一种基于rfid系统的三维重构仓储运维系统及方法 |
US20180253680A1 (en) * | 2017-01-19 | 2018-09-06 | Intelligrated Headquarters, Llc | Static warehouse area sizing and slotting of a multi-mode forward area |
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 |
CN109087076A (zh) * | 2018-08-29 | 2018-12-25 | 上海崟岛信息技术有限公司 | 一种生产制造企业仓库架构自主模拟器控制方法及系统 |
Non-Patent Citations (3)
Title |
---|
周文冬: ""基于PSO的自组织RBF神经网络优化设计及应用研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
李雁飞: ""危险化学品仓库堆垛安全布局建模及优化研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
韩红桂 等: ""一种基于多样性信息和收敛度的多目标粒子群优化算法"", 《电子学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070351A (zh) * | 2020-08-04 | 2020-12-11 | 国家电网有限公司 | 一种基于重心回归和粒子群混合算法的变电站优化选址方法 |
CN113627667A (zh) * | 2021-08-09 | 2021-11-09 | 上海聚水潭网络科技有限公司 | 基于仓库全流程协同最优化的智能化布局方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022252268A1 (zh) | 一种智能立体仓库优化调度方法 | |
CN104408589B (zh) | 基于混合粒子群算法的agv优化调度方法 | |
Kim et al. | A mathematical model and a genetic algorithm for two-sided assembly line balancing | |
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 | |
CN107977756B (zh) | 解决三维装箱问题的三叉树规划计算方法 | |
Li et al. | A hybrid differential evolution algorithm for multiple container loading problem with heterogeneous containers | |
CN110009138A (zh) | 一种基于粒子群优化算法的三酸化工仓库货位布局方法 | |
CN105858043B (zh) | 一种升降机与穿梭车结合的仓储系统优化调度方法 | |
CN114417696A (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 | |
CN113222410A (zh) | 双向式布局模式下货位分配模型建立方法 | |
CN106773686A (zh) | 同轨双车运行模式下堆垛机调度路径模型建立方法 | |
Ayachi et al. | A Genetic algorithm to solve the container storage space allocation problem | |
CN110378644A (zh) | 一种港口危险品集装箱箱位分配模型及算法 | |
CHANG et al. | Research on order picking optimization problem of automated warehouse | |
Jiang et al. | An improved adaptive genetic algorithm for mobile robot path planning analogous to the ordered clustered TSP | |
CN113408988B (zh) | 仓储系统的调度优化方法、电子设备及存储介质 | |
JP2014055037A (ja) | 積載操作方法、システム及びコンピュータ・プログラム。 | |
He et al. | Particle swarm optimization using neighborhood-based mutation operator and intermediate disturbance strategy for outbound container storage location assignment problem | |
Sari et al. | Design & modeling of a single machine flow rack AS/RS | |
Singbal et al. | A simulation analysis of impact of design and storage policy on performance of single-crane multi-aisle AS/RS | |
Öztürkoğlu | Effects of varying input and output points on new aisle designs in warehouses | |
JP2014153995A (ja) | 建築物の設計方法、それを用いた製造方法、及びそれに用いる設計装置 | |
Wu et al. | Optimal Scheduling for Retrieval Jobs in Double‐Deep AS/RS by Evolutionary Algorithms | |
Esmero et al. | Heuristic comparative assessment of non-conventional warehouse designs | |
Rao et al. | A Robust Design Integration in Non-Traditional Unit Load Warehouses |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190712 |
|
RJ01 | Rejection of invention patent application after publication |