基于蚁群算法的自动化立体仓库作业调度研究

论文摘要

自动化立体仓库(Automated Storage/Retrieval System,即AS/RS)是现代物流系统的重要组成部分。对自动化立体仓库的调度进行优化,可以在不增加设备投资的情况下减少作业时间,提高仓库的运行效率,是物流领域研究的热点问题。自动化立体仓库调度优化问题涉及实际的现场问题,没有统一的方法可以解决所有问题。当前国内外所用的方法大致分为两类,一类着眼于理论的研究和探讨,预先设计了理想的前提,试图对调度优化给予理论的指导,这类方法的缺点是前提较为理想,不利于实际应用;另一类是结合工厂的实际,利用仿真方法进行研究,针对实际问题提出优化方案,再升华到理论层面,这类优化方案的弱点就是应用的适应面较窄。本文对自动化立体仓库的研究背景、研究现状进行分析后,针对现存研究方法的不足和自动化立体仓库的实际情况,进行了基于蚁群算法的自动化立体仓库作业调度的研究,分别对自动化立体仓库中堆垛机拣选作业和输送系统的调度问题进行了研究。通过对堆垛机拣选作业特点、流程等进行的分析,针对任务数量的不可预测性、货箱的体积和堆垛机的额定载荷均有限制等实际情况,提出了一个新型自动化立体仓库堆垛机拣选作业调度优化模型(ARSCOP)。在分析了蚁群算法解决自动化立体仓库作业调度问题的优势后,针对基本蚁群算法(ACA)收敛速度慢,容易陷入局部最优发生停滞等缺点和ARSCOP模型的特点,提出了基于非定长小窗的自适应蚁群——遗传混合算法(NFLWSACG)来解决ARSCOP问题。实验证明,NFLWSACG算法解决ARSCOP问题的性能如收敛性、解的质量和稳定性均优于ACA算法。其解的质量稳定,不受任务数量的影响,适合各种规模的自动化立体仓库使用。对输送系统调度的优化研究,首先分析了输送系统作业调度的特点和当前研究所存在的问题,针对输送系统调度的瓶颈——堆垛机与输送系统的排序调度问题,提出了堆垛机与输送系统排序调度优先级因子,进而提出了输送系统调度优化模型(TSOP)。将堆垛机与输送系统的排序调度优先级因子引入到蚁群算法的转移概率公式中,结合粒子群算法的思想和TSOP模型的特点,提出了有粒子群特性的动态参数蚁群算法(DPAPA)来解决TSOP问题。实验证明,DPAPA算法解决TSOP问题的综合性能指标优于ACA算法,具有良好的收敛性,并且更适合于大规模的自动化立体仓库所使用。本文由七章组成,第一章介绍了自动化立体仓库调度问题的研究背景、国内外研究现状,对堆垛机拣选作业、输送系统调度问题进行了概述;第二章提出了堆垛机拣选作业调度优化模型(ARSCOP);第三章介绍了基本蚁群算法解决ARSCOP问题的思路;第四章提出了基于非定长小窗的自适应蚁群——遗传混合算法来解决ARSCOP问题;第五章提出了堆垛机与输送系统排序调度优先级因子,进而提出了输送系统调度优化模型(TSOP);第六章提出了有粒子群特性的动态参数蚁群算法来解决TSOP问题;第七章是总结及展望。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 自动化立体仓库作业调度问题概述
• 1.2.1 堆垛机拣选作业调度优化
• 1.2.2 输送系统调度优化
• 1.3 国内外研究现状与分析
• 1.3.1 国内外研究现状
• 1.3.2 研究现状分析
• 1.4 本文主要研究工作、创新点
• 1.5 本文的结构
• 第二章 堆垛机拣选作业调度优化模型
• 2.1 堆垛机拣选作业特点和存在问题分析
• 2.1.1 堆垛机拣选作业概述
• 2.1.2 堆垛机拣选作业特点分析
• 2.1.3 存在问题的分析
• 2.2 堆垛机拣选作业调度优化模型
• 2.2.1 堆垛机拣选作业调度优化问题研究
• 2.2.2 ARSCOP 数学模型描述
• 2.3 总结
• 第三章 基本蚁群算法解决ARSCOP 问题
• 3.1 蚁群算法概述
• 3.2 基本蚁群算法解决ARSCOP 问题思路
• 3.2.1 ACA 解决自动化立体仓库作业调度问题的优势
• 3.2.2 ACA 解决ARSCOP 问题的方案
• 3.2.3 ACA 算法解决ARSCOP 问题的具体算法步骤、伪代码、流程图
• 3.3 总结
• 第四章 基于非定长小窗的自适应蚁群——遗传混合算法解决ARSCOP
• 4.1 ACA 的不足与研究现状分析
• 4.1.1 ACA 的不足分析
• 4.1.2 ACA 的研究现状分析
• 4.2 基于非定长小窗的自适应蚁群——遗传混合算法解决ARSCOP 问题
• 4.2.1 引入满载率影响因子的转移概率
• 4.2.2 自适应信息素挥发因子
• 4.2.3 局部信息素更新策略
• 4.2.4 全局信息素更新策略
• 4.2.5 贪婪倒位变异
• 4.2.6 非定长小窗筛选路径策略
• 4.2.7 NFLWSAC 解决ARSCOP 问题的具体步骤和伪代码
• 4.3 试验与分析
• 4.3.1 解的质量
• 4.3.2 收敛性
• 4.3.3 性能评价
• 4.4 总结
• 第五章 输送系统调度优化模型
• 5.1 输送系统调度特点和存在问题分析
• 5.1.1 输送系统概述
• 5.1.2 输送系统调度特点分析
• 5.1.3 存在问题的分析
• 5.2 输送系统调度的瓶颈——堆垛机与输送系统的排序调度问题
• 5.2.1 堆垛机与输送系统的排序调度问题分析
• 5.2.2 堆垛机与输送系统的排序调度优先级因子的提出
• 5.2.3 堆垛机与输送系统的排序调度优先级因子实验
• 5.3 输送系统调度优化模型
• 5.3.1 输送系统调度优化问题研究
• 5.3.2 TSOP 模型描述
• 5.4 总结
• 第六章 输送系统调度优化模型
• 6.1 基本蚁群算法解决TSOP 问题
• 6.1.1 ACA 解决TSOP 问题思路
• 6.1.2 ACA 算法解决TSOP 问题步骤及伪代码
• 6.2 有粒子群特性的动态参数蚁群算法解决TSOP 问题
• 6.2.1 粒子群算法基本原理和本质特点
• 6.2.2 有粒子群特性的动态参数蚁群算法解决TSOP 问题
• 6.2.3 DPAPA 解决TSOP 问题的具体算法步骤和伪代码
• 6.3 试验与分析
• 6.3.1 解的质量
• 6.3.2 收敛性
• 6.3.3 性能评价
• 6.4 总结
• 第七章 结论及展望
• 7.1 课题研究的主要工作、结论
• 7.2 尚待研究的问题
• 参考文献
• 发表论文和科研情况说明
• 致谢