中文摘要
自動化倉儲系統(AS/RS)是現代工廠物流和CIMS中的重要環節,隨著現代工業生產的發展,對自動化倉儲提出了更高的要求。本文將現代智慧型最佳化理論的研究與AS/RS套用相結合,以進一步完善倉儲的智慧型化管理、提高系統整體效率為目標,開展自動化倉儲系統最佳化方法的研究,對提高企業競爭力和國民經濟的運行質量都具有重要的理論和實際意義。 AS/RS是一個離散的、隨機的、動態的、多因素、多目標的複雜系統,對AS/RS的智慧型化管理將導致複雜的系統最佳化問題。傳統的方法求解過程不僅時間較長、成本較高,而且很難求得最優解。本文通過採用智慧型最佳化遺傳算法(GA)和基於群集智慧型的蟻群算法(ACO)對AS/RS的若干最佳化問題進行研究,提出了相應的改進算法並進行了實例驗證。論文主要工作如下: 1.針對AS/RS輸送系統在實際運行時導致設備資源利用衝突和自動導引小車(AGV)的任務分配問題,建立了考慮多個複雜約束條件的AGV最佳化調度問題的多參數最佳化數學模型。將局部搜尋技術引入標準遺傳算法中,提出了帶有局部搜尋的混合遺傳算法。該算法解決了局部搜尋中尋找高效鄰域結構的技術難題,能夠搜尋到問題的全局解,有效地解決了輸送系統出現的死鎖和瓶頸效應問題。 2.針對貨物存取頻繁和存儲貨位動態變化問題,建立了固定貨架系統貨位分配最佳化問題的多目標模型;針對分配模型各目標存在相互衝突不存在唯一的最優解,提出了基於Pareto最優和小生境技術的改進遺傳算法。該算法除了常規遺傳操作以外,設計了Pareto解集過濾器和小生境技術,求得均勻分布的Pareto最優解集,較好地解決了貨位分配多目標最佳化問題,並為AS/RS提供多種動態最佳化解決方案。 3.為進一步提高AS/RS效率需要解決大規模入/出庫揀選作業的路徑規劃問題。本文首先針對水平分層旋轉貨架系統的特點構建了揀選作業路徑規劃問題的數學模型。然後針對不同設備配置下的固定貨架系統,定義了單巷道固定貨架揀選作業問題(SAOPP)和多巷道固定貨架揀選作業問題(MAOPP);分別構建了SAOPP路徑規劃數學模型和作業次數不確定的MAOPP路徑規劃的多目標數學模型。針對ACO算法求解路徑規劃問題存在容易出現停滯現象,提出了自適應動態改變信息素揮發係數的策略;針對ACO算法求解大規模路徑規劃問題時存在的收斂速度慢,容易陷入局部最優的缺陷,提出了候選點集合策略、動態插入點策略及選擇運算元的策略。實驗證明用本文設計的新型改進ACO算法求解大規模路徑規劃問題時,能快速得到近似最優解。 4.為驗證本文建立的最佳化模型和提出的求解方法的有效性,結合一個實際的套用對象進行了系統設計和套用分析。結果表明:所建立的數學模型和相應的最佳化算法完全可以套用於實際
自動化立體倉庫系統中,可以達到了減少企業物流成本,提高倉儲整體效益的目的。 本文得到了
國家自然科學基金項目、遼寧省高等學校優秀人才支持計畫項目和遼寧省高等學校創新團隊支持計畫項目的支持。