摘要:針對企業(yè)倉儲管理中貨位分配效率低的現(xiàn)狀，提出立體倉庫貨位動態(tài)分配優(yōu)化問題的數(shù)學(xué)模型和約束條件并對貨位分配策略進行了討論．采用基于遺傳算法的權(quán)重系數(shù)變換法對優(yōu)化模型進行求解．通過仿真驗證了算法的有效性．

    關(guān)鍵詞:立體倉庫;貨位動態(tài)分配優(yōu)化;遺傳算法;權(quán)重系數(shù);模型

 

    隨著計算機技術(shù)、現(xiàn)代通信技術(shù)和自動控制技術(shù)的迅猛發(fā)展，倉儲管理水平也已經(jīng)向著信息化、自動化、智能化方向發(fā)展［1］．而在倉儲管理中貨位的分配及優(yōu)化問題一直是一個非常棘手的問題．高效的貨位動態(tài)分配優(yōu)化算法將提升各企業(yè)在倉儲管理方面的競爭實力．實時分配的優(yōu)化貨位對降低倉庫中貨品搬運的成本，提高倉庫的空間利用率及貨品出入庫的效率具有非常重要的現(xiàn)實意義．

 

    貨位的分配及優(yōu)化問題是一個多目標(biāo)的優(yōu)化問題．遺傳算法具有魯棒性好，全局搜索能力強的特點，它是解決多目標(biāo)優(yōu)化問題強有力的工具［2］．本文采用基于遺傳算法的權(quán)重系數(shù)變換法對貨位動態(tài)分配優(yōu)化問題進行研究．

 

    1立體倉庫貨位動態(tài)分配優(yōu)化問題

 

    1．1問題的提出

 

    在對企業(yè)倉儲管理實際情況的調(diào)研中發(fā)現(xiàn)，一些倉庫的貨位分配策略不盡合理，管理人員僅憑直觀經(jīng)驗進行藥品貨位分配，缺乏先進的科學(xué)依據(jù)，不利于貨品的快速出/入庫;且貨品存放隨意，庫存面積利用率不高，庫存周轉(zhuǎn)效率較低，嚴(yán)重影響了企業(yè)的生產(chǎn)組織和經(jīng)濟效益．經(jīng)研究發(fā)現(xiàn)，同一貨品存放在倉庫中的不同貨位，所消耗的能量是不同的，例如貨品放在離出/入庫工作臺近的貨位比離出/入庫工作臺遠的貨位要節(jié)省出/入庫時間，同時也節(jié)約了能量消耗，降低運行成本，放存在高貨位比存放在低貨位消耗的能量要多［3］．因此，對立體倉庫的貨位進行動態(tài)分配優(yōu)化，可以很好地解決上述問題．

 

    1．2貨位分配策略的選擇

 

    1．2．1常用的貨位分配策略

 

    常用的貨位分配策略有:1)定位存儲:每一種貨品都依據(jù)其周轉(zhuǎn)率安排固定的貨位，貨品之間不能互用貨位，其優(yōu)點是管理方便，縮短出入庫運行距離，缺點是降低庫區(qū)空間的平均使用效率．2)隨機存儲:每一種貨品的貨位隨機指派，而且可以經(jīng)常改變，其優(yōu)點是可以共享貨位，提高貨位使用效率，缺點是出入庫管理和盤點困難．3)分類存儲:所有的貨品按照其特性進行分類，然后采用固定貨位存儲固定種類的貨品，其優(yōu)點是有利于暢銷品的存放，缺點是庫區(qū)儲位必須設(shè)計為貨品的最大在庫量，降低了使用效率．4)分類隨機存儲:每一種貨品有固定的存放區(qū)域，但在存放區(qū)域內(nèi)貨位的分配是隨機的，其優(yōu)點是提高貨位使用效率，缺點是出入庫管理和盤點困難．5)共享存儲:不同的貨品的貨位不但可以隨機指派，而且貨品之間可以共享貨位空間，其優(yōu)點是節(jié)省空間和搬運時間，缺點是管理非常復(fù)雜．

 

    1．2．2貨位存儲策略的選擇

 

    采用RFID對貨品的各種相關(guān)信息進行記錄，使倉庫管理系統(tǒng)具備了可實時查詢和定位貨品的功能，克服了出入庫管理和盤點困難的缺點，因此采用隨機存儲的貨位分配策略．

 

    1．3多目標(biāo)優(yōu)化問題

 

    1．3．1優(yōu)化模型的建立

 

    假設(shè)立體倉庫有K排I層J列，貨架的寬度與貨架間的距離之和為H、貨位的寬度為L，并且離出/入庫工作臺最近的列記為第1列、最近的排記為第1排．處于第x列y排z層的貨位記為(x，y，

 

    z)(x=1，2，……J;y=1，2……K;z=1，2，……I)．貨位上貨品的質(zhì)量為Mxyz．

 

    1)根據(jù)“就近存取”的原則，將貨品放在離庫門最近的地方．則貨位分配優(yōu)化模型可以描述為:

 

    minf1(x，y)=Σ(J)Σ(K)(x*L+y*H)

 

    x=1y=1

 

    2)考慮貨架的承重能力，將貨品質(zhì)量Mxyz較小的貨品盡可能地存放在貨架的高處．則貨位優(yōu)化模型可以描述為:

 

    JIzminf2(x，y)=ΣΣ;x=1z=1Mxyz

 

    3)考慮貨架的穩(wěn)定性，取貨時應(yīng)該盡可能的先從高處取貨．此優(yōu)化模型可以描述為:

 

    maxf3(x，y，z)=Σ(J)Σ(I)z*Mxyz;

 

    x=1z=1

 

    將其轉(zhuǎn)化為求最小值問題:

 

    JI1

 

    minf4(x，y，z)=ΣΣ;x=1z=1z*Mxyz

 

    1．3．2優(yōu)化模型的約束條件

 

    當(dāng)有貨品要進行存儲時，要保證所分配的貨位為空，即:P(x，y，z)=0式中:P(x，y，z)代表貨位

 

    (x，y，z)是否為空的標(biāo)志位．

 

    2遺傳算法求解約束多目標(biāo)的貨位動態(tài)分配優(yōu)化問題

 

    從建立的優(yōu)化模型可以看出儲位優(yōu)化是一個多目標(biāo)優(yōu)化問題．多目標(biāo)優(yōu)化問題的各目標(biāo)函數(shù)之間往往相互沖突，通常不存在對所有目標(biāo)都是最優(yōu)的解，只存在一組均衡解，即所謂的Pareto最優(yōu)解，難以得出一個滿足所有目標(biāo)函數(shù)的最優(yōu)解［4］．針對這種情況本文采用基于遺傳算法的權(quán)重系數(shù)變換法求解此多目標(biāo)優(yōu)化問題，即給每個目標(biāo)優(yōu)化函數(shù)f(i)(i=1，2，……n)賦予權(quán)重系數(shù)Wi(i=1，2，……n)，則多目標(biāo)優(yōu)化問題就轉(zhuǎn)化為單目標(biāo)優(yōu)化問題，即可以利用單目標(biāo)優(yōu)化的遺傳算法求解多目標(biāo)優(yōu)化問題［4］．因此優(yōu)化模型可以轉(zhuǎn)化為:

 

    minf(x，y，z)=W1*minf(x，y，z)+W2*minf2(x，y，z)+W3*minf4(x，y，z)

 

    W1+W2+W3=1，

 

    

 

    st．0≤W1≤1

 

    0≤W2≤1

 

    0≤W3≤1

 

    對于不同的公司，他們注重的優(yōu)化點不同，有的公司注重貨位出入庫的效率，有的注重貨架的承重能力，而有的注重貨架的穩(wěn)定性問題，因而采取權(quán)重系數(shù)變換法可以給用戶更多的選擇余地，可以根據(jù)自己的實際情況進行權(quán)重系數(shù)的設(shè)置，這樣更有利于實際問題的解決，提高工作效益，達到事半功倍的效果．針對本文的實例情況，該制藥企業(yè)對出入庫的效率更加的重視一些，因此采用2∶1∶1的比例分配權(quán)重系數(shù)．

 

    其遺傳算法求解步驟

 

    1)獲取立體倉庫的當(dāng)前庫存狀態(tài)信息(空貨位位置、各貨位上貨品重量等)．

 

    2)確定種群數(shù)目Pop、最大遺傳代數(shù)Gmax、編碼長度、代溝GGAP、交叉概率Pc、變異概率Pm等參數(shù)．

 

    3)采用二進制編碼方法對貨位進行編碼，并增加貨位標(biāo)志位P(x，y，z)(其值為0時代表該貨位為空)，隨機生成初始種群．

 

    4)適應(yīng)度函數(shù)的確定．由目標(biāo)函數(shù)可得適應(yīng)的函數(shù)為

 

    Fi(f(x，y，z))=

 

    {

 

    Cmax－f(x，y，z)，f(x，y，z)＜Cmax

 

    0，f(x，y，z)≥Cmax

 

    其中:Cmax為f(x，y，z)的最大值估計．

 

    5)分別計算每個個體的適應(yīng)度值，對于違反約束條件的個體進行懲罰．即對個體的適應(yīng)度調(diào)整:

 

    Fit＇(f(x，y，z))=

 

    {

 

    Fit(f(x，y，z))P(x，y，z)≠0

 

    Fit(f(x，y，z))－P(x，y，z)P(x，y，z)=0其中:Fit(f(x，y，z))為原始適應(yīng)度;Fit(f(x，y，z))為調(diào)整后的新適應(yīng)度;P(x，y，z)為懲罰函數(shù)．

 

    6)根據(jù)適應(yīng)度和代溝GGAP從種群中選擇優(yōu)良個體．

 

    7)完成種群的重組，按照交叉概率Pc進行交叉、按照變異概率Pm進行變異，形成新的種群．

 

    8)算法終止條件．當(dāng)遺傳代數(shù)達到最大遺傳代數(shù)Gmax，結(jié)束算法，并輸出最優(yōu)解．

 

    9)更新庫存信息．

 

    應(yīng)用上述算法以某制藥企業(yè)藥品倉庫為例進行仿真實驗，該倉庫共有10排立體貨架，每排貨架包括4層25列共1000個貨位．實驗中，取貨架的寬度與貨架間的距離之和H=1、貨為的寬度L=0．8、種群規(guī)模N=100、交叉概率Pc=0．8，變異概率Pm=0．1，最大迭代次數(shù)為100．實驗結(jié)果驗證了算法的有效性．

    3結(jié)語

 

    基于遺傳算法的立體倉庫貨位動態(tài)分配優(yōu)化的算法，以存取路徑距離及貨架承重能力和穩(wěn)定性為優(yōu)化目標(biāo)．通過權(quán)重系數(shù)變換法較好的解決了多目標(biāo)之間相互沖突的問題，并加入懲罰函數(shù)，淘汰不滿足約束條件的解．仿真實驗結(jié)果表明該算法能夠提高貨位分配效率，降低貨位管理成本．

 

    參考文獻:

 

    ［1］蔡增玉，甘勇，金保華，等．基于RFID的物流管理系統(tǒng)設(shè)計［J］．鄭州輕工業(yè)學(xué)院學(xué)報:自然科學(xué)版，2009，24(6):23－28．

    ［2］鄒暉華，胡吉全，楊艷芳．自動化立體倉庫貨位分配策略優(yōu)化研究［J］．湖北工業(yè)大學(xué)學(xué)報，2008，23(3):43－45．

    ［3］QUWJ，XUF，LIUZH，etal．RegionalHigherEducationResourceAllocationParetoEquilibriumAnalysis［C］//InternationalConferenceonIntellectualTechnologyinIndustrialPractice， ChangSha，China，2010(1):354－348．

    ［4］李敏強，林丹，李書全，等．遺傳算法的基本理論與應(yīng)用［M］．北京:科學(xué)出版社，2004．
   
    注:本文由筆耕文化傳播（www.bigengculture.com)整理，文章版權(quán)歸原作者所有，轉(zhuǎn)載請注明出處！