一种四向穿梭车系统的调度优化方法

本发明涉及物流仓储，具体涉及在跨层作业模式下四向穿梭车系统的调度优化方法。

背景技术：

1、随着全球贸易和电子商务的快速增长，以及消费者对于高效物流服务的不断需求，物流仓储行业正迎来全面发展。在这样的背景下，为了能够提高仓储作业的效率和准确性，自动化立体仓库系统应运而生。

2、自动化立体仓库系统是一种在有限的地面面积上，通过多层结构来提高货物的存储密度和搬运效率，并采用自动化技术和设备来提高作业效率的仓库系统，通常应用于需要大量货物存储和高效搬运的场景，如电商仓储中心、物流配送中心、冷链物流仓储等。

3、四向穿梭车系统作为目前市场上出现的一种新型的自动化立体仓库系统，主要由四向穿梭车、提升机、轨道和存储货架等组成。在该系统中，四向穿梭车负责货物在水平方向上的运输。四向穿梭车在接收到任务指令后，能够通过前后左右四个方向的运动，在货架层跨越巷道进行作业，并且可以通过搭乘换层提升机到其他的货架层进行作业。而货物提升机则负责货物垂直方向上的运输。当货物提升机将货物运输到对应的入库货架层后，它会与四向穿梭车进行任务交接，之后由四向穿梭车将货物运输到对应的货位上。与传统的穿梭车系统相比，四向穿梭车系统克服了穿梭车只能在单个巷道以及单个货架层上作业的缺点，具有更高的作业效率和灵活性。

4、在四向穿梭车系统中，通常会有多辆四向穿梭车同时进行入库作业，这就产生了入库任务分配、路径规划等调度问题。因此，对四向穿梭车系统的调度优化是一个重要问题。在现有技术中，针对四向穿梭车系统调度优化的研究，大多都采用单一的优化目标，即力求优化的结果达成某一既定目标。如授权公告号为cn105858044b的中国专利文件公开的一种穿梭车与升降机结合的仓储系统优化调度方法，其以调度行程时间最小化作为优化目标，并采用遗传算法对调度的出入库模型进行优化，最终得到调度行程时间最小的调度方案。

5、但是，上述技术方案存在一定的技术缺陷。第一，在经济快速发展的背景下，调度行程时间最小并非物流企业对四向穿梭车系统调度优化的唯一目标。这种单一的优化目标使得优化得到的调度方案无法满足物流企业的实际运营需求。第二，该种使用遗传算法进行求解优化的方法，需要更多的迭代次数才能达到收敛。这种较慢的收敛速度会直接增加对出入库模型求解的整体计算时间，从而导致无法及时生成出最优的调度方案。这种缺陷使得四向穿梭车系统无法快速作出调度响应，进而影响系统的整体运作效率。

技术实现思路

1、本发明的目的是提供一种四向穿梭车系统的调度优化方法，其以入库时间最短和设备总能耗最小作为优化目标构建四向穿梭车系统的调度模型，并对该调度模型进行求解，进而得到最优的调度方案。该方法能够同时满足当今物流企业对调度优化的时效和能耗需求。其用于求解的算法具有较快的收敛速度，能够显著提高对所述调度模型求解的计算效率，从而加快调度方案的生成速度，使得四向穿梭车系统能够作出快速响应，进而提升系统的整体运作效率。

2、本发明是通过以下技术方案得以实现的。

3、一种四向穿梭车系统调度的优化方法，包括以下步骤：

4、s01、仓库布局数据点生成步骤；

5、根据四向穿梭车系统的基本信息生成仓库布局数据点，所述基本信息包含入库任务信息、四向穿梭车信息，提升机信息以及货架信息；

6、s02、基础模型构建步骤；

7、基于所述仓库布局数据点，构建基础模型；所述基础模型包括入库时间模型f(t)和设备能耗模型f(w)；

8、其中，所述入库时间模型f(t)用于获取调度方案的入库时间，所述设备能耗模型f(w)用于获取调度方案的设备能耗；

9、s03、调度模型构建步骤；

10、通过对所述入库时间模型f(t)和所述设备能耗模型f(w)进行线性加权，构建调度模型：

11、其中，为权重值，由用户指定；

12、s04、调度方案优化步骤；

13、以入库时间最短和设备能耗最小作为优化目标，采用自适应遗传退火算法对所述调度模型进行求解，求解得到的最优解即为最优的调度方案；

14、其中，所述自适应遗传退火算法以入库任务编号作为编码序号进行编码，产生初始种群，并通过迭代优化初始种群，不断产生新种群，直至到达最大迭代次数；所述新种群经个体判断产生：若新个体优于当前个体，则接受所述新个体，若否，则按照metropolis准则以概率p接受所述新个体。

15、作为本发明的优选，所述自适应遗传退火算法的求解还受到约束条件的限制，所述约束条件包括：任务分配约束、入库时间约束以及提升机工序约束。

16、作为本发明的优选，所述任务分配约束指一个入库任务只能由一辆四向穿梭车执行，其公式为：

17、

18、其中，i为任务编号，j为四向穿梭车编号，r为四向穿梭车的总数，αij为决策变量，当四向穿梭车j执行任务i时，αij为1，否则为0。

19、作为本发明的优选，所述入库时间约束指入库时间不能小于提升机连续工作时间，其公式为：

20、

21、其中，i为任务编号，n为任务总数，t2为货物提升机从第一层移动到入库层的时间，t5为四向穿梭车取(放)货物的时间。

22、作为本发明的优选，所述提升机工序约束指执行跨层入库时，请求换层提升机的时间应早于请求货物提升机的时间，且两次申请的时间间隔不得小于换层所用的时间，其公式为：

23、

24、其中，i表示为任务编号，j为四向穿梭车编号；为四向穿梭车申请货物提升机的时间，为四向穿梭车申请换层提升机的时间；t7为换层提升机从上次换层处移动到四向穿梭车所在层的时间，t8为换层提升机从四向穿梭车所在层移动到入库货物所在层的时间，t9为四向穿梭车从换层提升机移动到货物提升机处的时间，t11为换层提升机取(放)四向穿梭车的时间。

25、作为本发明的优选，所述步骤s02、步骤s03中，所述入库时间模型f(t)的公式为：

26、

27、其中，ttotal为入库时间，i表示为任务编号，n表示为任务总数，j表示为四向穿梭车编号；αij和βij为决策变量，当四向穿梭车j执行任务i时，αij为1，否则为0；当四向穿梭车j执行任务i需跨层时，βij为1，否则为0；ktij为四向穿梭车j执行跨层任务i需要的时间，btij为四向穿梭车j执行不跨层任务i需要的时间。

28、作为本发明的优选，所述步骤s02、步骤s03中，所述设备能耗模型f(w)的公式为：

29、

30、其中，

31、

32、

33、其中，wtotal表示为设备能耗，i表示为任务编号，n表示为任务总数，j为四向穿梭车编号，r为四向穿梭车的总数；αij和βij为决策变量，当四向穿梭车j执行任务i时，αij为1，否则为0；当四向穿梭车j执行任务i需跨层时，βij为1，否则为0；

34、wj为四向穿梭车j的能耗，ktij为四向穿梭车j执行跨层任务i需要的能耗，btij为四向穿梭车j执行不跨层任务i需要的能耗；

35、we为货物提升机的能耗，swi为货物提升机从第一层移动到入库层的能耗；

36、wh为换层提升机的能耗，gwjk为从上次换层处移动到四向穿梭车所在层的能耗，pwij为换层提升机从四向穿梭车所在层移动到入库层的能耗。

37、作为本发明的优选，所述初始种群产生之前，还包括参数初始化步骤，所述参数包括：种群大小n、最大迭代次数maxgen、初始温度t0、末温tmin以及降温系数γ。

38、作为本发明的优选，所述迭代包括选择、交叉和变异，并计算所述新个体的适应度值。

39、作为本发明的优选，所述metropolis准则接受所述新个体的概率p的公式为：

40、

41、其中，t为当前温度，δe为所述新个体相对当前个体的改变量。

42、综上所述，本发明具有如下有益效果：

43、本发明以入库时间最短和设备总能耗最小作为优化目标构建四向穿梭车系统的调度模型，并对该调度模型进行求解，进而得到最优的调度方案。该方法能够同时满足当今物流企业对调度优化的时效和能耗需求。其用于求解的算法具有较快的收敛速度，能够显著提高对所述调度模型求解的计算效率，从而加快调度方案的生成速度，使得四向穿梭车系统能够作出快速响应，进而提升系统的整体运作效率。