一种基于遗传算法的分拣作业均衡调度方法
【技术领域】
[0001] 本发明涉及计算机分拣作业技术领域，具体地说是一种实用性强、基于遗传算法 的分拣作业均衡调度方法。
【背景技术】
[0002] 某物流中心分拣线目前平均单线分拣速率约为120万支/小时，实际分拣效率以 及分拣人员的劳动强度主要取决于客户数和订货数量，订货数量大则分拣时间长，在订货 数量相同的情况下，客户数多，则订单散，劳动强度大，耗时长。配送单的分配必须均衡的考 虑订货数量以及客户数，使得每条分拣线分拣的客户数和总订货量基本一致，才能保证每 条分拣线的劳动强度基本一致，并且基本同时完成分拣任务。目前物流中心每天生成约200 张配送单，分别分配到4条分拣线上，手工分配每批次至少耗时40分钟，不仅浪费时间，更 是直接延迟了分拣线的启动时间，影响生产效率。因此有必要开发一种新型算法来进行分 拣作业任务的均衡调度，以提升生产效率。
[0003] 遗传算法（Genetic Algorithm)是模拟达尔文的遗传选择和自然淘汰的生物进化 过程的计算模型。它的思想源于生物遗传学和适者生存的自然规律，是具有"生存+检测" 的迭代过程的搜索算法。它是由美国的J. Holland教授1975年首先提出，其主要特点是 直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好 的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调 整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、 机器学习、信号处理、自适应控制和人工生命等领域，是现代有关智能计算中的关键技术之 〇
[0004] 基于此，现提供一种基于遗传算法的分拣作业均衡调度方法。
【发明内容】
[0005] 本发明的技术任务是针对以上不足之处，提供一种实用性强、基于遗传算法的分 拣作业均衡调度方法。
[0006] -种基于遗传算法的分拣作业均衡调度方法，其具体实现过程为：
[0007] -、首先创建基于物流分拣线的原始种群，该原始种群中包含若干个体，每个个体 即为一种分配方案；
[0008] 二、计算种群中个体适应度；
[0009] 三、根据适应度的值，选择和复制适应度值较小的若干个体；
[0010] 四、然后随机选择数对个体进行交叉繁殖；
[0011] 五、随机选择一定数量的个体进行变异；
[0012] 六、当遗传未达到指定代数时，则回到步骤二；
[0013] 七、遗传达到指定代数后则结束整个分拣过程。
[0014] 所述步骤一种的原始种群是由若干个体组成的个体集，是一个长度为M的一维数 组，M为种群规模，即种群中的个体数，种群[i]存储了第i个个体；一个个体代表一种分配 方案，是一个长度为N的一维数组，N为配送单的数量，个体[j]存储了第j张配送单的分 拣线编号，即基因；然后根据遗传算法随机生成个体的方法产生原始种群。
[0015] 所述个体适应度的计算同时对三个目标进行优化，这里的三个目标分别是客户数 量、订货数量、烟包数。
[0016] 所述个体适应度的计算过程为：对于每个个体，首先汇总每条分拣线要分线的客 户总数和订货总数量，再分别计算所有分拣线的总客户和总订货数量的方差，最后将这两 个方差按照一定的权重相加得到个体的适应值。
[0017] 所述个体适应度计算使用以下公式：
[0018] fx= dcAcfci+dqfql+d bfbl；
[0019] 其中仁为第i个个体的适应值；L1为第i个个体的总客户数的方差；fql为第i个 个体的总订货数量的方差；f bl为第i个个体的总烟包数量的方差；在该适应值公式中，d。为 权重系数，d。大于1时倾向于客户数的均衡，小于1则倾向于订货数量的均衡，d q和1同 d。，因客户数与订货数量的数值差距较大，计算适应值时将f"乘以调整系数λ进行了增权 处理，使得两个目标的适应值具有可比性，其中& = G/刁2，^为平均每条分拣线的客户 总数，i为平均每条分拣线的订货总数量；
[0020] 其中：
[0024] 上述公式中P为分拣线条数，Cip为第i个个体中分配到第p条分拣线的客户总数， qip为第i个个体中分配到第P条分拣线的订货总数量，b 1P为第i个个体中分配到第p条 分拣线的烟包数量。
[0025] 所述步骤三中的选择和复制过程为：首先把种群中的个体按照适应值排序，将前 K个个体选择为优良个体，将其顺序复制到后K个个体，淘汰劣质个体，形成了新一代种群。
[0026] 所述步骤四中的交叉繁殖过程为：按照一定的比例随机选择两个父辈个体，随机 选择交叉位置和互换的基因个数，完成基因片段的交换后形成两个新的个体。
[0027] 所述步骤五中的个体变异具体过程为：首先在群体中随机选择一定数量的个体， 针对每个个体随机选择一定数量的基因进行突变，通过大规模的基因突变，搜索更优的个 体；在每一代的种群中，把适应值最低的一个个体作为最优个体被保护起来，不参与交叉和 变异，直到产生适应值更低的个体为止。
[0028] 本发明的一种基于遗传算法的分拣作业均衡调度方法，具有以下优点：
[0029] 该发明的一种基于遗传算法的分拣作业均衡调度方法，通过基于遗传算法的分 拣作业均衡调度技术使分拣线的任务分配时间缩短为10~30秒左右，较传统的人为调度 时间节省约30分钟左右。经过10000次的优化迭代使的每个条分拣线的任务量差额控制 在2%左右，较传统的线性分配方式10%差额有较大提升。不同分拣线完成当日分拣任务 的时间差额控制在10分钟左右。整体上基于遗传算法的分拣作业均衡调度技术减少了任 务分配时间，提升了生产效率，实现了分拣作业工作量的均衡分配，保证了各条分拣线在指 定的时间范围内都能完成对应的分拣任务。实用性强，适用范围广泛，易于推广。
【附图说明】
[0030] 附图1为本发明的实现流程图。
【具体实施方式】
[0031] 下面结合附图与具体实施例对本发明作进一步说明。
[0032] 本发明提供一种基于遗传算法的分拣作业均衡调度方法，使用遗传算法将多分 拣线的任务分配建立为一个多目标的优化模型，在优化的过程中需要协调客户数与订货数 量、烟包数量三个目标。这三个目标具有一定的相关性和排斥性，在优化过程中进行统筹考 虑，最终达到每条分拣线分拣作业任务的均衡分配，将分拣调度时间缩短到1分钟以内，同 时分拣分拣任务分配均衡度最优。
[0033] 本发明将多分拣线的任务分配建立为一个多目标的优化模型，在优化的过程中需 要协调客户数与订货数量两个目标。这两个目标具有一定的相关性和排斥性，在优化过程 中必须统筹考虑。本发明采用实数编码的遗传算法，使用带权重的适应值对优化目标进行 协调。
[0034] 如附图1所示，该方法的实现过程为：
[0035] -、首先创建基于物流分拣线的原始种群，该原始种群中包含若干个体，每个个体 即为一种分配方案；
[0036] 二、计算种群中个体适应度；
[0037] 三、根据适应度的值，选择和复制适应度值较小的若干个体；
[0038] 四、然后随机选择数对个体进行交叉繁殖；
[0039] 五、随机选择一定数量的个体进行变异；
[0040] 六、当遗传未达到指定代数时，则回到步骤二；
[0041] 七、遗传达到指定代数后则结束整个分拣过程。
[0042] 所述步骤一种的原始种群population是由若干个体组成的个体集，是一个长度 为M的一维数组，M为种群规模，即种群中的个体数，population[i]存储了第i个个体。一 个个体indv代表一种分配方案，是一个长度为N的一维数组，N为配送单的数量，Indv [j] 存储了第j张配送单的分拣线编号，也称作基因。原始种群的数量和质量决定了算法的收 敛速率，根据传统的遗传算法，我们采用随机生成个体的方法产生原始种群，在实际计算 中，我们把M的取值设为300。
[0043] 所述个体适应度的计算同时对三个目标进行优化，这里的三个目标分别是客户数 量、订货数量、烟包数。
[0044] 所述个体适应度的计算过程为：对于每个个体，首先汇总每条分拣线要分线的客 户总数和订货总数量，再分别计算所有分拣线的总客户和总订货数量的方差，最后将这两 个方差按照一定的权重相加得到个体的适应值。
[0045] 所述个体适应度计算使用以下公