详情

原文传递面向密集库的多目标货位实时决策优化

论文题名：	面向密集库的多目标货位实时决策优化
关键词：	仓储作业;货位决策;多目标优化;自适应差分进化
摘要：	近年来，我国仓储行业发展模式遇到了瓶颈，数字化和智能化正成为行业高质量发展的核心驱动力。密集仓储管理和控制系统通过智能货位决策、自动搬运、智能监控、多设备协同调度等功能，有效提升了自动化程度，降低了人力成本和土地成本，成为了一种高效、节能、低成本的系统建设方案。其中，仓储货位决策优化是密集仓储管控工作提高效率的重要环节。由于仓储的作业、设备、库存等实体具有动态变化的特点，如何合理决策仓储货位、实时响应仓储环境动态约束，以及满足高效节能的仓储需求，已经受到工业界和学术界的广泛关注。传统的仓储管控系统尚存货位决策智能化水平薄弱和业务集成能力不足的问题，并且仓储货位决策工业软件的专用型较强，不能满足大规模、多样化的仓储需求。针对上述问题，互联网技术、数据库技术及智能化技术的迅猛发展，为实现仓储货位决策功能网络化、智能化及其工业软件的开发提供了技术支持。因此，研究货位决策优化方法及其应用，对提升仓储作业质量和效率，推动智能化仓储关键技术的应用具有重要意义。论文主要包括：　　（1）建立了多目标货位决策优化信息模型　　针对多目标货位实时决策优化问题，考虑动态库存状态、动态设备状态、托盘使用情况、货位占用情况，使用通信模块实时筛选货位变量，并建立基于最短路径目标、货架重心稳定目标、作业均衡分布目标和低能耗目标的优化模型。针对优化模型中最短路径子目标函数，引入改进的A*算法，实时响应动态约束，获得更加符合实际仓储动态环境的路径及其评价成本。同时，根据作业、货位、托盘、物料、货架等实体的属性以及实体之间的关系，建立并分析E-R图，进而建立实体类和关系数据库的映射模型，为多目标货位决策算法的求解提供数据访问和存储的基础。　　（2）设计了基于自适应差分进化的货位决策算法　　针对多目标货位决策优化模型，设计差分进化算法进行求解。首先，采用0~1的浮点数对货位变量进行编码，建立货位变量与进化个体向量之间的映射关系，并根据动态货位可行域进行解码，得到对应的目标货位。其次，在货位决策过程中，为了克服算法搜索的盲目性，采用自适应缩放因子提高算法的搜索效率和质量，以满足货位决策的实时性要求。同时，因为优化模型的各子目标之间存在相互冲突的情况，无法获得每个子目标函数值都最优的解。因此，设计基于Pareto优化的差分进化算法，并通过层次分析法得出子目标函数的权重，据此求得多目标函数的综合评价值，进而从Pareto解集中筛选出最优解。最后，设计多批作业进行试验分析，结果表明，相较于单目标优化的差分进化算法，基于Pareto优化的差分进化算法，对能耗目标的优化效果显著，优化率约在15%~20%之间。同时，货位决策的时间控制在300ms以内，能有效满足货位决策的实时性要求。　　（3）基于Web的仓储货位决策可视化及其应用集成　　基于企业的密集仓储试验平台，对仓储管控系统进行设计研发。为满足系统柔性化、可扩展和可伸缩的需求，采用ASP.NET开发框架和SQL Server数据库技术，基于面向服务的架构，设计了仓储货位决策功能微服务组件及Web API接口。以MVC模式构建客户端应用程序，设计了Web前端界面的UI模型，实现了作业设置、智能货位决策等的Web可视化功能。通过企业现场应用测试，研发的系统能够有效实现仓储货位决策功能。　　通过以上研究工作，实现了基于进化智能的多目标仓储货位决策功能，开发了仓储货位决策的应用服务接口，研制了仓储货位决策的Web可视化界面，并在企业中得到了实际应用验证，有效提升了仓储资源的配置效率和作业质量，为支持高效、节能的仓储提供了可借鉴的技术基础。
作者：	俞卓韬
专业：	机械
导师：	项前;管树林
授予学位：	硕士
授予学位单位：	东华大学
学位年度：	2023