(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210994428.7 (22)申请日 2022.08.18 (71)申请人 山东港口陆海国际物流 集团有限公 司 地址 250000 山东省济南市经十路1 1001号 中国人寿大厦南楼 27层 (72)发明人 任蕾超　曾慧婷　谭艳艳　王云华　 陈安一　王宏唱　张英明　彭玉栋　 安旭　万文博　石林　陈红玲　 (74)专利代理 机构 青岛发思特专利商标代理有 限公司 37212 专利代理师 宫兆俭 (51)Int.Cl. G06Q 10/08(2012.01) G06Q 10/04(2012.01)G06Q 50/28(2012.01) G06N 3/12(2006.01) G06F 16/28(2019.01) (54)发明名称 基于遗传算法的大宗货物仓储库位规划系 统及其方法 (57)摘要 本发明涉及一种基于遗传算法的大宗货物 仓储库位规划系统及其方法， 属于物 流仓储技术 领域。 本发 明通过设定的限制因素匹配到合适的 仓库后， 筛选出符合库位规划方法的空余库位作 为基础数据得到N个组合排列方式， 对应遗传算 法中的每个个体； 判断每种排列组合能否容纳下 待规划订单中的所有货物数量， 以此来筛选出满 足条件的所有个体， 并计算每个个体的空间利用 率； 筛选出空间占用率较高的个体， 作为下一代 个体的父代， 父代通过基因重组产生子代； 所有 的子代按一定概率变异， 重新计算子代的适应 度， 父代替换， 构成新的一代； 循环执行这一过 程， 找到最优解。 本发明通过实现订单搬运最优 化、 提高空间利用率， 解决人工规划耗时、 低效问 题。 权利要求书3页 说明书6页 附图2页 CN 115330312 A 2022.11.11 CN 115330312 A 1.一种基于遗传算法的大宗货物仓储库位规划方法， 采用自然进化模型的遗传算法， 结合货物仓储的特点的总体规划， 其特 征在于， 如下步骤： S1： 通过设定的限制因素匹配到合适的仓库后， 筛选出符合库位规划方法的空余库位 作为基础数据得到N个组合 排列方式， 对应遗传算法中的每 个个体； S2： 判断每种排列组合能否容纳下待规划订单中的所有货物数量， 以此来筛选出满足 条件的所有个 体， 并计算每 个个体的空间利用率： 其中， 库位总空间是以单个库位 为最小单位； S3： 筛选出空间占用率较 高的个体， 作为下一代个体的父代， 父代通过基因重组产生子 代； S4： 所有的子代按一定概率变异， 重新计算子代的适应度， 如果空间利用率高于父代， 则将其对应的父代替换， 构成新的一代； 循环执 行这一过程， 找到最优解。 2.根据权利要求1所述的基于遗传算法的大宗货物仓储库位规划方法， 其特征在于， 所 述步骤S1中， 限制因素包含仓库属性、 货物属性、 订单信息、 作业信息和库存信息， 库位规划 过程中必须考虑仓储现场作业中的影响及限制因素， 以满足这些限制性因素为前提条件， 其中： 仓库属性， 包括仓库性质、 接卸能力、 地理位置； 货物属性， 包括贸易类型、 是否期 货、 尺寸、 码垛 规则、 存放要求； 订单信息， 包括待入库量、 重量、 体积、 客户特殊要求； 作业信息， 包括作业效率、 作业计划； 库存信息， 包括库位是否空余、 在库商品数量及规格型号。 3.根据权利要求2所述的基于遗传算法的大宗货物仓储库位规划方法， 其特征在于， 所 述步骤S2中， 待规划订单的货物重量、 数量信息不一定相同， 导致每个订单需要的库位的数 量也不同， 算法把每个订单所用的库位个数分为一个和多个的情况， 每种情况对应不同的 优化原则， 其中： 原则A： 如果待规划订单需要一个库位， 首先计算空间利用率， 在空间利用率相同的情 况下， 算法将库位到库门的距离作为优化目标， 以就近原则作为优化原则； 原则B： 如果待规划订单需要两个及其以上数量的库位， 首先计算空间利用率， 在空间 利用率相同的情况下， 算法将所用到的若干个库位之间的距离作为优化 目标， 以集中管理 作为优化原则。 4.根据权利要求3所述的基于遗传算法的大宗货物仓储库位规划方法， 其特征在于， 所 述步骤S2中， 库位 规划方法如下： 依据贸易类型 是否保税、 是否期 货、 货种筛 选出符合存放要求的库区； 依据出库计划、 库区接卸能力筛 选出仓库； 出库计划： 货物入库前， 可能会存在其他货物出库的情况， 即将出库货物所占的库存也 算空余库存； 库区接卸能力： 结合目前库区作业情况及库区接卸能力， 超过接卸能力的库区不进行 安排；权　利　要　求　书 1/3 页 2 CN 115330312 A 2依据每个仓库中各个库间存放的货种 、 作业情况、 是否即将满库， 确定库间； 货种： 部分货种不能混放； 作业情况： 每个库门不允许两个送货车辆同时作业。 同时考虑上一作业结束时间， 如果 即将作业结束， 该库间可考虑安 排； 依据码垛 规则、 货物 尺寸、 巧固架 尺寸， 确定货位； 码垛规则 巧固架： 使用巧固架存放的货物， 根据库位长度、 宽度及层高要求， 巧固架的长度、 宽 度、 高度， 计算空余库位能够堆码的货物数量， 单个库位 放不下的， 继续 堆码到其它库位； 货物尺寸： 未使用巧固架存放的货物， 根据库位长度、 宽度及层高要求， 货物的长度、 宽 度、 高度及堆放形式， 计算空余库位能够堆码的货物数量， 单个库位放不下的， 继续堆码到 其它库位； 基于遗传算法， 以就近原则、 集中管理原则为优化原则， 计算出最优库位。 5.根据权利要求3所述的基于遗传算法的大宗货物仓储库位规划方法， 其特征在于， 所 述步骤S2中， 在空间利用率不同的情况下， 将空间利用率作为第一优化目标； 在空间利用率 相同的情况下， 以实现订单搬运最优化为 目标， 利用邻域的概念， 在组合优化中， 距离的概 念不再适用， 在一点附近搜索另一下降的点仍然是组合优化数值的基本思想； 通过记录每 个库位到其他库位的距离， 并对其每个库位的邻域根据距离远近的排列顺序， 以距离约束 判别需要库位的数量及目标库位组合方式， 具体实现步骤如下： S21： 根据适者生存的准则选择下一代的个体， 在选择时以适应度为原则； 对于选中的 个体， 随机的选择两个 个体相同的位置， 按交叉概 率， 对选中的位置实行交换， 即： 设置变异概 率为pm对某些个 体的某些位执 行变异； 初始化交叉概 率pc， 初始化最大迭代次数MAX eva； 在优化迭代的次数达 到最大迭代次数MAX eva后输出 结果种群POP； S22： 计算种群P OP每个个体的适应度， 首先筛选出空间利用率 高的个体， 然后获取距离 最小距离的库位组合的前三种方案， 仓库管理员根据这 三种方案 选择合适的策略。 6.根据权利要求1所述的基于遗传算法的大宗货物仓储库位规划方法， 其特征在于， 所 述步骤S4中， 最优解包括如下判断过程： S41： 根据待入库订单中货物属性、 仓库信息、 库存信息、 库 位信息、 现场作 业信息， 筛选 出符合货物存放要求的仓库； S42： 对符合条件的仓库每个库间的库位进行遍历， 将库位的实际占用空间和它原有空 间进行对比， 筛 选出所有空闲库位， 将所有的可放置库位看成是一个种群； S43： 假设可用的库位的个数为m， 系统随机组合成N个m维的个 体， 形成初始种群； S44： 根据 生成的初始种群， 将编码染色体分别为1和0， 其中： 1表示放入， 0表示不放， 基 于遗传算法的思想计算 最优解。 7.一种基于遗传算法的大宗货物仓储库位规划系统， 其特征在于， 采用前后端分离架 构， 包括如下部分： 后端设备， 使用Spri ng Boot、 MyBatis、 Spri ng Security、 Jwt技 术栈； 前端设备， 使用ES6、 vue、 vuex、 vue ‑router、 vue ‑cli、 axios、 element ‑ui技术栈； 数据库， 采用MySQL数据库， 借助Docker容器化技术及Kubernetes容器化管理集群、权　利　要　求　书 2/3 页 3 CN 115330312 A 3