(19)中华 人民共和国 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 202111482580.9 (22)申请日 2021.12.07 (71)申请人 长春工业大学 地址 130000 吉林省长 春市延安大街20 55 号 (72)发明人 李岩　王清云　贾科　崔振丰　 刘克平　 (74)专利代理 机构 长春吉大专利代理有限责任 公司 22201 代理人 崔斌 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/12(2006.01) G06Q 10/08(2012.01)G06F 111/04(2020.01) G06F 111/10(2020.01) (54)发明名称 一种基于遗传算法的自动化立体仓库货位 分配优化方法 (57)摘要 本发明自动化立体仓库仓储技术领域， 具体 的说是一种基于遗传算法的自动化立体仓库货 位分配优化方法。 首先， 根据零部件的历史订单 信息得到货物的出入库频率， 建立减少出入库搬 运时间的数学模型； 接着统计零部件的质量， 建 立降低货架重心的计算公式； 在此基础上， 基于 关联度进行聚类， 以提高相关产品空间聚集度为 目标建立数学模型。 综合考虑作业时间、 货架稳 定性和产品关联度， 构建多目标货位优化模型， 比单一优化目标更加全面合理。 本发 明通过一种 改进遗传算法对综合数学模型进行优化求解， 得 到的最优解 即为当前最优货位配置方案， 能够有 效优化零部件的货位分布， 帮助决策者制定合理 的方案。 权利要求书4页 说明书13页 附图5页 CN 114417696 A 2022.04.29 CN 114417696 A 1.一种基于遗传算法的自动化立体仓库货位分配优化方法， 其特征在于， 包括以下步 骤： 步骤一、 根据零部件的历史订单信息得到货物的出入库频率， 建立减少出入库搬运时 间的数学模型； 步骤二、 统计零部件的质量， 建立降低货架重心的计算模型； 步骤三、 基于关联度进行聚类， 建立以提高相关产品空间聚集度为目标的数 学模型； 步骤四、 根据步骤一建立的数学模型、 步骤二建立的计算模型和步骤三建立的数学模 型， 构建自动化立体仓库多目标货位优化数学模型， 并采用改进遗传算法对建立的自动化 立体仓库多目标货位优化数学模型进行求解， 获得最终货位优化结果， 从而完成自动化立 体仓库货位分配的优化。 2.根据权利要求1所述的一种基于遗传算法的自动化立体仓库货位分配优化方法， 其 特征在于， 所述 步骤一的具体方法如下： 11)对目标汽车零部件公司的多巷道自动化立体仓库的结构和出入库订单数据进行分 析和处理， 得到多巷道自动化 立体仓库的货架基础数据和订单货物信息； 12)基于多巷道自动化立体仓库的运行特点， 确定每个货位在存储单元的位置， 基于货 位来定义订单中零部件的存 储单元； 13)基于零部件历史订单、 在库数据， 获得零部件出入库频率， 以预设原则建立数学模 型。 3.根据权利要求2所述的一种基于遗传算法的自动化立体仓库货位分配优化方法， 其 特征在于， 所述 步骤12)的具体方法如下： 多巷道自动化立体仓库的每个货格定义为一个货位， 基于分类存储的方式来存放货 物； 所述基于分类存储的方式来存放货物， 包括： 根据订单中零部件的属性分类， 把同一种 类的零部件 摆放在同一分区。 4.根据权利要求2所述的一种基于遗传算法的自动化立体仓库货位分配优化方法， 其 特征在于， 所述 步骤13)的具体方法如下： 综合考虑零部件历史订单数据、 库存数据统计得到货物的出入库频率， 获得减少出入 库搬运时间的数 学模型如下： 其中， vx表示堆垛机在x轴方向上的运行速度； vy表示堆垛机在y轴方向上的运行速度； vz表示堆垛机在z轴方向上运行速度； xij表示第i类， 第j个货物的横坐 标； yij表示第i类， 第j 个货物的纵坐标； zij表示第i类、 第j个货物的纵向坐标； λij表示第i类、 第j个货物的出入库 频率； l表示货位的长度； h表示储位高度； F1表示第一目标函 数； n表示货物种类数目； ai表示 每个分类中的货物个数； mi n表示取目标函数的最小值。 5.根据权利要求1所述的一种基于遗传算法的自动化立体仓库货位分配优化方法， 其 特征在于， 所述 步骤二的具体方法如下： 基于零部件质量和货架重心因素， 得到货架稳定性 最小化计算模型为：权　利　要　求　书 1/4 页 2 CN 114417696 A 2其中， Mij表示第i种第j个货物的质量； zij表示第i种第j个货物的纵坐标； h表示储位的 高度； ai表示每个分类中的货物个数； n表示货物种类数目； F2表示第二目标函 数； min表示 取 目标函数的最小值。 6.根据权利要求1所述的一种基于遗传算法的自动化立体仓库货位分配优化方法， 其 特征在于， 所述 步骤三的具体方法如下： 31)同种类型的产品在遵循分巷道存放原则的同时存放在相近货位中， 能减少关联性 货物的存储距离， 减少堆垛机的运行时间； 假设仓库中现有k ×p×q个储位， 存放n类产品， 则在三维空间中所有货位坐标组成了坐标向量集{X,Y,Z}， 那么k ×p×q个货位的坐标向量 组为： 其中， 为x轴方向最大坐标； 为y轴方向最大坐标； 为z轴方向最大坐标； 32)定义货物的组内平均坐标ri： 其中， ai表示第i组包含的货品数量； xij表示第i类， 第j个货物的横 坐标； yij表示第i类， 第j个货物的纵坐标； zij表示第i类、 第j个货物的纵向坐标； 33)定义全部货物中心坐标R： 其中， n表示货物种类数目； ri表示组内平均坐标； 34)计算组内ri到R的距离总和， 建立以提高相关产品空间聚集度为目标的数学模型即 关联性货物就近存 储的优化 函数F3： 其中， ri表示组内平均坐标； R表示所有货物中心坐标； F3表示第三目标函数； n表示货物 种类数目； mi n表示取目标函数的最小值。 7.根据权利要求1所述的一种基于遗传算法的自动化立体仓库货位分配优化方法， 其 特征在于， 所述 步骤四的具体方法如下： 41)基于零部件公司自动化立体仓库的结构和仓储策略以及目标原则， 构建自动化立 体仓库多目标货位优化数 学模型； 42)采用改进遗传算法对建立的零部件货位优化模型进行求解， 获得最终货位优化结 果。权　利　要　求　书 2/4 页 3 CN 114417696 A 3