1.本发明涉及仓储堆垛领域,具体为一种电能量计量表计仓储堆垛及调度优化方法。
背景技术:2.随着南方电网省级集中、独立运转、整体授权的计量中心建设工作的逐步推进,其仓储管控已由人工化走向智能化。目前,国内新兴的低功耗物联网技术zeta将供应链物流要素物联网化,zeta相对于rfid、蓝牙、wifi等技术更具有覆盖范围广、低功耗等优点,随着未来zeta技术的广泛应用,其成本也将会更低,有效、合理地应用可为仓储的智能化管理提供精准、实时的数据,使仓储管理高效化。计量检定中心采用自动化仓库进行管理,自动化仓库多为立体仓库,在立体仓库中,货物的存取是通过堆垛机进行作业的。若没有对堆垛机作业路径进行合理优化,就会出现货物出入库拥挤堵塞等问题,从而影响货物周转率。
3.因此,亟需一种电能量计量表计仓储堆垛及调度优化方法,以精准实时传输数据,缩小物品出入库作业时间,提高计量中心仓储管理的运作效率。
技术实现要素:4.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
5.鉴于上述存在的问题,提出了本发明。
6.因此,本发明解决的技术问题是:如何合理优化堆垛机作业路径,缩小物品出入库作业时间,进而提高计量中心仓储管理的运作效率的问题。
7.为解决上述技术问题,本发明提供如下技术方案:一种电能量计量表计仓储堆垛及调度优化方法,包括:
8.基于zeta-lpwan技术的zetag标签阵列建立定位识别算法;
9.基于所述定位识别算法构建堆垛机作业路径优化模型;
10.基于混沌搜索策略、l
é
vy飞行策略改进蝙蝠算法为变邻域蝙蝠算法;
11.利用所述变邻域蝙蝠算法对所述路径优化模型进行求解。
12.作为本发明所述的电能量计量表计仓储堆垛及调度优化方法的一种优选方案,其中:所述定位识别算法,包括
13.根据电能量计量表计入库到达角与方位角,联合三个收发天线建立定位模型。
14.作为本发明所述的电能量计量表计仓储堆垛及调度优化方法的一种优选方案,其中:所述构建堆垛机作业路径优化模型,包括:
15.以堆垛机作业效率最大、出入库作业时间最短为目标构建作业路径优化模型。
16.作为本发明所述的电能量计量表计仓储堆垛及调度优化方法的一种优选方案,其中:所述构建堆垛机作业路径优化模型,包括:
17.在堆垛机作业路径优化中研究中,做出如下假设:
18.(1)一批任务中,共有m条入库作业任务和n条出库作业任务;
19.(2)货位单元格的长、宽、高均相同,长度单位为m;
20.(3)堆垛机为恒速运行,可以在垂直和水平方向运行;
21.(4)在优化问题中,堆垛机存取货物的过程时间固定不变,因此忽略该过程运行的时间;
22.将堆垛机路径栅格化,堆垛机在作业中,每次存或取一件物品,完成一次存取作业后回到出入库平台位置进行出入库操作;假设一排货架有p层,q列,o为运行原点,即出入库平台的坐标,表示为o(0,0)。堆垛机路径如下:先从运行原点(出入库物品放置点)出发,先去i(xi,yi)货位点,再去j(xj,yj)货位点;此过程的时间为:
[0023][0024]
其中,v
x
,vy分别为堆垛机水平、垂直方向运行的速度,均为恒定值;(xi,yi)为货位点i的坐标;(xj,yj)为货位点j的坐标;
[0025]
为将操作效率最大化,对堆垛机执行复合指令任务,即堆垛机从出入库物品放置点出发,执行一次入库、出库任务后,再回到出入库物品放置点;
[0026]
一批任务中,共有m条入库作业任务和n条出库作业任务,且m≠n,在某次执行复合指令任务中,若堆垛机先从o点出发,将货物送至入库货位点,再去出库货位点,最后返回o点;假设入库坐标点为(x1,y1),出库坐标点为(x2,y2),则最小化执行完一次过程所用的总时间可表示为:
[0027][0028]
其中,v
x
,vy分别为堆垛机水平、垂直方向运行的速度,均为恒定值;(x1,y1)为入库坐标点;(x2,y2)为出库坐标点;
[0029]
假设m》n,则堆垛机执行完上述复合出、入库任务后,还有m-n个单一入库任务待执行,堆垛机执行前m个复合任务总时间可表示为:
[0030][0031]
其中,v
x
,vy分别为堆垛机水平、垂直方向运行的速度,均为恒定值;(xi,yi)为货位点i的坐标;(xj,yj)为货位点j的坐标;
[0032]
后m-n个任务总时间可表示为:
[0033][0034]
其中,v
x
,vy分别为堆垛机水平、垂直方向运行的速度,均为恒定值;(xi,yi)为货位点i的坐标;
[0035]
因此,堆垛机要完成出入库的总作业时间可以表示为:
[0036]
t=min(∑tm+∑t
m-n
)(5)
[0037]
其中,∑tm为堆垛机执行前m个复合任务总时间,∑t
m-n
为堆垛机执行后m-n个任务
总时间。
[0038]
作为本发明所述的电能量计量表计仓储堆垛及调度优化方法的一种优选方案,其中:所述基于混沌搜索策略改进蝙蝠算法,包括:
[0039]
在蝙蝠算法中加入混沌策略,采用立方映射产生混沌序列,再将混沌空间映射到解空间,立方映射表示为:
[0040]
y(n+1)=4y(n)
3-3y(n)
[0041]
其中,-1≤y(n)≤1,n=0,1,2
…
。
[0042]
作为本发明所述的电能量计量表计仓储堆垛及调度优化方法的一种优选方案,其中:所述变邻域蝙蝠算法,包括:
[0043]
通过变异操作对蝙蝠位置进行更新,具体为:
[0044]
假设第k只蝙蝠处于xk,可以随机选取两个位置q和w,(q,w∈[1,w]),其中,w为随机产生的蝙蝠种群规模,将序列中xq,xw进行交换,形成新的序列;最后对变异后的蝙蝠新位置序列进行寻优求解。
[0045]
作为本发明所述的电能量计量表计仓储堆垛及调度优化方法的一种优选方案,其中:所述变邻域蝙蝠算法,还包括:
[0046]
选取2-opt搜索算法作为变邻域蝙蝠算法的局部搜索方法,具体为:
[0047]
在当前的最优路径中随机选出不同的两个节点,将节点进行翻转重新得到的新路径,若新路径的目标函数值优于原最优路径的目标函数值,则用新路径替换掉刚才得到的优路径,重复操作,直至找到更优的路径。
[0048]
作为本发明所述的电能量计量表计仓储堆垛及调度优化方法的一种优选方案,其中:所述基于l
é
vy飞行策略改进蝙蝠算法,包括:
[0049]
采用l
é
vy飞行策略对第k只蝙蝠的位置进行更新:
[0050][0051]
其中:x代表矢量运算,levy(λ)代表服从l
é
vy飞行的随机向量,x
*
为全局最优解;
[0052]
随着算法的迭代次数增加,蝙蝠的位置将会慢慢接近全局最优值,此时,减小l
é
vy飞行的步长,以使更快收敛:
[0053][0054]
其中:x代表矢量运算,levy(λ)代表服从l
é
vy飞行的随机向量,i为迭代次数,max_i为设置的最大迭代次数,x
*
为全局最优解。
[0055]
作为本发明所述的电能量计量表计仓储堆垛及调度优化方法的一种优选方案,其中:所述利用变邻域蝙蝠算法对路径优化模型求解,包括:
[0056]
通过对新解的适应度值进行判断来获取最优解的位置,判断标准为:若最优新解的适应度值小于全局最优蝙蝠适应度函数值,则通过蝙蝠变异操作来更新位置;否则,利用变邻域局部搜索策略更新,如果新解不优于原解,则不更新新解,继续迭代计算。
[0057]
作为本发明所述的电能量计量表计仓储堆垛及调度优化方法的一种优选方案,其中:所述适应度值,包括:
[0058]
利用适应度函数来计算适应度值,在本发明中,以堆垛机执行所有出、入库总时间
作为适应度函数,表示为:f(x)=∑tm+∑t
m-n
[0059]
其中,∑tm为堆垛机执行前m个复合任务总时间,∑t
m-n
为后m-n个单一入库任务总时间。
[0060]
本发明的有益效果:本发明通过新型的zeta-lpwan技术所附有的zetag标签,与标签阵列定位识别算法相结合,构建堆垛机作业效率最大、出入库作业时间最短为目标的作业路径优化模型;利用改进后的变邻域蝙蝠算法求解模型,能够找出堆垛机作业效率最大且用时最短的路径。对计量仓储中心管理提供了一种堆垛机作业路径的调度方法,能够增加仓库运作效率,同时为仓储管理智能化提供依据。
附图说明
[0061]
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
[0062]
图1为本发明一个实施例提供的一种电能量计量表计仓储堆垛及调度优化方法的实施流程图;
[0063]
图2为本发明一个实施例提供的仓库执行扫描流程图;
[0064]
图3为本发明一个实施例提供的堆垛机执行复合指令示意图;
[0065]
图4为本发明一个实施例提供的使用2-opt算法进行路径优化前的路径示意图;
[0066]
图5为本发明一个实施例提供的使用2-opt算法进行路径优化后的路径示意图;
[0067]
图6为本发明一个实施例提供的变邻域蝙蝠算法的流程图;
[0068]
图7为本发明一个实施例提供的变邻域蝙蝠算法与蝙蝠算法的仿真实验对比图。
具体实施方式
[0069]
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
[0070]
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
[0071]
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0072]
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0073]
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而
不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
[0074]
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
[0075]
实施例1
[0076]
参照图1~6,为本发明的一个实施例,提供了一种电能量计量表计仓储堆垛及调度优化方法,包括:
[0077]
s1:基于zeta-lpwan技术的zetag标签阵列建立定位识别算法;
[0078]
应说明的是,zetag标签的特点是可以主动发送信号,比传统的rfid效率更高;在物流仓储环境中应用zetag标签,采用lpwa(低功耗广域)的通讯zeta协议,自动采集数据并上传终端,基于数据库平台能够实现实时仓储数据及运输管理。
[0079]
更进一步的,根据电能量计量表计入库到达角与方位角,联合三个收发天线建立定位模型,包括:αi为天线mi(i=1,2,3)相对计量表计外包装上zetag标签的方向角,θ为zetag标签的姿态角,βi为zetag标签中心相对于天线mi的方向角。
[0080]
设标签阵列中心的位置为(xc,yc),天线mi的坐标为(xi,yi)i=1,2,3,则β1、β2和β3满足:
[0081]
更进一步的,由式(1)会求解出三个不同的{(x
c1
,y
c1
),(x
c2
,y
c2
),(x
c3
,y
c3
)};选择三个解的横、纵坐标均值作为检测物体的最终定位坐标(xc,yc):
[0082][0083]
应知道的是,在实际仓储环境中,立体仓库会受到电路的电位联系等因素影响,对于αi和θ的估计存在偏差,导致由βi决定方向角的三条直线不会交于一点,因此,由式(1)会求解出三个不同的解。
[0084]
应说明的是,通过该定位识别方法,能够提升现今的立体仓库运行及管理能力。当贴有电子标签的计量表计出入库时,通过读写器射频覆盖区域,计量表计上的电子标签所含信息将会被读取,并会实时上传到管理数据库,为后续接收订单,调整计量表计存取、出入库创造较为精准且高速的数据传送条件。
[0085]
s2:基于所述定位识别算法构建堆垛机作业路径优化模型;
[0086]
更进一步的,在满足仓库内所有计量表计的数据扫描及上传,并得到精准定位及实时数据后,对库内的堆垛机作业路径进行优化,即合理安排作业路径,使其出入库作业时间最短。
[0087]
应说明的是:zetag标签阵列的定位识别算法可以快速地对进出库货物进行识别
并实时向数据库传输数据;应用到计量表计仓储中,zetag识别扫描流程包括计量表计接收、扫描入库或存至暂存库、拆箱检定和出库几大作业环节。
[0088]
更进一步的,在堆垛机作业路径优化中研究中,做出如下假设:
[0089]
(1)一批任务中,共有m条入库作业任务和n条出库作业任务;
[0090]
(2)货位单元格的长、宽、高均相同,长度单位为m;
[0091]
(3)堆垛机为恒速运行,可以在垂直和水平方向运行;
[0092]
(4)在优化问题中,由于堆垛机存取货物的过程时间是固定不变的,因此忽略该过程运行的时间。
[0093]
更进一步的,将堆垛机路径栅格化,堆垛机在作业中,每次存或取一件物品,完成一次存取作业后回到出入库平台位置进行出入库操作。假设一排货架有p层,q列,o为运行原点,即出入库平台的坐标,表示为o(0,0)。堆垛机路径如下:先从运行原点(出入库物品放置点)出发,先去i(xi,yi)货位点,再去j(xj,yj)货位点。此过程的时间为:
[0094][0095]
其中v
x
,vy分别为堆垛机水平、垂直方向运行的速度,均为恒定值。
[0096]
更进一步的,对堆垛机执行复合指令任务,即堆垛机从出入库物品放置点出发,执行一次入库、出库任务后,再回到出入库物品放置点;堆垛机执行复合指令示意图如图3所示;
[0097]
应说明的是,对堆垛机执行复合指令任务是为了使操作效率实现最大化。
[0098]
更进一步的,一批任务中,共有m条入库作业任务和n条出库作业任务,且m≠n,在某次执行复合指令任务中,若堆垛机先从o点出发,将货物送至白色入库货位点,再去黑色出库货位点,最后返回o点。假设白色坐标点为(x1,y1),黑色坐标点为(x2,y2),则最小化执行完一次过程所用的总时间可表示为:
[0099][0100]
更进一步的,假设m》n,则堆垛机执行完上述任务后,还有m-n个单一任务待执行,执行前m个任务总时间可表示为:
[0101][0102]
执行后m-n个任务总时间可表示为:
[0103][0104]
因此,堆垛机要完成出入库的总作业时间可以表示为:
[0105]
t=min(∑tm+∑t
m-n
)
ꢀꢀꢀ
(7)
[0106]
应说明的是,通过求解堆垛机完成出入库任务的总时间的最小值来确定堆垛机作业的最优路径。
[0107]
s3:基于混沌搜索策略、l
é
vy飞行策略改进蝙蝠算法为变邻域蝙蝠算法;
[0108]
需要知道的是,蝙蝠算法主要分为三个阶段:全局搜索、局部搜索、选择;
[0109]
(1)全局搜索阶段:
[0110]
在该阶段中,对蝙蝠的频率、位置及速度进行更新。第k只蝙蝠在t时刻的频率速度位置的更新机制如下:
[0111]fk
=fminmax
min
ꢀꢀꢀ
(8)
[0112][0113][0114]
其中:β∈[0,1]服从均匀分布,x
*
为全局最优解。
[0115]
(2)局部搜索阶段:
[0116]
先随机生成一个0到1之间的随机数,记为r1,判断r1是否大于t+1时刻第i只蝙蝠的脉冲发射率r(i),如果大于则局部寻找最优解过程中,会在最优解附近扰动,产生新的解x_new:
[0117][0118]
其中,x_new(i)表示扰动后产生的新位置,ε为随机向量,为t+1时刻蝙蝠响度平均值。
[0119]
(3)选择阶段:
[0120]
对第二步所产生的新位置进行判断。生成随机数r2,如果r2大于t+1时刻第i只蝙蝠的响度a(i)且同时x_new位置的适应度值优于原适应度值,则接受x_new,同时调整响度及脉冲发射率r(i):
[0121][0122][0123]
其中,α为衰减因子,γ为增加因子,r0为蝙蝠初始脉冲发射率。
[0124]
更进一步的,将仓库内堆垛机的行走路径栅格化,每个小格的距离相等;假设共有n个货单任务,选择自然对数对堆垛机作业行走路径进行编码,一条路径对应第k只蝙蝠的位置可表示为:xk=(x1,x2,
…
,xn)。
[0125]
应说明的是,由于立体仓库运输问题为离散化问题,因此蝙蝠位置与离散空间中的路径之间需建立对应关系;上述步骤则实现了蝙蝠位置与离散空间中的路径的对应。
[0126]
更进一步的,设计算法编码与解码的基本操作,包括:
[0127]
对所有入库任务和出库任务用集合表示:入库作业任务表示为p={p1,p2,
…
pn,p
n+1
,
…
pm},出库作业任务表示为q={q1,q2,
…qn
},
[0128]
堆垛机作业路径对应蝙蝠位置的编码过程伪代码如下:
[0129]
for(k=1;k《=n)
[0130]
if xi(k)《=m
[0131]
if xi(k+1)》m∪k+1《=n,则形成一条符合作业指令,k++;
[0132]
else形成一条单一入库任务指令;
[0133]
k++;
[0134]
end
[0135]
根据编码方法,一次求解得出的最优个体位置是所执行任务的最优路径,将每个蝙蝠位置的下标用矩阵的形式引用,即可实现解码。
[0136]
更进一步的,在算法中引入适应度函数来衡量求解结果是否最优,适应度函数表示为:f(x)=∑tm+∑t
m-n
;
[0137]
其中,∑tm为堆垛机执行前m个复合任务总时间,∑t
m-n
为后m-n个单一入库任务总时间;
[0138]
应说明的是,适应度函数指的是:路径优化模型中堆垛机执行所有出、入库总时间,总时间最短的个体位置最优,其适应度值越大。
[0139]
更进一步的,在蝙蝠算法中加入混沌搜索策略,包括:采用立方映射产生混沌序列,立方映射表示为:
[0140]
y(n+1)=4y(n)
3-3y(n)
ꢀꢀꢀ
(14)
[0141]
其中,-1≤y(n)≤1,n=0,1,2
…
。
[0142]
应说明的是,由于混沌搜索策略具有随机性及遍历性等特点,能够解决算法陷入局部最优解的问题,因此选择在蝙蝠算法中加入混沌策略。
[0143]
更进一步的,将混沌空间映射到解空间,具体步骤包括:
[0144]
随机产生蝙蝠总数为w,空间维度为d的向量;蝙蝠个体表示为:
[0145]
y=(y1,y2,
…
,yd),其中,yk∈[-1,1],1≤k≤d;
[0146]
将y中的每个维度用式(14)进行w-1次迭代,产生新的个体;
[0147]
将混沌变量映射到对应解的搜索空间,如式(15):
[0148][0149]
其中:ud和ld分别表示d维空间的上、下限,y
kd
表示d维中的第k只蝙蝠个体,x
kd
表示d维中第k只蝙蝠的位置。
[0150]
更进一步的,设计变异操作,具体包括:假设第k只蝙蝠处于xk,可以随机选取两个位置q和w,(q,w∈[1,w]),将序列中xq,xw进行交换,形成新的序列;最后对变异后的蝙蝠新位置序列进行寻优求解。
[0151]
更进一步的,设计变邻域局部搜索方法,包括:选取2-opt搜索算法,在当前的最优路径中随机选出不同的两个节点,将节点进行翻转重新得到的新路径,若新路径的目标函数值优于原最优路径的目标函数值,则用新路径替换掉刚才得到的优路径,重复操作,直至找到更优的路径;将解空间拆分成堆垛机的每个任务线路,包括出入库物品放置点及存取点,使用2-opt搜索算法进行路径优化的前后路径图,如图5和图6所示。
[0152]
更进一步的,采用l
é
vy飞行策略对第k只蝙蝠的位置进行更新:
[0153][0154]
其中:x代表矢量运算,levy(λ)代表服从l
é
vy飞行的随机向量,x
*
为全局最优解;
[0155]
随着算法的迭代次数增加,蝙蝠的位置将会慢慢接近全局最优值,此时,减小l
é
vy飞行的步长,以使更快收敛:
[0156][0157]
其中:x代表矢量运算,levy(λ)代表服从l
é
vy飞行的随机向量,i为迭代次数,max_
i为设置的最大迭代次数,x
*
为全局最优解。
[0158]
应说明的是,由于l
é
vy分布相较于均匀分布及泊松分布更容易跳出局部寻优,因此选择在局部搜索阶段加入l
é
vy飞行策略以实现位置的更新。
[0159]
s4:利用所述变邻域蝙蝠算法对所述路径优化模型进行求解。
[0160]
更进一步的,变邻域蝙蝠算法的流程图如图6所示,具体实施步骤如下:
[0161]
使用离散混沌策略初始化种群,得到蝙蝠位置x即堆垛机需要走的路径点及速度v。初始化其他参数,包括蝙蝠总数w,蝙蝠声音的响度a0,蝙蝠发射脉冲的频率f∈[fmax
min
,脉冲发射率r0,最大迭代次数max_i等;
[0162]
计算初始蝙蝠种群的适应度值,更新并迭代,保留全局最优蝙蝠分体的位置x
best
及fitness(i);
[0163]
采用l
é
vy飞行策略更新蝙蝠频率、速度及位置,产生当前解x_new;
[0164]
生成随机数r1,判断fit_new《fitness是否成立。如果成立,则通过蝙蝠变异更新位置,如果不成立,利用变邻域局部搜索策略更新,如果新解不优于原解,则不更新新解,继续迭代计算;
[0165]
计算解x_new的目标函数值,生成随机数r2,判断是否满足r2》a(i)和fit_new《fitness(i),若均满足,则接受新解并更新蝙蝠响度a(i)和脉冲发射率r(i);
[0166]
继续迭代,更新蝙蝠位置;
[0167]
判断是否达到最大迭代次数,若已达到最大迭代次数则结束迭代输出最优解;否则将返回采用l
é
vy飞行策略更新蝙蝠频率、速度及位置,产生当前解x_new步骤。
[0168]
应说明的是,最优解即堆垛机完成所有出、入库任务花费总时间最少的最优路径,最优解对应的适应度函数即堆垛机的总作业时间。
[0169]
实施例2
[0170]
参照图7,为本发明的一个实施例,提供了一种电能量计量表计仓储堆垛及调度优化方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
[0171]
本文实验所用的硬件为inter core i5 2.42hz,操作系统为windows 10,仿真软件matlab r20221a。通过多次迭代优化实验将变邻域蝙蝠算法与传统蝙蝠算法的实验结果进行对比。参数设置为:最小频率f
max
,最大频率f
min
,α=0.9,γ=0.9,蝙蝠响度a∈(0,1),脉冲发射频率r∈(0,1);初始化蝙蝠种群为100,总共迭代200次。以云南某企业仓库为例用以验证本文所提出算法的有效性。该仓库每排货架有8层10列,每排货架有80个货位可存储计量物资。堆垛机垂直与水平方向运行的速度v
x
,vy均为1m/s,假设一批出入库货物任务如下表所示:
[0172]
表1出入库任务
[0173][0174]
如图7所示,将改进后的变邻域蝙蝠算法(vnba)与传统的蝙蝠算法(ba)进行比较,
可以看到vnba相较于ba有很好的优化效果,收敛速度更快且函数的适应度值更大,vnba算法在40-60代就可以找到最优解,而ba算法在170代才趋于稳定。因此vnba能够很好地优化求解堆垛机作业路径。
[0175]
为验证改进优化算法的稳定性,进行多次实验,运行20次,取最优解的平均值,结果如表2所示:
[0176]
表2vnba和ba算法运行20次结果对比
[0177][0178]
上表可以看出,在20次运行中,vnba算法作业次数均小于ba的作业次数,且vnba算法总的作业路径小于ba,因此,前者的求解结果更优,求解结果更稳定。
[0179]
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
技术特征:1.一种电能量计量表计仓储堆垛及调度优化方法,其特征在于,包括:基于zeta-lpwan技术的zetag标签阵列建立定位识别算法;基于所述定位识别算法构建堆垛机作业路径优化模型;基于混沌搜索策略、l
é
vy飞行策略改进蝙蝠算法为变邻域蝙蝠算法;利用所述变邻域蝙蝠算法对所述路径优化模型进行求解。2.如权利要求1所述的电能量计量表计仓储堆垛及调度优化方法,其特征在于:所述定位识别算法,包括根据电能量计量表计入库到达角与方位角,联合三个收发天线建立定位模型。3.如权利要求1或2所述的电能量计量表计仓储堆垛及调度优化方法,其特征在于:所述构建堆垛机作业路径优化模型,包括:以堆垛机作业效率最大、出入库作业时间最短为目标构建作业路径优化模型。4.如权利要求3所述的电能量计量表计仓储堆垛及调度优化方法,其特征在于:所述构建堆垛机作业路径优化模型,包括:在堆垛机作业路径优化中研究中,做出如下假设:(1)一批任务中,共有m条入库作业任务和n条出库作业任务;(2)货位单元格的长、宽、高均相同,长度单位为m;(3)堆垛机为恒速运行,可以在垂直和水平方向运行;(4)在优化问题中,堆垛机存取货物的过程时间固定不变,因此忽略该过程运行的时间;将堆垛机路径栅格化,堆垛机在作业中,每次存或取一件物品,完成一次存取作业后回到出入库平台位置进行出入库操作;假设一排货架有p层,q列,o为运行原点,即出入库平台的坐标,表示为o(0,0)。堆垛机路径如下:先从运行原点(出入库物品放置点)出发,先去i(x
i
,y
i
)货位点,再去j(x
j
,y
j
)货位点;此过程的时间为:其中,v
x
,v
y
分别为堆垛机水平、垂直方向运行的速度,均为恒定值;(x
i
,y
i
)为货位点i的坐标;(x
j
,y
j
)为货位点j的坐标;为将操作效率最大化,对堆垛机执行复合指令任务,即堆垛机从出入库物品放置点出发,执行一次入库、出库任务后,再回到出入库物品放置点;一批任务中,共有m条入库作业任务和n条出库作业任务,且m≠n,在某次执行复合指令任务中,若堆垛机先从o点出发,将货物送至入库货位点,再去出库货位点,最后返回o点;假设入库坐标点为(x1,y1),出库坐标点为(x2,y2),则最小化执行完一次过程所用的总时间可表示为:其中,v
x
,v
y
分别为堆垛机水平、垂直方向运行的速度,均为恒定值;(x1,y1)为入库坐标点;(x2,y2)为出库坐标点;假设m>n,则堆垛机执行完上述复合出、入库任务后,还有m-n个单一入库任务待执行,堆垛机执行前m个复合任务总时间可表示为:
其中,v
x
,v
y
分别为堆垛机水平、垂直方向运行的速度,均为恒定值;(x
i
,y
i
)为货位点i的坐标;(x
j
,y
j
)为货位点j的坐标;后m-n个任务总时间可表示为:其中,v
x
,v
y
分别为堆垛机水平、垂直方向运行的速度,均为恒定值;(x
i
,y
i
)为货位点i的坐标;因此,堆垛机要完成出入库的总作业时间可以表示为:t=min(∑t
m
+∑t
m-n
) (5)其中,∑t
m
为堆垛机执行前m个复合任务总时间,∑t
m-n
为堆垛机执行后m-n个任务总时间。5.如权利要求4所述的电能量计量表计仓储堆垛及调度优化方法,其特征在于:所述基于混沌搜索策略改进蝙蝠算法,包括:在蝙蝠算法中加入混沌策略,采用立方映射产生混沌序列,再将混沌空间映射到解空间,立方映射表示为:y(n+1)=4y(n)
3-3y(n)其中,-1≤y(n)≤1,n=0,1,2
…
。6.如权利要求5所述的电能量计量表计仓储堆垛及调度优化方法,其特征在于:所述变邻域蝙蝠算法,包括:通过变异操作对蝙蝠位置进行更新,具体为:假设第k只蝙蝠处于x
k
,可以随机选取两个位置q和w,(q,w∈[1,w]),其中,w为随机产生的蝙蝠种群规模,将序列中x
q
,x
w
进行交换,形成新的序列;最后对变异后的蝙蝠新位置序列进行寻优求解。7.如权利要求5或6所述的电能量计量表计仓储堆垛及调度优化方法,其特征在于:所述变邻域蝙蝠算法,还包括:选取2-opt搜索算法作为变邻域蝙蝠算法的局部搜索方法,具体为:在当前的最优路径中随机选出不同的两个节点,将节点进行翻转重新得到的新路径,若新路径的目标函数值优于原最优路径的目标函数值,则用新路径替换掉刚才得到的优路径,重复操作,直至找到更优的路径。8.如权利要求7所述的电能量计量表计仓储堆垛及调度优化方法,其特征在于:所述基于l
é
vy飞行策略改进蝙蝠算法,包括:采用l
é
vy飞行策略对第k只蝙蝠的位置进行更新:其中:x代表矢量运算,levy(λ)代表服从l
é
vy飞行的随机向量,x
*
为全局最优解;随着算法的迭代次数增加,蝙蝠的位置将会慢慢接近全局最优值,此时,减小l
é
vy飞行的步长,以使更快收敛:
其中:x代表矢量运算,levy(λ)代表服从l
é
vy飞行的随机向量,i为迭代次数,max_i为设置的最大迭代次数,x
*
为全局最优解。9.如权利要求8所述的电能量计量表计仓储堆垛及调度优化方法,其特征在于:所述利用变邻域蝙蝠算法对路径优化模型求解,包括:通过对新解的适应度值进行判断来获取最优解的位置,判断标准为:若最优新解的适应度值小于全局最优蝙蝠适应度函数值,则通过蝙蝠变异操作来更新位置;否则,利用变邻域局部搜索策略更新,如果新解不优于原解,则不更新新解,继续迭代计算。10.如权利要求9所述的电能量计量表计仓储堆垛及调度优化方法,其特征在于:所述适应度值,包括:利用适应度函数来计算适应度值,在本发明中,以堆垛机执行所有出、入库总时间作为适应度函数,表示为:f(x)=∑t
m
+∑t
m-n
其中,∑t
m
为堆垛机执行前m个复合任务总时间,∑t
m-n
为后m-n个单一入库任务总时间。
技术总结本发明公开了一种电能量计量表计仓储堆垛及调度优化方法,包括:基于ZETA-LPWAN技术的ZEtag标签阵列建立定位识别算法;基于定位识别算法构建堆垛机作业路径优化模型;基于混沌搜索策略、L
技术研发人员:杨晓华 赵永辉 茶建华 任建宇 杨茗 杨子阳 李家浩 慕磊 吴凯松
受保护的技术使用者:云南电网有限责任公司
技术研发日:2022.06.30
技术公布日:2022/11/1