基于遗传算法的大宗货物仓储库位规划系统及其方法与流程

1.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。


背景技术：

2.在传统的仓库管理系统中，库位规划更倾向于依赖人的经验，就是存在寻找的过程，在整个仓储业务操作中，寻找就是低效的代名词。同时对于精细化管理要求较高的仓储企业，操作人员是否按照相同和相似货物隔离存放的原则进行库位规划，企业往往需要耗费一定的管理资源进行检查监控，而所有的检查监控流程都会耗费企业的管理成本。众所周知，实现供应链上物流的有效配送是赢得竞争优势的决定性因素之一。在传统的仓库库位规划中，货位分配可以由人工直接指定,但对于几千个货位的大型仓库,选择哪个位置才能保证仓库整体的安全性、出入库工作的高效性以及备件分布的均匀性,仅靠人工是很难做到的。


技术实现要素：

3.针对现有技术存在的上述缺陷，本发明提出了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，系统自动规划货物存放的最优库位，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。
4.本发明所述的基于遗传算法的大宗货物仓储库位规划系统及其方法，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，如下步骤：
5.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；
6.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：
[0007][0008]
其中，库位总空间是以单个库位为最小单位；
[0009]
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；
[0010]
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。
[0011]
优选地，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：
[0012]
仓库属性，包括仓库性质、接卸能力、地理位置；
[0013]
货物属性，包括贸易类型、是否期货、尺寸、码垛规则、存放要求；
[0014]
订单信息，包括待入库量、重量、体积、客户特殊要求；
[0015]
作业信息，包括作业效率、作业计划；
[0016]
库存信息，包括库位是否空余、在库商品数量及规格型号。
[0017]
优选地，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：
[0018]
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；
[0019]
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。
[0020]
优选地，所述步骤s2中，库位规划方法如下：
[0021]
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；
[0022]
依据出库计划、库区接卸能力筛选出仓库；
[0023]
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；
[0024]
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；
[0025]
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；
[0026]
货种：部分货种不能混放；
[0027]
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；
[0028]
依据码垛规则、货物尺寸、巧固架尺寸，确定货位；
[0029]
码垛规则
[0030]
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；
[0031]
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；
[0032]
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。
[0033]
优选地，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：
[0034]
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：
[0035]
设置变异概率为pm对某些个体的某些位执行变异；
[0036]
初始化交叉概率pc，初始化最大迭代次数maxeva；
[0037]
在优化迭代的次数达到最大迭代次数maxeva后输出结果种群pop；
[0038]
s22：计算种群pop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。
[0039]
优选地，所述步骤s4中，最优解包括如下判断过程：
[0040]
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；
[0041]
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；
[0042]
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；
[0043]
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。
[0044]
本发明所述的基于遗传算法的大宗货物仓储库位规划系统，采用前后端分离架构，包括如下部分：
[0045]
后端设备，使用spring boot、mybatis、spring security、jwt技术栈；
[0046]
前端设备，使用es6、vue、vuex、vue-router、vue-cli、axios、element-ui技术栈；
[0047]
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、jenkins工具实现自动部署；
[0048]
监控后台，实时监控算法运行情况，详细记录已规划订单数量、重量、品名、入库量、提单号、规划库位、平均规划时间信息；
[0049]
其中，仓储库位规划系统对外开发标准的api数据接口，外部仓储系统按照接口的规范，传入相应参数，调用库位算法进行库位规划，规划结果实时返回仓储库位规划系统。
[0050]
优选地，所述数据库中，依据库位规划算法的计算逻辑及需要的必要数据，需要在数据库中存储记录如下信息：
[0051]
a.库区及其内部的仓库、库间信息；
[0052]
b.货物信息；
[0053]
c.实时库存信息；
[0054]
d.待入库订单信息；
[0055]
e.货物入库的方式：分为即需要巧固架、不需要巧固架两种；在货物属性上，需要标注出所需的巧固架的类型，以及每种类型的巧固架能容纳商品的数量。
[0056]
本发明的有益效果是：本发明所述的基于遗传算法的大宗货物仓储库位规划系统及其方法，系统通过对接仓储管理系统的订单数据、库存数据、现场作业数据、仓库属性、库位尺寸、码垛规则等实时数据信息，系统规划库位代替人工规划，解决传统仓储管理过程中依赖人的经验规划带来的耗时、低效的问题。同时该系统在规划过程中，会优先推荐最优库位(库存利用率最高、作业路径最短、作业效率最高等)，进一步提升库存利用率，提高作业效率。解决了人工规划库位低效、耗时的问题，进一步降低仓储管理成本；提高了库存利用率、提升了作业效率。
附图说明
[0057]
图1是本发明的流程原理框图。
[0058]
图2是外部仓储系统调用智能库位规划接口图。
[0059]
图3是库位规划监控后台图。
具体实施方式
[0060]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
[0061]
实施例1：
[0062]
如图1所示，本发明所述的基于遗传算法的大宗货物仓储库位规划系统及其方法，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，如下步骤：
[0063]
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；
[0064]
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：
[0065][0066]
其中，库位总空间是以单个库位为最小单位；
[0067]
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；
[0068]
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。
[0069]
优选地，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：
[0070]
仓库属性，包括仓库性质、接卸能力、地理位置；
[0071]
货物属性，包括贸易类型、是否期货、尺寸、码垛规则、存放要求；
[0072]
订单信息，包括待入库量、重量、体积、客户特殊要求；
[0073]
作业信息，包括作业效率、作业计划；
[0074]
库存信息，包括库位是否空余、在库商品数量及规格型号。
[0075]
优选地，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：
[0076]
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；
[0077]
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。
[0078]
实施例2：
[0079]
如图1所示，库位规划方法如下：
[0080]
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；
[0081]
依据出库计划、库区接卸能力筛选出仓库；
[0082]
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；
[0083]
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；
[0084]
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；
[0085]
货种：部分货种不能混放；
[0086]
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；
[0087]
依据码垛规则、货物尺寸、巧固架尺寸，确定货位；
[0088]
码垛规则
[0089]
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；
[0090]
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；
[0091]
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。
[0092]
优选地，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：
[0093]
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：
[0094]
设置变异概率为pm对某些个体的某些位执行变异；
[0095]
初始化交叉概率pc，初始化最大迭代次数maxeva；
[0096]
在优化迭代的次数达到最大迭代次数maxeva后输出结果种群pop；
[0097]
s22：计算种群pop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。
[0098]
实施例3：
[0099]
所述步骤s4中，最优解包括如下判断过程：
[0100]
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；
[0101]
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；
[0102]
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；
[0103]
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。
[0104]
实施例4：
[0105]
本发明所述的基于遗传算法的大宗货物仓储库位规划系统，采用前后端分离架构，包括如下部分：
[0106]
后端设备，使用spring boot、mybatis、spring security、jwt技术栈；
[0107]
前端设备，使用es6、vue、vuex、vue-router、vue-cli、axios、element-ui技术栈；
[0108]
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、jenkins工具实现自动部署；
[0109]
如图2所示，仓储库位规划系统对外开发标准的api数据接口，外部仓储系统按照接口的规范，传入相应参数，调用库位算法进行库位规划，规划结果实时返回仓储库位规划系统。
[0110]
如图3所示，监控后台，实时监控算法运行情况，详细记录已规划订单数量、重量、品名、入库量、提单号、规划库位、平均规划时间信息。
[0111]
优选地，所述数据库中，依据库位规划算法的计算逻辑及需要的必要数据，需要在数据库中存储记录如下信息：
[0112]
a.库区及其内部的仓库、库间信息；
[0113]
b.货物信息；
[0114]
c.实时库存信息；
[0115]
d.待入库订单信息；
[0116]
e.货物入库的方式：分为即需要巧固架、不需要巧固架两种；在货物属性上，需要标注出所需的巧固架的类型，以及每种类型的巧固架能容纳商品的数量。
[0117]
本发明所述的基于遗传算法的大宗货物仓储库位规划系统及其方法，系统通过对接仓储管理系统的订单数据、库存数据、现场作业数据、仓库属性、库位尺寸、码垛规则等实时数据信息，系统规划库位代替人工规划，解决传统仓储管理过程中依赖人的经验规划带来的耗时、低效的问题。同时该系统在规划过程中，会优先推荐最优库位(库存利用率最高、作业路径最短、作业效率最高等)，进一步提升库存利用率，提高作业效率。解决了人工规划库位低效、耗时的问题，进一步降低仓储管理成本；提高了库存利用率、提升了作业效率。
[0118]
本发明可广泛运用于物流仓储场合，尤其适用于大宗货物的库位规划算法并自主研发库位规划系统。该系统通过对接仓储管理系统的订单数据、库存数据、现场作业数据、仓库属性、库位尺寸、码垛规则等实时数据信息，系统规划库位代替人工规划，解决传统仓储管理过程中依赖人的经验规划带来的耗时、低效的问题。同时该系统在规划过程中，会优先推荐最优库位(库存利用率最高、作业路径最短、作业效率最高等)，进一步提升库存利用率，提高作业效率。
[0119]
上述未提及的内容为本领域常见技术手段，最为典型的是，2012年清华大学出版社出版的教科书中《单片机原理及其应用》中有介绍，因此，上述描述和附图充分地示出了本发明的实施例，以使本领域的技术人员能够实践它们。