CN103955818B

CN103955818B - 多层穿梭车自动仓储***的任务调度方法

Info

Publication number: CN103955818B
Application number: CN201410227270.6A
Authority: CN
Inventors: 王艳艳; 牟善栋; 吴莎莎; 刘德宝; 其他发明人请求不公开姓名
Original assignee: Shandong University
Current assignee: Shandong University
Priority date: 2014-05-27
Filing date: 2014-05-27
Publication date: 2018-02-02
Anticipated expiration: 2034-05-27
Also published as: CN103955818A

Abstract

本发明公开了一种应用在多层穿梭车自动仓储***的任务调度方法，该方法包括：首先根据设备的执行作业过程建立***的作业时间模型；然后将多层穿梭车与提升机的调度问题转化为流水线并行作业问题，对指定大小的时间窗口内的任务队列建立任务调度数学模型，针对多任务调度的多目标优化问题，设计基于帕累托最优的带精英策略的非支配排序遗传算法进行模型求解；通过本发明实施案例，能够有效减少穿梭车等待时间和提升机空闲时间，从而提高设备的利用率和配送中心的吞吐量。

Description

多层穿梭车自动仓储***的任务调度方法

技术领域

本发明涉及物流技术领域，尤其是涉及一种多层穿梭车自动仓储***的出库作业任务调度方法。

背景技术

在传统的自动化立体仓库中，堆垛机行驶在二维垂直平面内，运动线路为两点间的欧式距离，其任务调度的关键在于如何在最短的行驶距离内遍历所有的出入库货位，因此传统自动化仓库的任务调度大多基于旅行商问题进行优化和求解。但是，在多层穿梭车自动仓储***中，提升机和穿梭车的服务规则为“先到先服务”，由不同层上的穿梭车并行完成取货任务，再由提升机串行顺序将货物出库到I/O站台，传统自动化库旅行商问题的求解方法忽略了多层穿梭车自动仓储***的并行取货的优势和特点，其成果并不适合于多层穿梭车自动仓储***。因此有必要针对多层穿梭车自动仓储***的出库任务调度进行深入研究和改进。

发明内容

本发明的目的之一在于解决上述不足，并提供一种适用于多层穿梭车结构的自动存储***的任务调度方法，该方法提高了多层穿梭车自动仓储***的作业效率，降低了作业成本，其技术方案包含如下所述方法：

一种应用于多层穿梭车自动仓储***的出库任务调度方法，其特征在于所述的方法包括：

S1、由穿梭车并行取货、提升机串行作业的特点，建立起多层穿梭车出库作业时间模型；

S2、分别对提升机和穿梭车进行分析，建立起以最短多层穿梭车出库作业时间、提升机最小空闲时间和穿梭车最小等待时间为目标的任务调度模型；

S3、基于帕累托最优解的带精英策略的非支配排序遗传算法进行模型求解。

其中S1所述的建立多层穿梭车出库作业时间模型，其特征在于：

1)依据多层穿梭车自动仓储***的出库作业流程，提取关键步骤；

2)出库作业可以分为穿梭车取货、穿梭车与提升机货物交接、提升机出库三个阶段；

3)由于每一个出库任务必然经过提升机，所有出库任务可以看成流水线作业模式，即从开始到第一个穿梭车申请提升机调度的时长与提升机完成所有出库任务的时长之和即为所有出库任务完成总时间；

4)从穿梭车完成水平阶段任务的角度分析，第i个出库任务水平阶段耗时为：

5)从提升机运行角度分析，第i个出库任务垂直阶段耗时为：

6)穿梭车完成水平运行申请提升机任务调度时，对提升机处于无任务待命时提升机立刻响应该申请，则若提升机正在执行上一个出库任务，则即

7)完成共计Q条出库任务时，提升机空闲时间t^u和穿梭车等待时间t^w为：

其中，δ_i为第i个任务出现提升机空闲状态，θ_i为第i个任务出现穿梭车等待状态：

8)提升机完成所有出库的任务所需时间t^l_sum为：

9)出库任务序列总完成时间t^total为：

其中：表示穿梭车单程水平运动时间；表示穿梭车从出库货位取货时间；表示穿梭车申请提升机调度并等待提升机响应的时长，最小值为0；表示提升机在响应穿梭车申请之前的空闲状态时间，最小值为0；表示出库任务时间周期中的提升机单程垂直运动时间；表示出库任务时间周期中的提升机与穿梭车交接货物时间；表示提升机到达I/O站台卸货时间；

T_i ¹表示穿梭车开始接受任务时刻；T_i ²表示穿梭车申请提升机调度任务的时刻；T_i ³表示提升机响应穿梭车调度任务的时刻；T_i ⁴表示穿梭车与提升机准备进行货物交接的时刻；T_i ⁵表示穿梭车与提升机完成任务交接，再次处于待命状态时刻；T_i表示该出库任务最终完成时刻。

其中S2所述的建立以最短多层穿梭车出库作业时间、提升机最小空闲时间和穿梭车最小等待时间为目标的任务调度模型，其特征在于：

1)多层穿梭车自动仓储***的任务通过迭代的思想转化成流水线并行作业模式；

2)仓储***的任务调度可以看作对一个指定大小的时间窗口内所有出库任务，以总出库作业完成时长、提升机空闲时间和穿梭车等待时间最短为目标，重新对任务进行排序组合后再下发到设备执行层面完成；

3)建立任务调度模型，目标为最小化总出库任务时长、最小化提升机空闲时间、最小化穿梭车等待时间，表达式如下：

minf₁＝t^total

minf₂＝t^u

minf₃＝t^w

4)其中提升机空闲时间总长和穿梭车等待时间总长的表达式如下：

5)基于运动学知识的穿梭车水平运行单程时间和提升机垂直运动单程时间表达式如下：

其中，Y表示到达取货位的运行时间，t_p表示到达最大速度的时间，v_h表示最大水平速度，a_h表示水平加速度，v_v表示最大垂直速度，a_v表示垂直加速度，π_h表示单层货架高度，π_w表示单列货架宽度，(m_i，n_i)表示第i个出库货位坐标。

6)提升机完成所有出库任务作业所耗费的总时间t^l_sum为：

7)多层穿梭车自动仓储***完成所有出库任务作业总时间t^total为：

其中S3所述的基于帕累托最优解的带精英策略的非支配排序遗传算法，其特征在于：

1)编码：将一次完整的任务序列向量视为一条染色体，采用自然数编码方式；

2)适应度函数：在多层穿梭车自动仓储***任务调度模型中，适应度函数为出库作业时间、提升机空闲时间和穿梭车等待时间，三个目标函数共同评价染色体个体在整个种群里的适应能力。由于本模型的目标函数为最小值，即可行解的提升机空闲时间越短、穿梭车的等待时间越短，该染色体个体的适应度函数值应越大；反之，可行解的两个目标函数越长，适应度函数值应越小；

3)分层虚拟适应度值：在每一代群体中根据多目标函数值确定各层解集，相同层数的解集具有相同的虚拟适应度值，且层号越小，虚拟适应度值越大；

4)拥挤度算子：在同层Pareto最优解集中，通过设计拥挤度算子来进行选择排序，染色体i的拥挤距离等于其在同一层相邻染色体i-1和i+1分别在m个目标决策维度的适应度差值的累和均值；

5)精英策略：对于父代的筛选依照虚拟适应度值分层和拥挤距离矩阵进行，首先对第t代种群个体R_t，R_t由父代集合P_t和子代集合F_t构成，计算虚拟适应度值和层内的拥挤距离矩阵；按照层数从小到大、拥挤距离从大到小的原则依次将种群R_t中个体“填入”种群P_t+1中，直到P_t+1内个体数Q到达精英保留策略设置的个体数量N；

6)遗传算子：遗传算子包括选择、交叉与变异三步。将R_t中去除精英保留策略的个体依次采用锦标赛选择算子、单点交叉算子和临位基因变异算子繁殖出子代种群F_t，父代精英集合P_t和子代集合F_t共同组成下一代种群R_t+1；

7)终止条件：该算法当满足迭代次数达到上限时即停止进化。

有益效果

本发明建立的以出库作业时间、提升机空闲时间和穿梭车等待时间最短为目标的多层穿梭车自动仓储***的任务调度模型及其求解算法，克服了传统自动化库任务串行调度方法无法适应多层穿梭车自动仓储***并行取货、串行出库的作业特点，并相对于只考虑到出入库效率单一优化目标，该方法兼顾到设备利用率和出入库作业效率，节约了作业总时间。

附图说明

图1是---多层穿梭车自动仓储***。

图2是---出库作业任务流程图。

图3是---带精英策略的非支配排序遗传算法流程图。

具体实施方式

发明技术方案包含如下所述方法：

1、由穿梭车并行、提升机串行作业的特点，建立多层穿梭车出库作业时间模型；

2、分别对提升机和穿梭车进行分析，从而建立起以总出库作业时间最短、提升机最小空闲时间和穿梭车最小等待时间为目标的任务调度模型；

3、改进基于帕累托最优解的精英保留非劣排序遗传算法进行模型求解。

更进一步的技术方案是：所述步骤1中多层穿梭车出库作业时间模型包括：

1)从出库作业任务流程(如图2所示)上可以看出，每层的穿梭车同时执行一批次的出库任务，待各自完成相应任务后，通过申请提升机调度服务来依次实现货物的出库，整个出库作业可以大致分为三个阶段：

(1)穿梭车取货：穿梭车依次完成其任务序列中出库任务的水平运行(含返程)和货物取货作业；

(2)穿梭车与提升机货物交接：提升机完成上一次出库任务等待穿梭车申请调度服务，该段时间算作当前第条出库任务的完成时间内。提升机依照“先到先服务”原则依次响应穿梭车申请，运行至该层与之完成货物交接，释放穿梭车占用；

(3)提升机出库：提升机将货物运送到I/O站台，完成后释放提升机占用；

2)每一条出库任务必然经过提升机，因此当天所有出库任务可以看成流水线作业模式，即从开始到第一个穿梭车申请提升机调度的时长与提升机完成所有出库任务的时长之和即为所有出库任务完成总耗时；

3)从穿梭车完成水平阶段任务角度，第i个出库任务水平阶段时间为：

其中，表示出库过程中穿梭车单程水平运动时间，表示穿梭车在出库货位取货时间；

4)从提升机运行角度可见，第i个出库任务垂直阶段时间为：

其中，表示提升机在响应穿梭车申请之前的空闲状态时间，最小值为0，表示出库任务时间周期中的提升机单程垂直运动时间，表示出库任务时间周期中的提升机与穿梭车交接货物时间，表示提升机到达I/O点卸货时间；

5)穿梭车完成水平运行申请提升机任务调度时出现两种状态，第一种是提升机处于无任务待命状态，提升机立刻响应该申请，则第二种是提升机正在执行上一个出库任务，提升机需先执行完当前任务再响应申请，则的大小与提升机上一个出库任务完成时间关联，即

其中，T_i ¹表示穿梭车开始接受任务时刻，T_i ²表示穿梭车申请提升机调度任务的时刻，T_i ³表示提升机响应穿梭车调度任务的时刻，T_i ⁴表示穿梭车与提升机准备进行货物交接的时刻，T_i ⁵表示穿梭车与提升机完成任务交接，再次处于待命状态时刻，T_i表示该出库任务最终完成时刻；

6)令δ_i表示第i个任务出现了提升机空闲状态，θ_i表示第i个任务出现了穿梭车等待状态：

7)完成共计Q条出库任务时，提升机总空闲时间t^u和穿梭车总等待时间t^w为：

8)提升机完成所有出库任务所需时间t^l_sum为：

9)出库任务序列总完成时间t^total为：

10)根据到达取货位的运行时间Y、到达最大速度的时间t_p、最大水平速度v_h、水平加速度a_h、最大垂直速度v_v和垂直加速度a_v的运动学关系：

其中：设π_h表示单层货架高度，π_w表示单列货架宽度，(m_i，n_i)表示第i个出库任务起点坐标；

更进一步的技术方案是：所述步骤2中建立起以总作业时间最短、提升机最小空闲时间和穿梭车最小等待时间为目标的任务调度模型：

1)多层穿梭车自动仓储***的任务通过迭代思想转化成流水线并行作业模式；

minf₁＝t^total

minf₂＝t^u

minf₃＝t^w；

4)提升机空闲时间总长和穿梭车等待时间总长的表达式如下：

5)基于运动学知识的穿梭车单程水平运行时间和提升机单程垂直运动时间表达式如下：

6)提升机完成所有出库任务作业所耗费的总时间t^l_sum为：

更进一步的技术方案是：所述步骤3中基于帕累托最优解的带精英策略的非支配排序遗传算法(NSGA-Ⅱ)进行模型求解(如图3所示)包括：

1)编码：一次完整的出库任务顺序向量视为一条染色体，进而采用自然数编码方式，其个体构成如下：(r₁，r₂，r₃…r_n-1，r_n)，其中，r_i(1≤i≤N)表示该染色体中某一位的基因，也就是某一个出库任务；2)适应度函数：在多层穿梭车自动仓储***任务调度模型中，适应度函数为出库作业时间、提升机空闲时间和穿梭车等待时间，三个目标函数共同评价染色体个体在整个种群里的适应能力。由于本文模型的目标函数均为最小值，即可行解的出库作业总时间越短、提升机空闲时间越短、穿梭车的等待时间越短，该个体的适应度函数值应越大；反之，可行解的三个目标函数越大，该个体的适应度函数值应越小。在此，将目标函数进行相应转化：

其中，和分别为各自目标函数的最大值估计，f₁ ^T、和为转换后的适应值。

3)分层虚拟适应度值：多目标优化问题求解的关键在于如何确定目标函数的Pareto最优解集。在每一代群体中，根据多目标函数值，首先确定第1层Pareto最优解集Z₁。然后从该代群体中删除Z₁，在剩余个体中再次确定非支配解集，为第2层最优解集Z₂。以此类推，直到整个种群被分层。在该代种群中，同层个体具有相同的虚拟适应度值；同时层号越小，虚拟适应度值越大；

4)拥挤度算子：对于同层染色体，NSGA-Ⅱ算法通过拥挤度算子排序。染色体i的拥挤距离等于其在同一层相邻染色体i-1和i+1分别在m个目标决策维度的适应度差值的累和均值：

其中，M为优化目标数；和分别为第i+1和i-1染色体在第m个决策适应度值；和分别为第m个目标决策维度的最大值和最小值。第一个和最后一个染色体的拥挤距离设为无穷大，第i个染色体的拥挤距离则由第i+1和第i-1个体的所有目标函数值计算得到。在进行排序选择操作时，优先选择拥挤距离大的个体，即稀疏区域内个体。通过虚拟适应度值和拥挤距离矩阵，保证了选择结果向着非支配解和均匀散布的方向进行；

5)精英策略：对于父代的筛选依照分层虚拟适应度值和拥挤距离矩阵进行。首先对第t代种群个体R_t，R_t由父代集合P_t和子代集合F_t组成，计算虚拟适应度值和层内的拥挤距离矩阵。按照层数从小到大、拥挤距离从大到小的原则依次将种群R_t中个体加入种群P_t+1中，直到P_t+1内个体数Q到达精英保留策略设置的个体数量N；

本发明已由上述相关实施例加以描述，然而上述实施例仅为实施本发明的范例。必需指出的是，已公开的实施例并未限制本发明的范围。相反地，包含于权利要求书的精神及范围的修改及均等设置均包括于本发明的范围内。

Claims

1.一种应用于多层穿梭车自动仓储***的出库任务调度方法，其特征在于所述的方法包括：

S3、基于帕累托最优解的带精英策略的非支配排序遗传算法进行模型求解；

1）依据多层穿梭车自动仓储***的出库作业流程，提取关键步骤；

2）出库作业可以分为穿梭车取货、穿梭车与提升机货物交接、提升机出库三个阶段；

3）由于每一个出库任务必然经过提升机，所有出库任务可以看成流水线作业模式，即从开始到第一个穿梭车申请提升机调度的时长与提升机完成所有出库任务的时长之和即为所有出库任务完成总时间；

4）从穿梭车完成水平阶段任务的角度分析，第个出库任务水平阶段耗时为：；

5）从提升机运行角度分析，第个出库任务垂直阶段耗时为：

；

6）穿梭车完成水平运行申请提升机任务调度时，对提升机处于无任务待命时提升机立刻响应该申请，则，若提升机正在执行上一个出库任务，则；

7）完成共计条出库任务时，提升机空闲时间和穿梭车等待时间为：

，；

其中，为第个任务出现提升机空闲状态，为第个任务出现穿梭车等待状态：

；

8）提升机完成所有出库的任务所需时间为：

；

9）出库任务序列总完成时间为：

；

表示穿梭车开始接受任务时刻；表示穿梭车申请提升机调度任务的时刻；表示该出库任务最终完成时刻。

2.根据权利要求1所述的调度方法，其中S2所述的建立以最短多层穿梭车出库作业时间、提升机最小空闲时间和穿梭车最小等待时间为目标的任务调度模型，其特征在于：

1）多层穿梭车自动仓储***的任务通过迭代思想转化成流水线并行作业模式；

2）仓储***的任务调度可以看作对一个指定大小的时间窗口内所有出库任务，以总出库作业完成时长、提升机空闲时间和穿梭车等待时间最短为目标，重新对任务进行排序组合后再下发到设备执行层面完成；

3）建立任务调度模型，目标为最小化总出库任务时长、最小化提升机空闲时间、最小化穿梭车等待时间，表达式如下：

4）其中提升机空闲时间总长和穿梭车等待时间总长的表达式如下：

，

；

5）基于运动学知识的穿梭车单程水平运行时间和提升机单程垂直运动时间，表达式如下：

；

其中，表示到达取货位的运行时间、表示最大水平速度、表示水平加速度、表示最大垂直速度、表示垂直加速度、表示单层货架高度，表示单列货架宽度，表示第个出库货位坐标；

6）提升机完成所有出库任务作业所耗费的总时间为：

；

7）多层穿梭车自动仓储***完成所有出库任务作业总时间为：

。

3.根据权利要求1所述的调度方法，其中S3所述的基于帕累托最优解的带精英策略的非支配排序遗传算法，其特征在于：

1）编码：将一次完整的任务序列向量视为一条染色体，采用自然数编码方式；

2）适应度函数：在多层穿梭车自动仓储***任务调度模型中，适应度函数为出库作业时间、提升机空闲时间和穿梭车等待时间，三个目标函数共同评价染色体个体在整个种群里的适应能力；

由于本模型的目标函数为最小值，即可行解的提升机空闲时间越短、穿梭车的等待时间越短，该染色体个体的适应度函数值应越大；反之，可行解的两个目标函数越长，适应度函数值应越小；

3）分层虚拟适应度值：在每一代群体中根据多目标函数值确定各层解集，

相同层数的解集具有相同的虚拟适应度值，且层号越小，虚拟适应度值越大；

4）拥挤度算子：在同层Pareto最优解集中，通过设计拥挤度算子来进行选择排序，染色体的拥挤距离等于其在同一层相邻染色体和分别在个目标决策维度的适应度差值的累和均值；

5）精英策略：对于父代的筛选依照分层虚拟适应度值和拥挤距离矩阵进行，首先对第代种群个体，由父代集合和子代集合构成，计算虚拟适应度值和层内的拥挤距离矩阵；按照层数从小到大、拥挤距离从大到小的原则依次将种群中个体加入种群中，直到内个体数到达精英保留策略设置的个体数量；

6）遗传算子：遗传算子包括选择、交叉与变异三步,将中去除精英保留策略的个体依次采用锦标赛选择算子、单点交叉算子和临位基因变异算子繁殖出子代种群，父代精英集合和子代集合共同组成下一代种群；

7）终止条件：该算法当满足迭代次数达到上限时即停止进化。