主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第5期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
蔺一帅,李青山,陆鹏浩,孙雨楠,王亮,王颖芝.智能仓储货位规划与AGV路径规划协同优化算法.软件学报,2020,31(9):0
智能仓储货位规划与AGV路径规划协同优化算法
Shelf and AGV path coopeartive optimization algorithm used in intelligent warehousing
投稿时间:2019-07-02  修订日期:2019-08-18
DOI:10.13328/j.cnki.jos.005944
中文关键词:  智能仓储  货位规划  AGV路径规划  协同优化  遗传算法
英文关键词:intelligent warehousing  shelf optimization  AGV path optimization  cooperative optimization  genetic algorithm
基金项目:国家自然科学基金(61672401,61902039,61902288);西安市科技计划(2017073CG/RC036(XDKD004))
作者单位E-mail
蔺一帅 西安电子科技大学 计算机科学与技术学院, 陕西 西安 710000  
李青山 西安电子科技大学 计算机科学与技术学院, 陕西 西安 710000 qshli@mail.xidian.edu.cn 
陆鹏浩 西安电子科技大学 计算机科学与技术学院, 陕西 西安 710000  
孙雨楠 西安电子科技大学 计算机科学与技术学院, 陕西 西安 710000  
王亮 苏州明逸智库信息技术有限公司, 江苏 昆山, 215300  
王颖芝 西安电子科技大学 计算机科学与技术学院, 陕西 西安 710000  
摘要点击次数: 601
全文下载次数: 1243
中文摘要:
      智能仓储的优化一般分为货架优化和路径优化两部分.货架优化针对货物与货架两者的关系,对货物摆放位置进行优化;而路径优化主要寻找自动引导小车(Automated Guided Vehicle,AGV)的最优路径规划.目前,大多的智能仓储优化仅对这两部分进行独立研究,在实际仓储应用中只能以线性叠加的方式解决问题,导致问题的求解易陷入局部最优中.本文通过对智能仓储环节中各部分的关系进行耦合分析,提出了货位和AGV路径协同优化数学模型,将货架优化和路径规划归为一个整体;此外,提出了智能仓储协同优化框架的求解算法,包括货品相似度求解算法和改进的路径规划算法;并在以上两种算法的基础上,使用改进的遗传算法,实现了货位路径协同优化.实验结果验证了本文提出的智能仓储协同优化算法的有效性和稳定性.通过使用该算法可有效提高仓储的出货效率,降低运输成本.
英文摘要:
      The optimization of intelligent warehousing is generally divided into shelf optimization and path optimization. Shelf optimization considers the position of goods and shelves, and optimizes the placement of goods. Path optimization mainly seeks the optimal path planning for automatic guided vehicles. At present, most of the studies focus on these two parts independently. In the actual warehousing application, the problem can only be solved by linear superposition, which makes the solution easy to fall into the local optimum. Based on the coupling analysis of the relationship between various parts in the intelligent warehousing process, this paper proposes a mathematical model of cooperative optimization of shelf and position, which combines shelf optimization and path planning as a whole. In addition, a cooperative optimization framework, including a product similarity solving algorithm and an improved path planning algorithm, is proposed. Based on the above two algorithms, an improved genetic algorithm is proposed for the coopeartive optimization of shelf and path. The experimental results verify the effectiveness and stability of the intelligent warehousing coopeartive optimization algorithm proposed in this paper. By using this algorithm, it can improve the shipping efficiency of storage and reduce transportation costs.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利