基于遗传模拟退火算法的立体仓库储位优化_朱杰.pdf

针对于自动化立体仓库储位分配问题,结合其运作特点和安全性要求,构建了自动化立体仓库储位优化问题的多目标模型,并提出了求解模型的基于Sigmoid曲线的改进自适应遗传模拟退火算法。首先,以降低货品出入库时间、同组货品距离和货架合成重心为目标建立储位优化模型;然后,为了改善遗传算法局部搜索能力差和易陷入局部最优的缺点,引入基于Sigmoid曲线的自适应交叉变异操作和逆转操作,同时完成与模拟退火算法的融合;最后,对改进遗传模拟退火算法进行算法优化性、稳定性和收敛性测试。仿真实验表明,相比模拟退火算法、遗传算法、粒子群算法和人工鱼群算法对问题的优化程度,该算法对货品出入库时间的优化度提高了27.4225个百分点、对同组货品距离优化度提高了36.1209个百分点、对货架重心优化度提高了18.4796个百分点,并且该算法具有更好的稳定性和收敛性。由此验证改进遗传模拟退火算法求解问题的有效性,该算法可为自动化立体仓库储位优化提供决策方法。