1．目的及意义

仓储管理在物流管理中占据着核心地位，成为供应链管理的核心环节，这是因为仓储总是出现在物流各环节的接合部，例如采购与生产之间，生产的初始加工与精加工间，生产与销售之间，批发与零售之间，不同运输方式转换之间等。各种企业都开始尝试应用现代化的物流管理方式, 也因此取得了良好的经济收益。在现代物流管理中, 自动化立体仓库系统是重要的组成部分。随着物流行业的快速发展, 许多新概念不断涌现, 自动化立体仓库就是其中的一种。自动化立体仓库主要是利用立体仓库设备, 实现仓库管理的高层合理化、操作简便化和存取自动化, 大大减少了物流行业中的人力消耗。目前, 自动化立体仓库主要由管理与监控系统、出入库系统和库存移动管理系统三部分组成, 主要应用到的设备有出库和入库工作台、货架、巷道堆垛起重机、自动运进、运出的控制系统等。在物流行业中, 大多数仓库都发挥着存储货物的功能, 这也是物流行业中仓库的最重要功能, 当应用了自动化立体仓库系统以后, 能够实现货物进、出库, 以及存储与摆放的有序管理, 降低了人工劳动强度, 减少了管理成本, 也提高了管理效果。

分拣是将物品按品种、出入库先后顺序进行分门别类地堆放的作业，是完善送货、支持送货准备性工作，是不同配送企业在送货时进竞争和提高自身经济效益的必然延伸。所以，也可以说分拣是送货向高级形式发展的必然要求。

同时分拣是使配送不同于一般形式的送货以及其他物流形式的重要支持性工作, 是配送中心作业系统的核心。在配送中心搬运成本中, 分拣作业搬运成本约占90%;在劳动密集型配送中心, 与分拣作业直接相关的人力占50%;分拣作业时间约占整个配送中心作业时间的30%-40%，所以设计出合适的分拣路径尤为重要，可以大大缩短操作时间，同时提高分拣效率降低成本。

分拣路径的选择也就是物品调度问题，物品调度问题是对旅行商 (Traveling Salesman Problem, TSP) 问题的一种扩展。应对此问题, 目前国内外学者进行了一些研究,杨玮，李程等人^[1]提出结合模拟退火算法的混合粒子群算法，该算法在求解过程中用粒子群算法初始化种群,提高了优化效率,缩短了搜索时间;在迭代过程中采用模拟退火算法,利用其概率突跳能力,以避免基本粒子群算法迭代过程中陷入局部最优和早熟收敛。通过实例验证,该算法比标准粒子群算法所用时间短、收敛速度快、迭代次数少。谢树新^[2]将基本粒子群算法与遗传算法相结合，利用基本粒子群算法选取初始种群，后再利用遗传算法优化；提出了基于模拟退火的粒子群算法，基本粒子群算法的程序进行改进，得出结论：基本蚁群算法在解决拣选作业路径优化问题时，敛速度快，解效果最好；基本粒子群算法结合遗传算法的求解效果优于单纯遗传算法和基本粒子群算法；基于模拟退火的粒子群算法在求解拣选作业路径优化问题时，子位置更新受到约束，设定合适的最大迭代次数时可以取得较好的效果。方彦军,谢宜净^[3]构建含装箱约束条件的堆垛机拣选作业路径最短的数学模型, 分别采用基本蚁群算法和最大最小蚁群算法进行求解，得出结论：与基本蚁群算法相比, 最大最小蚁群算法所求得的解性能更优, 能有效提高自动化仓库拣选作业的工作效率。庞龙,陆金桂^[4]利用蚁群算法生成优异的初始种群, 然后通过遗传算法对该数学模型进行优化求解，结论是：蚁群遗传算法的混合不仅得到更精确的结果而且加速了算法的求解速度, 从而能够改善拣选作业的效率。刘增晓, 冯占营, 吴建等^[5]结合拣选作业的数学模型和固定货架的物理结构, 构造了一种适合工程应用、编程简单的环状作业路径,并将该算法与最近邻居法和混合遗传算法进行了分析比较；仿真实验和工程实际应用表明, 该算法能有提高系统的工作效率。陈荣虎，何运杰^[6]将一种单程序多数据流 (简称SPMD) 并行结构运用到粗粒度并行遗传算法中, 并对算法进行改进，通过对自动化立体仓库拣选路径优化模型的求解, 得到串行与并行计算两种情况下的运算时间与加速比,对比结果表明, 并行计算能有效提高算法优化效率, 缩短程序执行时间。曾强, 张泽斌, 杨龙飞等人^[7]首先,针对有容量限制的堆垛机拣选路径规划问题,将其转化为多个旅行商问题的组合问题,构建了一种以出库时间最短为目标的堆垛机拣选路径规划优化模型。其次,采用整数编码,以有重复的整数串代表个体,采用分段交叉和单点交换变异实现遗传进化,使用改进的遗传算法对模型加以求解，得出结论：虽然与就近顺序下的出库方案相比,优化程度较小,但是在实际生产中,立体仓库出库量大而且频繁,即便是较小的优化程度,也会产生累积效应,随着时间的增长,优化效果越来越明显,节约的成本和产生的经济利益越来越多。蔺媛媛, 刘云^[8]提出了一种优化蚁群算法, 该方法通过结合蚁群系统的节点选择策略、信息素局部更新和全局更新策略、最大最小蚂蚁系统的信息素取值范围策略、信息素全局更新时针对本次迭代最优路径和使用自适应调整方式设定q0参数、信息素局部更新并采用精英策略等方法, 加快了算法的收敛速度, 扩大了搜索空间, 改进后的蚁群算法解的性能得到较大的提高, 结合立体仓库固定货架拣选问题, 在实际操作中, 极大的提高了立体仓库的使用效率。刘臣奇,李梅娟,陈雪波^[9]设计了新型的改进蚁群算法用于合理优化货物拣选路径以减少作业时间,并在算法中采取了三个改进措施,改善基本蚁群算法的搜索能力。候选节点集合策略和自适应调整算法参数能有效提高算法的搜索速度,选择算子使问题的解始终保持最优。实验表明该算法具有较好的全局寻优能力,收敛速度大幅度提高,能够很好地满足中大规模的拣选作业要求。倪虹,李发强^[10]以堆垛机拣选路径作为研究目标,通过计算货位点所在的坐标位置产生拣选点。运用基于顺序的遗传基因编码方式编制程序,对拣选路径进行优化。仿真实验和实际应用表明该算法能较快找到最优解,并有效提高系统运行效率。岳嵚^[11]采用了粗粒度并行遗传算法，对同一参数组合进行多次重复计算的方法,提高实证分析的准确性和可信度。多次重复计算所得的最优解的均方差和产生这些最优解的代数的平均值来评价计算结果的稳定性和收敛性。通过对工程实际问题的求解,说明粗粒度并行遗传算法可以很好地解决工程实际问题,特别是对于需要对不同初始数据进行多次求解的模型,遗传算法是具有优势的。常发亮，刘增晓等人^[12]通过分析自动化仓库拣选作业的工作特点,为自动化仓库拣选作业创建了含装箱约束条件的多目标优化新型数学模型,用遗传算法对该数学模型进行了求解,基于不可行程度和作业次数对遗传算法初始种群的生成进行了改进.实验仿真和工程实际应用表明该模型和算法是可行、有效的。Ma等人^[13]为解决自动化立体仓库的时间规划问题, 考虑作业载重和行驶距离等因素建立多目标路径优化模型, 设计一种基于集成学习的优化算法, 降低了调度时间。Meneghetti^[14]等研究了立体仓库中货位分配问题并建立能耗模型, 将能量消耗最少的位置分配给存取频率最高的货物, 减少了仓库货物分配时间和能耗。Sarker^[15]等提出了一种基于控制和调度系统的混合智能方法,解决了自动化立体仓库固定货架拣选作业问题,证明了该方法求解此类问题的有效性.本文提出基于模拟退火的混合粒子群算法来解决自动化立体仓库拣选作业问题,并与PSO算法进行对比,通过实例验证了该混合粒子群算法的有效性和优越性。

本人准备考虑以时间最短为目标，构建解决拣选作业路径优化问题的数学模型，对立体仓库分拣作业路径进行优化.

2. 研究的基本内容与方案

2.研究（设计）的基本内容、目标、拟采用的技术方案及措施

2.1研究的基本内容：

1.查阅相关文献资料，了解路径优化问题，并且了解相关求解算法原理、特点及操作步骤。

2.运用所选择的算法，对所求问题进行分析以及建模。