1.一种物流倾翻式托盘分拣机注入方式的优化方法,其特征在于:首先建立物流倾翻式托盘分拣机注入方式优化问题模型;然后构建该物流倾翻式托盘分拣机注入方式优化问题的仿真模型,基于该仿真模型建立DQN模型;最后设计一种动态自适应多目标仿真蝴蝶优化算法求解该问题模型,所述物流倾翻式托盘分拣机注入方式的优化问题,综合考虑货物注入分拣机时虚拟线框控制方式、队列输送机数量和分拣机运行速度三种关键控制参数对物流倾翻式托盘分拣机注入效率和能耗的影响,并利用马尔科夫决策过程,建立该问题模型具体如下:以各收货区进料口货物由队列输送机合流至倾翻式托盘分拣机的平均注入时间最短为目标,建立第一优化目标如下:;
式中,T表示货物由队列输送机合流至倾翻式托盘分拣机的平均注入时间;i∈{1,2,…,n}表示收货区编号,n表示收货区数量;j∈{1,2,…,l}表示货物进料口编号,l表示货物进料口数量;xij∈{1,2,…, Kij}表示收货区i的货物进料口j上等待注入分拣机的货物编号,Kij表示收货区i的货物进料口j上成功注入分拣机的货物数量;表示收货区i的货物进料口j上第xij个货物由队列输送机合流至分拣机的平均注入时间;
以倾翻式托盘分拣机和相关输送设备的总能耗最低为目标,建立第二优化目标如下:;
式中,E表示物流倾翻式托盘分拣机和相关输送设备的总能耗;Eb表示分拣机的能耗;d∈{1,2,…,m}表示相关输送设备的编号,m表示系统中输送设备的数量;Ed表示相关输送设备的能耗;
将通过倾翻式托盘分拣机进行自动分拣过程的状态定义为包含多个关键控制参数和系统性能指标的向量,确定状态空间如下:;
式中,S表示状态空间;Mw表示虚拟线框控制方式;Nc表示队列输送机数量;vy表示倾翻式托盘分拣机运行速度;T表示货物平均注入时间;E表示系统能耗;
对关键控制参数的调整定义为动作,确定动作空间如下:
;
式中,A表示动作空间;ΔMw表示更改虚拟线框控制方式;ΔNc表示增加或减少队列输送机的设置数量;Δvy表示提高或降低倾翻式托盘分拣机的运行速度;
奖励函数综合考虑系统注入效率和能耗,设计奖励函数如下:;
式中,R表示奖励函数;和是权重系数,用于平衡注入效率和系统能耗的重要性,当注入效率提高且系统能耗波动较小时,给予较大奖励;
同时设定该问题的约束条件如下:
;
式中,表示收货区i的货物进料口j上成功注入倾翻式托盘分拣机的货物体积;表示允许注入货物的最小体积;表示允许注入货物的最大体积;
;
式中,表示收货区i的货物进料口j上成功注入倾翻式托盘分拣机的货物重量;表示允许注入货物的最小重量;表示允许注入货物的最大重量;
;
式中,表示每个队列输送机可同时接纳货物的容量;Nw表示每个虚拟线框可同时接纳货物的容量;NR表示倾翻式托盘分拣机上每个托盘可同时接纳货物的容量;
;
式中,表示货物向倾翻式托盘分拣机申请带虚拟线框的托盘;表示货物实际注入倾翻式托盘分拣机中带虚拟线框的托盘;
;
式中,表示倾翻式托盘分拣机中带虚拟线框的空托盘的数量;
;
式中,vd表示倾翻式托盘分拣机中输送设备的运行速度;vdmin表示允许输送设备的最小运行速度;vdmax表示允许输送设备的最大运行速度;
;
式中,Nc表示队列输送机的数量;Ncmin表示允许设置队列输送机的最小数量;Ncmax表示允许设置队列输送机的最大数量;
;
式中,表示仿真模型中第一个货物开始注入倾翻式托盘分拣机的时间;Tstart表示仿真模型设定的开始时间;
;
式中表示仿真模型中最后一个货物注入倾翻式托盘分拣机完成的时间;Tend表示仿真模型设定的结束时间。
2.根据权利要求1所述的物流倾翻式托盘分拣机注入方式的优化方法,其特征在于:所述构建物流倾翻式托盘分拣机注入方式优化问题的仿真模型,基于该仿真模型建立DQN模型的具体描述如下:在仿真模型中设置货物信息、模型参数、关键控制参数和算法参数信息,并根据仿真模型构建DQN模型,由随机生成的大量初始关键控制参数组合方案进行训练,根据DQN策略网络输出的Q值选择多个可能获得高奖励的动作,其对应关键控制参数组合作为后续仿真优化算法的部分初始种群,另一部分由随机方式生成,由关键控制参数组合表示算法中的种群个体,可表示为e=[Mw,Nc,vy]。
3.根据权利要求1所述的物流倾翻式托盘分拣机注入方式的优化方法,其特征在于:所述动态自适应多目标仿真蝴蝶优化算法求解该问题模型的具体描述如下:将生成的初始种群反馈给仿真模型得到目标适应度值,由算法控制仿真模型进行寻优迭代,并由算法终止条件决定是否结束仿真,若满足算法终止条件,则输出最优解集并生成优化方案,若不满足算法终止条件,则更新种群并反馈给仿真模型继续进行寻优迭代;
动态自适应多目标仿真蝴蝶优化算法步骤如下:
Step1:生成初始种群,由随机方式结合DQN训练模型中的较优关键控制参数组合生成初始种群;
Step2:Pareto非支配排序,将初始种群依据目标适应度值进行Pareto非支配排序,并输出一个初始Pareto解集;
Step3:计算个体香味浓度,依据目标适应度值计算Pareto前沿面上各个体对应各目标的香味浓度,由对应目标选择出两个最优蝴蝶个体,确定全局最优;
Step4:生成随机数rand1与动态切换概率pd比较,确定其余蝴蝶个体的搜索方式;若rand1
Step5:全局搜索,当前蝴蝶个体执行全局搜索机制,靠近全局最优个体实现更新,并对全局最优个体执行精英保留策略和邻域扰动策略,实现全局最优个体的更新,各个体更新后转至Step9;
Step6:局部搜索,当前蝴蝶个体执行局部搜索机制,生成随机数rand2与局部搜索选择概率qs比较,以确定局部搜索方式;若rand2
Step7:随机探索,当前蝴蝶个体在邻域内进行随机探索,更新后转至Step9;
Step8:靠近邻域个体,当前蝴蝶个体与邻近个体相互靠近,更新后转至Step9;
Step9:组成新一代种群;
Step10:Pareto非支配排序,依据新一代种群个体目标适应度值,进行Pareto非支配排序,输出一个当前Pareto解集;
Step11:判断是否达到算法终止条件,若已达到,进入Step12;若未达到则转入Step3继续迭代;
Step12:输出Pareto前沿解集,将当前Pareto解集与初始Pareto解集合并进行Pareto非支配排序,输出Pareto前沿解集,算法结束。