遗传算法在RFID智能仓储系统中的应用研究

张根林，田琳琳

(西安科技大学，西安 710054)

0 引言

仓储作为现代物流系统中的关键环节，其运作效率直接关乎到整个供应链的效率，对其进行优化管理能够大幅提升物流系统的运行效率。相关学者对仓储系统的各个方面进行了较为深入的研究，王璐[1]将RFID标签技术运用到皮具仓储管理当中，实现了对库存数据的自动识别和采集，明显改善了仓储系统的效率。吴晗[2]等在根据仓库实际应用过程中的业务需求基于RFID的物联网仓储系统，大幅提高仓储系统运行效率。

在采用RFID技术后，出库入库时间大幅缩短，仓储效率得到了明显的提高，同时相关学者从仓储系统流程角度对仓储过程进一步进行优化。王燕[3]等在服装仓储系统中运用RFID技术对仓储过程进行管理，同时采用相关性统计分析方法对服装仓储系统中配送信息进行评估和智能调度。彭秋琼[4]为缩短仓储货物建立时长采用模糊控制算法对仓储控制流程进行优化，大幅缩短仓储表单建立流程。何涵[5]等采用调度算法对电能计量设备智能仓储系统进行优化，提升系统的并发性能，降低系统出仓反应时间；曹伟[6]等为解决仓库多品种物品的实时数据采集和监控，在RFID标签上添加加工工序、工序流、批次与批量等信息，实现仓库数据的实时采集，有效提高仓储效率。刘恺文等[7]对仓储过程出入库作业调度问题，对比分析定位存储和随机存储两种入库策略优化，研究了入库方式对仓储效率的影响；张敏军等[8]通过遗传算法对零件仓位进行优化，改善仓储入库流程，实现整车制造与仓储的协同优化。

上述研究表明在对仓储进行优化过程中，可根据仓储的功能需求，引入对应的优化方法对其流程进行改善，能够大幅提高仓储效率。基于此，为解决现有传统仓储系统中顺序摆放造成的仓储位置分配不合理，仓内配送路径混乱等问题，对仓储系统结构进行改进，引入遗传算法对对仓储位置和仓储路径规划进行优化，实现仓储系统的效率提升。

1 仓储系统结构设计

基于物流仓储系统柔性、可维护、可靠原则，根据当前物流仓储系统业务流程，对系统结构模块进行设计如图1所示，分为系统管理层、数据传输层、物理硬件层、信息载体层。系统管理层作为仓储系统的信息处理中心，负责仓储数据的存储，物品出入库流程管理等；数据传输层是具有标准程序接口和协议的通用服务，负责硬件物理层与系统管理层之间的数据交换；物理硬件层作为系统运行的基础信息来源，承担了仓储系统各类信息的采集，将采集到的数据通过数据传输层进入系统管理层，数据存储和程序管理分别由程序单独进行，使系统管理和仓储动作更加流畅的进行；信息载体常贴附在仓储物品上，记录着仓储对象的型号、类型、出入库等信息。

图1 系统结构模块

在仓储系统当中，数据处理、出入库流程和储存位置分配是评判仓储系统效率的关键因素，其均由系统管理层进行控制，故对系统管理层的优化将极大提高仓储系统的性能。仓储管理层主要可分为硬件和管理软件两个部分，硬件是管理软件运行的基础，对原有仓储管理系统的不足进行分析，基于RFID和遗传优化算法对仓储系统进行硬件结构进行设计如图2所示。采用S7-300 PLC，与物理硬件层设备和优化运算服务器之间采用MPI协议通过无线网络进行通讯。在仓储出入库高峰时段，需对大量数据按照特定的规则实时输入、输出，考虑到数据流的特点采用MAX232芯片进行通信连接，其优点在于能够针对不同时间间隔的数据进行同步或异步通信，降低数据传输延迟和系统资源占用，提升产出系统的运转效率。

图2 硬件结构设计

2 仓储系统优化设计

为实现对仓储的高效管理，基于硬件平台设计具备实时监控和在线优化的智能仓储软件系统，以此提升智能仓储系统的使用性能。

2.1 仓储系统的实时监控

设计智能仓储流程如图3所示，以S7-1200PLC为控制核心，通过调用出入库、仓位分配、运送、分拣等程序，通过控制传感器实时监控货物的出入库、仓储状态信息，同时将数据通过MPI通讯协议传送至优化站，触发遗传算法对仓位分配和配送路径的实时优化。

图3 智能仓储流程

控制传感器对入库物品RFID标签信息进行提取，反馈给入库模块完成相关单据后将信息通过MPI通讯协议传输至控制核心，由控制核心进行仓位和仓储配送路径优化后发送入库指令至AGV载运工具，并通过控制传感器实时监控物品位置。

2.2 仓储系统的在线优化

遗传算法以输入项为父项进行交叉、变异处理，判定后代种群的适用度，直到适应度收敛得出最优方案的优化方法[9]。在智能仓储系统中，可将通过物理硬件层得到仓储物品的属性、规格、使用频率、储存时长等作为输入项，以最优仓储位置分配为优化目标进行优化运算；同时可将遗传算法运用到对仓储路径的优化当中，通过将仓储坐标、仓储区域路线分布等转换为量化数据，以最优仓储路径为目标进行寻优计算，最后将得到的最优仓储位置和最优配送路径通过控制核心将指令传至AGV载运工具，实现仓储的仓储位置优化流程如图4所示，得出优化结果后通过MPI协议传输至控制核心进行指令下发。

图4 遗传算法优化流程

3 仓储系统效果分析

以机械部件仓储系统作为实验对象，采用控制变量法在保持所有环境不变的情况下，分别采用基于遗传算法改进的仓储管理系统和传统流程仓储管理系统进行对比，具体测试流程如下：

1）在入库区平均设置不同规格、属性、使用频率、储存时长的仓储物品，作为实验仓储物，设置单位时间为1小时，每次测试结束后按顺序布置仓储物品，保证实验的一致性。

2）采用基于遗传算法改进的仓储管理系统对仓储系统进行调度，进行满负荷仓储调度，重复仓储过程5次，将每次单位时间内仓储的数据记录为实验组。

3）采用传统仓储管理系统对仓储系统进行调度，进行满负荷仓储调度，重复仓储过程5次，将每次单位时间内仓储的数据记录为实验组。

4）从单位时间内仓储量、单次仓储平均路线长度方面对比实验组和参照组数据。

在仓储系统中，单位时间内仓储吞吐量能够反映出整个仓储系统的运载能力，单位时间内完成的仓储吞吐数量越多，表明仓储系统的运载能力越强。同时，单次仓储路线长度能够反映仓储路线的规划能力，运送过程在仓储中耗时最长，其耗时越短表明仓储路径优化效果越明显。

单位时间内仓储吞吐量、单次仓储平均路线长度如图5所示，每次使用仓储物品均顺序摆放，有效降低试验的随机误差，传统仓储系统和优化后仓储系统在5次试验中吞吐量基本一致，表明两个系统都能稳定的完成仓储任务。在采用遗传算法对仓储位置和配送路径进行优化后，单位时间内仓储效率提高55%，单词仓储路线长度下降30%，与传统仓储系统随机分配仓储的方式，整个系统的效率得到大幅提高。

图5 试验数据对比

4 结语

为解决现有仓储系统中顺序摆放造成的仓储位置分配不合理，仓内配送路径混乱等问题，在仓储流程中引入遗传算法对仓储位置和仓储路径规划进行优化。通过将仓储物品的属性、规格、使用频率、储存时长等作为输入项，以最优仓储位置分配为优化目标进行优化运算。同时，将仓储坐标、仓储区域路线分布等转换为量化数据，以最优仓储路径为目标进行寻优计算。通过实验对优化后仓储系统进行验证，仓储系统能够稳定的运行，同时效率得到了大幅提升。