基于改进混沌粒子群算法的自动化药房储位分配优化方法

摘要

本发明公开了一种基于改进混沌粒子群算法的自动化药房储位分配优化方法，包括以下步骤：A:建立药房储药库模型；B:随机初始化种群中每个粒子的位置和速度；C: 评价初始种群中每个粒子的适应度，保存全局最优位置                                                和个体最优位置；D: 更新每个粒子的速度和位置，并采用自适应惯性系数更新权重；E: 评价更新后每个粒子的适应度，保存全局最优位置和个体最优位置；F: 对群体中的最佳粒子执行混沌局部搜索，并更新全局最优位置和个体最优位置；G: 判断是否达到最大迭代数，如果达到，则输出计算结果，即药品储位的最优分配策略；如果未达到，则返回步骤D。本发明有效地提高了药房智能存储系统的效率，实现了密集存储。

主权项

一种基于改进混沌粒子群算法的自动化药房储位分配优化方法，其特征在于，包括以下步骤：A:建立药房储药库模型；步骤A中，设存储区储药库共有m层n列，将距离上药口最近的列记为第1列，最底层记为第1层，处于第i层j列的储位记为(i,j)，(i＝1,2,...,m；j＝1,2,...n)，出入库口的位置记为(0,0)；对每一个储位进行编码时，将位于第i列j层的储位编码为(i‑1)m+j；某储位存入货物时，数组中对应元素记为1，该储位没有存入货物则记为0；每个储位的长度相同，但是宽度和高度不同，相同储存区域的层高相同；存储区可以存储k种药品，每个储位只能存储一种药品；得到储位布局模型$\min F_1=\underset{i=1}{\overset{l}{\Sigma }}\underset{i\ne j,j=1}{\overset{k}{\Sigma }}{f}_j·(h_i-h_j)·x_{ij};$其约束公式为：h_j∈{min h_i,max h_i}；x_ij∈{0,1}；$\begin{array}{c}\underset{i=1}{\overset{l}{\Sigma }}{x}_{ij}=1,i=1,2,...,l\\ \underset{j=1}{\overset{k}{\Sigma }}{x}_{ij}=1,i=1,2,...,k\end{array};$式中，f_j表示第j种药的使用频率，h_i表示仓储区第i层的层高，h_j表示第j种药品的高度，药品的高度取药品三个外形尺寸中最小的值；l表示层高为h_i的层数；x_ij是决策变量，当x_ij＝1时表示第h_i层高存放第j种药品；B:随机初始化种群中每个粒子的位置和速度；C:评价初始种群中每个粒子的适应度，保存全局最优位置g^k和个体最优位置p^k；D:更新每个粒子的速度和位置，并采用自适应惯性系数更新权重；E:评价更新后每个粒子的适应度，保存全局最优位置g^k和个体最优位置p^k；F:对群体中的最佳粒子，即种群中适应度最好的20％的粒子，执行混沌局部搜索，并更新全局最优位置g^k和个体最优位置p^k；G:判断是否达到最大迭代数，如果达到，则输出计算结果，即药品储位的最优分配策略；如果未达到，则返回步骤D。