基于AGA与MPSO的非传统布局仓储货位分配优化

非传统布局是现代仓储管理的新热点,根据对非传统布局(Fishbone型)特征分析,针对货位分配优化问题,提出以出入库效率和货架稳定性为优化目标,建立多目标优化模型。设计了自适应遗传算法(AGA)和改进的粒子群优化算法(MPSO)进行求解。AGA采用动态自适应策略改进选择、交叉、变异算子,克服初期"早熟",提高末期局部搜索,增强鲁棒性;考虑到PSO搜索过程的非线性复杂特征,引入非线性变化的惯性权重和时变加速的学习因子,提升早期全局搜索能力,改善末期收敛迟钝,优化算法整体性能。采用Matlab进行仿真实验,结合实例验证了本文方法的有效性与通用性。对比实验结果表明AGA在处理此类货位分配优化问题上优势更明显。