【《基于遗传算法的药品自动仓储电气控制系统设计》12000字】

基于遗传算法的药品自动仓储电气控制系统设计目录第一章绪论 [3]。本文采用轮盘选择算子，对于轮盘赌原理如下表示方法：P=FP为对个体的选择的可能性大小；种群大小的值为N;由公式显而易见得出，拥有很大关系对于选择的个体的适应度和采用的方法之间，并且呈现为正相关的情况，即为适应度的增速也会应容易发生遗传。（２）交叉算子大自然中的基因重组和遗传算法概念中的交叉运算有相同的大致定义。目前在交叉算子中所使用的交换方式主要有单点交叉法、双点交换以及有序交换法。本章节中主要采用了使用量比较多的单点交叉方法对各个染色体之间的数值进行了交叉计算。交叉的原理如下图所示：图4-SEQ图4-\*ARABIC4（３）变异算子如果遗传算法经过一个交叉运算操作之后可以获取大量相等数目的染色体,遗传算法就可以轻而易举地将其中的一些细胞分解进行局部最优化。利用基因换位算子来实现关于爬山算法在变异算子之中的操作为了达到杜绝发生局部最优解的问题实现的方法有:在遗传算法的得到最优解中随机地选择两个基因之间进行交换的位置通过计算来看染色体适应度改变情况，比如减少或者不断的增加。在出现减少的情况下，将替换后的染色体个体替换成原有的个体。对以上两个步骤进行持续性的重复，以达到最开始设定的交换次数。4.3.3货位优化模型的建立对货位优化模型的确定根据药品行业的现状，现模拟货物的不同类型，假设货物占据一个托盘，并设定其货位为1，将五种不同的货物进行入库操作，进入到一个10*10的货位，参数模拟如下：图4-SEQ图4-\*ARABIC5根据上述所建立函数模型：f=ftij约束条件：0<i≪m在MATLAB中编程改货位优化模型。通过MATLAB遗传算法对上面的参数进行求解，可以得到两种不同的线性曲线，红色的定义为使用与爬山算法结合遗传算法来进行求解的变化，蓝色线是一般情况下的遗传算法的优化结果。如图5-7所示：图4-SEQ图4-\*ARABIC6仿真结果对比分析。得到MATLAB关于货位优化前后的货物数据分布结果如下图：图4-SEQ图4-\*ARABIC7图4-SEQ图4-\*ARABIC8仿真结果的总结综合上文中的结果可以得到，在N次迭代应用爬山算法改进的优化曲线，相对于一般的遗传算法的曲线而言，更为平滑，更为缓慢。在260代之后，其数值关于目标函数基本没有发生变化，所以可以得到其迭代的完成时的值为4.56*10s，时间为104.506s，相比较于优化前的数据值而言，可以看出得到了极大的改变，其改变之后的算法可以良好的提高对仓库的利用率。

第五章总结与展望自动仓储逐渐的成为企业生产运作的一环，并占据极为重要位置。大规模的快速发展，立体仓储开始渐进的取代目前的低层仓库，加大了对于占地面积的利用率。这种变化对物流生产发展的提升也起到了促进作用。本论文旨在现代科技的不断发展之上，设计一种更适合医药公司的自动仓储控制系统，加以遗传算法的优化设计，结合MATLAB来提供最合适的解决办法。在本课题中，最前面对现在自动仓储发展的步伐和角度现状进行研究探讨，将自动仓储系统的构成将从三大层次进行阐述，系统结构包含了仓储系统的四大管理系统，主要是负责控制，货物的存储、传送、以及最重要的出入库流程。物流结构部分主要对硬件设备、运输工具、必要的传送功能等方面进行阐述。工作流程对入库、出库的步骤、路线进行讲解。课题重点对自动仓储仓库的控制系统进行需求分析，包括硬件、软件和网络三部分，并介绍控制系统的结构设计。另外，为了满足系统需求，本文将对功能设计做出解释，并致力于构造一个完整的多层次的控制系统。并在上述的基础上，对整个系统的电气控制系统的货物管理上进行优化，包括货物分区和货物位置的优化，在进出库的基础流程上，将遗传算法的淘汰选择原则带入，结合货物位置数据的不断迭代，最后可以看出爬山算法的遗传算法更具有优异性，可以得到最优解的过程。然而，很显然，自动仓储虽然拥有广阔的未来，但是，由于在国内发展时间的短暂性，我国对其研究还具有很大的不确定性，伴随着科技发展，仓储技术一定会在产业的不断进步中，得到更多的发展。参考文献冯伟智.某医药公司立体仓库控制系统设计与实施[D].东