杨玮，张子涵，张晓楠，马伟

新型无人仓AutoStore的货物合箱方法研究

杨玮，张子涵，张晓楠，马伟

（陕西科技大学 机电工程学院，西安 710021）

为减少AutoStore系统在共同存储策略下的订单处理时间，解决经营品类繁多，但仓储面积有限的企业货物存储问题。提出货物合箱的存储方法，设计关联规则挖掘算法与混沌种子优化算法的混合优化算法进行求解。从机器人翻箱操作、料箱的分配规则、系统布局三方面进行分析，结合AutoStore运作规律，建立以机器人拣货行走距离最短为目标函数的数学模型，通过Apriori算法输出货物热度，输入混沌种子算法，得到储位分配结果，实现联动决策。在基本种子算法的迭代中加入混沌序列，帮助种子避开局部极小值。实例分析表明，货物合箱方法能够显著减少共同存储下AutoStore系统的订单处理时间，缩小与指定存储策略订单处理时间的差距，与粒子群算法和基本种子优化算法相比，混沌种子优化算法的优化效率更高、稳定性更好。文中的研究为经营品类繁多，但仓储面积有限的企业提供了一种更适合的货物存储策略，具有较强的操作性和实际意义。

AutoStore系统；存储策略；Apriori关联规则挖掘算法；混沌种子优化算法

机器人履行系统在世界各地的仓库中变得越来越普遍，AutoStore系统作为新兴的移动机器人履行系统（Robotic Mobile Fulfillment System, RMFS），具有超高空间利用率、高流量、运行稳定的优势，适用于目前蓬勃发展的电商企业、店仓一体化的大型零售商超，以及有大量拆零拣选或小批量多频次拣选任务的企业，AutoStore系统在国内外都具有广阔的使用空间[1]。……