仓储调度_毕业设计说明书

仓储调度_毕业设计说明书内容摘要：

平的提高，才能适应这一套变革，开发仓储管理系统齐天，管理人员可从中学习，掌握信息技术。 仓储管理系统建成之后，管理人员可以从繁琐，重复的事务工作中解脱出来，进行调查研究，使用各种数据分析手段和方法对企业的管理活动进行分析，制定改进和提高管理工作效率的措施，即从事信息分析，判断和决策等真正的信息管理工作，充分发挥信息在管理中的作用。 （ ４ ）提供企业的经济效益和竞争地位 仓储管理系统使企业管理规范华，科学化，高速化，资源利用合理化，它给企业带来的直接经济效益是显著的。 由于仓储管理系统准确及时提供信息，加强了信息的反馈，企业各个部门据此可以合理的组织商品的流通，减少库存积压，从而加快资金周转，使企业的经济效益大大提高。 仓储管理系统对企业内部资金统一管理，及时掌握，调配内部资源的使用，大大提高了效率，从而减少成本的开支，在增加企业经济效益的同时，增加了企业在市场中的竞争能力。 内蒙古工业大学本科毕业设计说明书 6 第二章 遗传算法及其工程应 用 遗传算法简介 遗传算法（ Geic Algorithm, 简称 GA）是生命科学与工程科学相互交叉、相互渗透的结果。 它启迪于自然界生物从低级、简单，到高级、复杂，以及人类这样一个漫长而充满奥秘的进化过程，同时借鉴了达尔文的物竞天择、优胜劣汰、适者生存的自然选择和自然遗传机理，并将其引入 编 码串结构，在串 与串 之间进行有组织的但又是随机的信息交换，优良的品质被逐渐保留并加以组合，从而不断产生出更优的个体，其本质是一种求解问题的高效并行全局的搜索方法。 自 20 世纪 60 年代中期美国 Michigan 大学 Holland 教授提出遗传算法以来，其应用研究越来越深入，应用领域也越来越广泛。 遗传算法在智能控制系统设计、组合优化、模式识别、机器学习、规划策略、信号处理和生命领域的应用中显示出其无以伦比的优越性和魅力。 遗传算法的基本原理 GA是基于自然选择和遗传机制，在计算机上模拟生物进化机制的搜索寻优算法。 在自然界的演化过程中，生物体通过遗传（传宗接代、后代和双亲非常相象）、变异（后代与双亲又不完全相象）来适应外界环境，一代又一代地优胜劣汰、繁衍进化。 GA 模拟了上述进化现象，它把搜索空间（所求问题的解的隶属 空间）映射为遗传空间，即把每一个可能的解编码为一个向量，称为一个染色体或个体，向量的每个元素称为基因，所有染色体组成群体或种群，并按预定的目标函数对每个染色体进行评价，据其结果给出一个适应度的值。 算法开始时先随机地产生一些染色体（所求问题的侯选解），计算其适应度， 跟 据适应度大小对 诸染色体进行选择、交叉、变异等遗传操作，剔除适应度低（性能不佳） 的染色体，留下适应度高（性能优良）的染色体，从而得到新的群体。 由于新群体的成员是上一代群体的优秀者，继承了上一代的优良性能，因而明显优于上一代。 GA 就通过这样的反复地操 作，向着更优解的方向进化，知道满足某种预定的优化收敛指标。 GA 是一个重复的搜索过程，但这一过程并不简单地重复搜索，而是一个带着“记忆”的搜索，算法本身使搜索不会向一个低的区域进化。 GA 就是靠着自身的这种“意向”，不断地产生新的个体，不断地淘汰劣的个体，从而进化到较高阶段或者说趋于收敛 [5]。 遗传算法的基本描述 基本遗传算法定义 内蒙古工业大学本科毕业设计说明书 7 基本遗传算法可定义为一个八元组，其基本关系表述如公式（ 21） K=（ C， E， P， M， L， G， T， U） （ 21） 式中各参数代表含义如下： C：个体的编码方法； E：个体的适应度评价函数； P：初始群体； M：群体大小； L：选择算子； U：变异算子； G：交叉算子； T：算法终止条件； 基本遗传算法流程 如图 21，算法的运行过程为一个典型的迭代过程，其必须完成的工作内容和基本步骤如下： （ 1） 选择编码策略，把参数集合 X 和域转换为位串结构空间 S； （ 2） 定义适应度值函数 f(x)； （ 3） 确定遗传策略，包括选择群体大小 n，选择、交叉、变异方法，以及确定交叉概率 Pc，变异概 率 Pm 等遗传参数； （ 4） 随机初始化生成群体 P； （ 5） 计算群体中个体位串解码后的适应值 f(X)； （ 6）按照遗传策略，运用选择、交叉、和变异作用于群体，形成下一代群体；判断群体性能是否满足某一指标，或者已完成预定迭代次数，不满足则返回步骤（ 6），或者修改遗传策略再返回步骤（ 6） [6]。 遗传编码 按照遗传算法的工作流程，当用遗传算法求解问题时，必须在目标问题实际表示与遗传算法的染色体位串之间建立联系，即确定编码和解码运算。 一般来说，参数集及适应函数是与实际问题密切相关的，往往由用户斟酌确定。 定义 由问题空间向 GA 编码空间映射称作编码（ encoding），而由编码空间向问题空间映射称作译码。 编码一般应满足以下 3 个原则： 完备性：问题空间中的所有点都能成为 GA 编码空间中的点的表现型。 内蒙古工业大学本科毕业设计说明书 8 健全性： GA 编码空间中的染色体位串必须对应问题空间中某一潜在解。 确 定 实 际 问 题 参 数对 参 数 集 进 行 编 码初 始 化 群 体评 价 群 体遗 传 操 作1 ） 位 串 解 码 得 参 数2 ） 计 算 目 标 函 数 值3 ） 函 数 值 向 适 应 值 转 换4 ） 适 应 值 调 整 ；三 个 基 本 算 子 ：1 ） 选 择2 ） 交 叉3 ） 变 异停 止开 始结 束是否 图 21 遗传算法流程图 评价函数 评价函数也称为适应函数。 遗传算法将问题空间表示为染色体位串空间，为了执行适者生存的原则，必须对个体位串的适应性进行评价。 因此，适应函数就构成了 个体的生存环境。 根据个体的适应值，就可决定它在此环境下的生存能力。 一般来说，好的染色体位串结构具有比较高的适应函数值，即可以获得较高的评价，具有较强的生存能力。 内蒙古工业大学本科毕业设计说明书 9 对于给定的优化问题，目标函数有正有负，甚至可能是复数值，所以有必要通过建立适应函数与目标函数的映射关系，保证映射后的适应值是非负的，而且目标函数的优化方向应对于适应值增大方向。 遗传算子 标准遗传算法的操作算子一般包选择，交叉，变异三种形式，他们构成了遗传算法强大的搜索能力的核心，是模拟自然选择以及遗传过程中发生的繁殖、杂交和突变现象的 主要载体。 在 Holland 的早期著作中，极力推荐采用逆转算子，使得关键基因在交叉操作中便于保留下来，以便形成紧密的基因联结。 遗传算法利用遗传算子产生新一代群体来实现群体进化，算子的设计是遗传策略的主要组成部分，也是调整和控制进化过程的基本工具。 选择 适应值比例选择是最基本的选择方法，其中每个个体被选择的期望数量与其适应值和群体平均适应值的比例有关，通常采用轮盘赌方式实现。 这种方式首先计算每个个体的适应值，然后计算出此适应值在群体适应值总和中所占的比例，表示该个体在选择过程中被选 中 的概率。 选择过程体现 了生物进化过程中“适者生存，优胜劣汰”的思想，并且保证优良基因遗传给下一代个体。 交叉 交叉操作是进化过程中遗传算法具备的原始性的独有特征， GA 交叉算子是模仿自然界有性繁殖的基因重组过程，其作用在于将原由的优良基因遗传给下一代群体，并生成包含更复杂基因结构的新个体。 交叉操作一般分为以下几个步骤： 从群体中随机取出要交叉的一对个体； 根据位串长度 L，对要交叉的一对个体，随机选取 [1， L1]中一个或多个的整数K 作为交叉位置； 根据交叉概率实施交叉操作，配对个体在交叉位置处，相互交换各自的部分内容，从而形成 新的一对个体。 变异算子 变异操作模拟自然界生物体进化中染色体上某位基因发生的突变现象，从而改变染色体的结构和物理形状。 群体设定 根据模式定理，群体规模对遗传算法的性能影响很大。 若群体规模为 n，则遗传算子可以从这 n 个个体中生成和检测 n 的三次方个模式，并在此基础上不断形成和优内蒙古工业大学本科毕业设计说明书 10 化模块，直到找到问题的最优解。 群体规模越大，群体中个体的多样性越高，算法陷入局部解的危险就越小。 但是随着群体规模的增大，计算量也增大。 若群体规模太小，使遗传算法的搜索空间受到限制，则可能产生未成熟收敛的现象。 初始群体中 的个体一般是随机产生的。 在不具有关于问题解空间的先验知识的情况下，很难判定最优解的数量及其在可行解空间中的分布状况。 因此往往希望在问题解空间均匀采样，随机生成一定树木的个体，然后从中挑出较好的个体构成初始群体。 对于二进制编码，染色体位串上的每一位基因在（ 0， 1）上随机均匀选择，所以群体初始化至少需要 L*N 次随机取值 [5]。 和其他算法比较 在 GA 被广泛应用之前，优化问题主要有以下几种： （ 1） 基于计算的方法：通过求目标函数导数的零点或一系列迭代计算过程来求最优解。 对多峰问题，这类方法容易陷入局部最优点附近，且要求目标函数有较好的连续性或可微性。 （ 2） 枚举法：在有限的或被离散化的无限搜索空间中比较每一点的目标函数值，求出最优解。 当搜索空间大时，计算量的迅速增加使这类算法失效。 （ 3） 随机算法：这类算法主要有模拟退火算法，模拟退火法在实际应用中较成功，但从一点到另一点的迭代过程使多峰问题陷入局部最优解。 与传统优化算法相比， GA 具有如下特点： （ 1） 搜索过程不直接作用在变量上，而是作用在将变量编码 后的字符串上； （ 2） 搜索过程是从一组解迭代到另一组解，这样可降低陷入局部最优解的可能性； （ 3） 使用的是随机搜索过程而非确定性搜索过程； 对搜索空间没有任何特殊要求，只利用适应性值信息，不需要导数等其它辅助信息，因而适用范围更广。 内蒙古工业大学本科毕业设计说明书 11 第三章 系统功能需求分析 设计思想 系统设计遵循了仓储调度的概念，在设计中模拟实现了仓储调度的过程。 仓储调度主要是从整个商品流通过程的购、销、储、运 等 各个环节的链式关系中，研究货物储存的收、管、发 以 及其相关的经营活动，以及围绕货物储存业务所开展的对人、财 、物的运用与管理。 要包括商品在库信息、入库信息、出库信息、商品位置信息、仓库位置信息以及 管理仓库 的负责人情况，供应商信息、商品分类信息等。 经过分析和调研， 本系统设计实现仓储调度的主要几个模块。 其中这几个模块分为管理员登录模块，公告信息模块，商品信息模块，供应商模块，商品调度模块，日志信息模块，出库模块 ，管理员信息修改模块。 在以上这几个模块中，商品调度模块使用遗传算法会减少对人力和财力的消耗，会比普通的仓储调度更加优化。 因此本课题对遗传算法进行了初步研究，期望能在系统的商品调度模块应用该算法。 系 统功能需求 仓 储 调 度 系 统管理员登陆模块商品调度模块公告信息模块商品信息模块供应商模块出库模块管理员信息修改模块按照供应商查询信息按照商品名查询信息选择商品日志信息模块调度商品存储商品 图 31 系统功能模块图 内蒙古工业大学本科毕业设计说明书 12 在系统的八大模块中，各个模块需要实现其特有的功能。 作为系统的一部分，各个模块之间都存在着相互的联系，系统功能模块划分如图 31 所示。 系统模块功能需求 管理员登录模块 设立 管理员登 录模块的目的就是为了系统的安全性着想。 也就是说只有是该系统的管理员，有该系统的用户名和密码，才能够登录本系统，对系统进行操作。 在管理员模块，需要与数据库进行交互，来取得正确的用户名和密码，这样才能成功登录系统，对 系统进行操作。 公告信息模块 系统中设计公告信息模块 的目的是 为了 减少管理员盘点货物的工作量。 在登录系统后管理员就会看到公告信息中哪些货物库存量不够，需要进行调度，这样管理员就不用去仓库进行盘点，查看商品的数量等。 商品信息模块 商品信息栏显示了目前库中所有商品 的相关信息，当商品出库或者入库后，商品信息都会动态更新。 在这个模块，可以查看到商品的一些基本信息，也可以了解到仓库中存在哪些商品。 供应商模块 这个模块的功能就是为了查看供应商货品的信息，查看的方式有两种，一种是查看 一个供应商提供了多少种商品，一种是查看一舰商品有多少个供应商。 这样的设置可以 为商品的调度提供方便。 商品调度模块 商品调度模块是系统的一个核心模块，在 调度方面，如何调度，如何最大程度上的降低成本，如何减少工作人员的工作量，如何减少操作时间都是非常关键的，而这一模块的设计，采用遗传算法是最合适的。 当。