基于多层前馈神经网络仓储拣货优化问题的研究
Research on the Optimization of Warehouse Picking Based on Multi-Layer Feed Forward Neural Network作者机构:沈阳航空航天大学辽宁 沈阳
出 版 物:《应用数学进展》 (Advances in Applied Mathematics)
年 卷 期:2020年第9卷第11期
页 面:2010-2016页
学科分类:08[工学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:曼哈顿距离 Kronecker Delta TSP问题 多层前馈神经网络
摘 要:仓储拣货问题中,实时规划拣货路线一直是难点。由于货架之间互相形成障碍,距离难以用欧氏距离给出,且已知距离后路线规划缺乏行之有效的方法。本文分为两部分,首先采用曼哈顿距离和Kronecker delta给出货架间的距离,将拣货路线转换为TSP (旅行商)问题。第二部分采用性能高、训练快等优点的神经网络智能算法,基于多层前馈神经网络的自适应反馈,形成结果反馈控制和闭环,实现求解TSP问题过程的循环优化。结果发现上述方法简化了拣货路径计算,得到了拣货单的最优拣货顺序及最小距离。