买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种基于遗传算法的智能制造车间物流两段式调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116681365B 。

龙图腾网通过国家知识产权局官网在2025-07-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310556996.3，技术领域涉及：G06Q10/083；该发明授权一种基于遗传算法的智能制造车间物流两段式调度方法是由谢乃明;刁存艺;王玉全设计研发完成，并于2023-05-17向国家知识产权局提交的专利申请。

本一种基于遗传算法的智能制造车间物流两段式调度方法在说明书摘要公布了：本发明实施例公开了一种基于遗传算法的智能制造车间物流两段式调度方法，涉及智能制造技术领域。本发明包括：建立以总拣货距离最短为目标函数的任务分批与路径优化两阶段优化模型，针对研究问题调用遗传算法，嵌套甬道式仓库路径策略进行求解，设计适用于本问题的交叉、变异策略，提高求解精度，能够自动化实现订单分批，使得拣货的总路程最短。从而解决智能制造车间物流“任务分批—路径优化”两阶段调度问题，从而优化了智能车间物流中的订单分批调度方式，提升智能车间的综合生产效率。

本发明授权一种基于遗传算法的智能制造车间物流两段式调度方法在权利要求书中公布了：1.一种基于遗传算法的智能制造车间物流两段式调度方法，其特征在于，包括： S1、获取所述智能制造车间的生产系统的订单需求信息； S2、根据预设的路径规划策略和所述订单需求信息，建立对应订单拣选任务的目标函数； S3、建立与所述目标函数相关联的订单分批及拣货路径规划模型； S4、利用遗传算法通过所述订单分批及拣货路径规划模型，获取订单分批及拣货路径的优化结果； 在S3中，包括： 以拣货总距离最短为目标函数，建立订单分批及拣货路径规划模型； 所述目标函数的约束条件包括：一个AGV负责一个批次的拣货任务，从分拣站出发并返回同一个分拣站；和，每个AGV负责的批次里所有的货物小于或等于其最大容量； 在订单分批及拣货路径规划模型中，包括： 将每个订单中的每种货物都分配到一个批次中； 对分配了货物的批次的容量进行约束，其中包括：确保每个订单里的所有货物都只能在一个批次中拣选且订单不可分割，和，每个批次的每种待拣选货物只在一个货架上被拣选； 在订单分批及拣货路径规划模型中，包括： 对于每个批次，若在货架s取了货物k，则该货架s必须被访问； 针对每个批次生成对应的回路，其中，在生成的回路中，负责该批次的AGV离开分拣站后还会返回该分拣站，并且，在到达所需访问的货架前AGV剩余的负载大于等于该货架待取物品的总重量； 在订单分批及拣货路径规划模型中，包括：子模型2至子模型7； 通过子模型2和子模型3，将每个订单中的每种货物都必须且只能分配到一个批次中； 通过子模型4对批次的容量进行约束； 通过子模型5约束每个订单里的所有货物都只能在一个批次中拣选，其中订单不可分割； 通过子模型6确定每个批次所有需要拣选的货物； 通过子模型7约束每个批次的每种待拣选货物只能在一个货架上拣选； 其中，子模型2至子模型7包括： 其中，V表示所有点的集合，VS为所有货架的货架集合，VD表示所有分拣站的集合；A表示任意两个节点i和节点j点之间的弧的集合，M为所有需要拣选的货物集合，表示包含货品k∈M的货架集；O表示所有订单集合，Mo表示订单集合O中的一个订单o中的所有待取货品集合，o∈O，Bd表示每个分拣站的批次集合； Q表示一个批次AGV的最大负载，wok表示订单o中的货品k的重量,k∈M；zksdb为0-1变量，在批次b∈Bd中，在货架取了货物k；ukodb为0-1变量，若订单o∈O中货品k,k∈M在分拣站d的批次b∈Bd中拣选，ukodb＝1，否则ukodb＝0；yijdb为连续变量，表示弧i,j的负载； 在订单分批及拣货路径规划模型中，通过子模型8、9处理每个批次，其中：若在货架s取了物品k，则该货架必被访问；通过子模型10表示构成线图，并形成回路，其中，子模型8至子模型10包括： 其中，xijdb表示一种取值0-1之间的变量，xjidb表示另一种取值0-1之间的变量，xsjdb表示再一种取值0-1之间的变量； 在分拣站d的批次b中，经过弧i,j时，xijdb＝1，否则xijdb＝0； 在分拣站d的批次b中，经过弧j,i时，xjidb＝1，否则xjidb＝0； 在分拣站d的批次b中，经过弧s,j时，xsjdb＝1，否则xsjdb＝0。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。