1.一种基于多人同时拣货的仓库最短路径优化方法，其特征在于，包括：第一，对仓库作业环境进行假设并建立数学模型；第二，考虑基于多人同时拣货的最短路径优化目标，根据出库单确定所需拣货员人数，同时以总拣货路径最短为衡量标准建立目标函数；第三，在遗传算法的遗传操作中引入分隔符的概念并结合基于累积概率改进的选择算子实现对算法的改进，以此对目标函数求解，获得多人同时拣货的最优拣货路径集合；第四，采用基于时间窗的拣货路径冲突消除策略对获得的路径集合进行规划，当存在路径冲突时采取考虑优先级的等待策略，获得每条路径的拣货时间；第五，对每条路径的拣货时间进行比较，采用用时最短的路径作为优化结果；

建立基于多人同时拣货的最短路径优化目标函数，包括以下步骤：步骤2.1，根据出库单确定所需拣货员人数，包括以下步骤：步骤2.1.1，获得出库单，包括货物种类、重量和体积；

步骤2.1.2，依据货物种类、重量和体积信息获得待出库货物所在的货位点编号；

步骤2.1.3，确定所需拣货员人数：令 其中mi、vi分别表示每个货位点待拣货物的重量和体积，M、V分别表示每辆小推车的最大载重量和最大承载体积，N表示待拣货位点的总数量，符号 表示向上取整，考虑到拣货工人费用的问题取较少的那一个作为拣货员人数K＝min{K1，K2}；

步骤2.2，考虑所有拣货人员的总拣货路径最短，建立如下目标函数：其中，

其中，S为所有拣货员的总拣货路径，K为拣货员人数，nk为第k个拣货员所需拣货的货位点数量，rki表示货位点在第k个拣货员的拣货顺序中为第i个，rk0表示拣选中心， 表示第k个拣货员所需拣选的第i个货位和第i‑1个货位之间的距离， 表示第k个拣货员拣选完nk个货位点后返回拣选中心的距离，l表示货架长度，W1表示货架宽度，W2表示巷道宽度， 表示货位点的横坐标， 表示货位点的纵坐标，且两者均为正整数，其中表示拣选中心；

步骤2.3，约束条件为：

式中，xij为决策变量，且xij＝{0,1}，若拣货作业工人在拣货时由货位点i拣货完成后接着到达下一货位点j，则xij＝1，否则，xij＝0， 表示拣货作业进行到货位点i时，当前拣货车上已拣取货品的总重量。

2.根据权利要求1所述的一种基于多人同时拣货的仓库最短路径优化方法，其特征在于，所述对仓库作业环境进行假设并建立数学模型，包括以下步骤：步骤1.1，对所述拣货人员及其作业的仓库环境进行分析，做出以下假设：

1)所述仓库划分为拣货中心与仓储区，其中仓储区负责存放货物，当有出库任务时，拣货人员首先把货物从仓储区拣选至拣货中心，在拣货中心进行货物清点后再出库；当没有出库任务时，拣货人员位于拣货中心待命；

2)所述仓储区的货架采用x排y列z层的摆放方式，货架与货架之间等距，每个货位大小相同，且每个货位的承重能力相同；

3)所述拣货人员在仓储区进行拣货作业时，默认在各拣货点所需的拣货时间相同，因此不作考虑；

4)每辆小推车所承载的货物重量不得超过其最大载重量；

步骤1.2，对多人同时拣货所处的作业空间进行数学描述如下：

1)对每个货位进行自然数编号，编号从1,2,3,...,直到最后一个货位，其中1号货位表示第1排第1列第1层位置上的货位，2号货位表示第1排第2列第1层位置上的货位，以此类推，拣货中心编号为0；

2)将仓库投影到平面直角坐标系，每个货位对应坐标系上的一个坐标点，拣货员及小推车在二维平面环境中运动。

3.根据权利要求1所述的一种基于多人同时拣货的仓库最短路径优化方法，其特征在于，第三步具体包括以下步骤：

步骤3.1，编码：采用实数编码对个体进行编码，为了使得编码个体符合多人同时拣货的条件，在编码中引入0作为分隔符，用来区分不同拣货人员的拣货路径，同时0也表示拣货区，1,2,3,...,L表示各个货位点，则拣货路径可编码为(0,1,2,3,4,0,5,6,7,8,0,9,...,L,0)，其中0的数量为K+1个，(0,1,2,3,4,0)表示第一个拣货员的拣货路径为从拣货区到第

1个货位点再到第2个货位点，再到第3个货位点，以此类推；

步骤3.2，初始化种群：按照种群数目随机生成Q个个体；

步骤3.3，适应度函数计算：选择适应度函数，对于每个个体计算适应度函数值；

步骤3.4，选择：采用基于累积概率改进的选择算子；

步骤3.5，交叉：采用常用的两点交叉算子，在相互配对的两个个体编码串中随机设置两个交叉点，然后交换两个交叉点之间的元素，交叉的目的是为了产生新个体，即产生新的拣选路径，提高种群的多样性；

步骤3.6，变异：采用小范围变异，依据概率pm随机选择除0元素以外的元素进行变异操作，变异也是为了产生新的货物拣选路径；

步骤3.7，重复步骤3.4～步骤3.6，直到适应度达到预期或者达到迭代次数，并输出最优的种群集合。

4.根据权利要求3所述的一种基于多人同时拣货的仓库最短路径优化方法，其特征在于，采用基于累积概率改进的选择算子的步骤如下：步骤3.4.1，计算每个个体的适应度值，记为Tq；

步骤3.4.2，根据适应度值计算出每个个体被选中的概率；

步骤3.4.3，如果产生的新种群中最优解的适应度值小于上一代的最优解的适应度值，则上一代的最优解替换新的种群中适应度值最差的个体，以此实现选择概率的累积。

5.根据权利要求3所述的一种基于多人同时拣货的仓库最短路径优化方法，其特征在于，交叉和变异操作进行以下的条件约束，以保证产生的新个体的合法性：如果交叉生成的新个体的各个元素中除了0以外的元素有相同的元素，则从待出库货物货位点集合中随机选择一个数字替换该元素，直到所有除了0以外的元素均是合法的待出库货物的货位点为止；

如果交叉生成的新个体中0元素的数目超过K+1个，则在新个体中随机选择除第一个和最后一个以外的0元素与配对生成的个体中的非0元素进行互换，直到两个新个体中的0元素数目均为K+1个。

6.根据权利要求1所述的一种基于多人同时拣货的仓库最短路径优化方法，其特征在于，所述第四步的具体步骤如下：

步骤4.1，对于每条拣货路径，首先考察第1个拣货员的拣货路径，将该路径经过的各单位路径时间窗计算出来，初始化各单位路径时间窗集合F(ek)；

步骤4.2，考察当前路径剩余拣货员的拣货路径，获得剩余拣货员要经过的边的集合E；

步骤4.3，依照拣货员的优先级顺次考察集合E中的项，判断是否存在空闲时间窗，若是，则在该路径上不存在冲突，拣货员可以顺利完成相关货位点的拣货任务，同时更新该边的时间窗集合F(ek)；若否，执行步骤4.4；

步骤4.4，此时拣货员在该路径上存在冲突，采取考虑优先级的等待策略，当拣货员到达冲突路径时，优先级低的拣货员等待优先级高的拣货员先通过，冲突消失后继续通行，同时将优先级较低的拣货员在此边的时间窗后移，更新该边的时间窗集合F(ek)；

步骤4.5，重复步骤4.3～步骤4.4，直到集合E中的所有项均考察完为止，输出当前路径的最终拣货时间；

步骤4.6，对于最优拣货路径集合中的每条路径均做上述考察，获得该集合中每条路径的最终拣货时间。

7.根据权利要求1所述的一种基于多人同时拣货的仓库最短路径优化方法，其特征在于，所述第五步包括以下步骤：

步骤5.1，比较最优种群中各条路径的最终拣货时间，采用用时最短的拣货路径作为优化结果；

步骤5.2，对当前路径进行解码，其中第1个0和第2个0之间的数字表示第1个拣货人员的拣货路径，第2个0和第3个0之间的数字表示第2个拣货人员的拣货路径，以此类推，则第K个0和第K+1个0之间的数字表示第K个拣货人员的拣货路径，其中0与0之间的数字表示货位点，0表示拣货区。