1.一种悬挂线自动分拣系统的分拣调度模型，其特征在于建模过程如下：

1)设定悬挂线自动分拣系统的组成结构

悬挂线自动分拣系统包括构成一组的多个环形线、一条输送线和主分拣线；

所述构成一组的多个环形线中，每个环形线上均沿着其运动环线悬挂有若干用于存储产品的悬挂单元，每个环形线的悬挂单元中均存放同一种产品，不同环形线上存放的产品不同，各个环形线均与存储区相连，用以从存储区进行补货；在系统运行的过程中，每个环形线上的悬挂单元中存储的产品都在不停地绕环运动，起到对产品进行暂存的作用；

所述存储区用以对悬挂线系统的各个环形线分别进行补充产品；

所述主分拣线沿着线边环形方向的不同位置设置多个分拣打包口，用于对来自悬挂线系统的各个环形线上输出的产品进行分拣打包；

2)设定悬挂线系统的各个环形线的出货规则

从悬挂线系统的各个环形线上输出存储有产品的悬挂单元，输出的悬挂单元沿着输送线送到主分拣线上，然后由主分拣线将悬挂单元中的产品送到线边的分拣打包口对订单进行打包，且每个分拣打包口同时只能打包一个订单，因此通过设置各个环形线的出货规则，可以控制进入主分拣线的产品的顺序和数量；其中，在打包一个订单时，各个环形线采取倒序的方式输出产品，按照与主分拣线的距离由远及近，将不同产品沿着同一条输送线按先后顺序依次紧跟连续输向主分拣线，这样通过控制各个环形线输出产品的时间点和输出产品数量，使得订单包含的所有产品能够以最小间距前后相邻地连在一起，从而使得整体订单的输送长度最短；

3)对模型所使用到的参数及变量的符号进行定义

J：订单集合：J＝{1，...，J}，订单数量为n；

I：分拣打包口集合：I＝{1，...，I}，分拣打包口数量为m；

Sij：表示订单j在分拣打包口i上开始打包的时间；

Tij：表示订单j在分拣打包口i上打包所需的时间

Cmax：表示分拣打包口处理完所有订单后的最大完工时间；

kj：表示订单j中产品的数量；

p：表示分拣打包口i中整理一件产品所需要的时间；

q：表示分拣打包口i中处理完上一个订单后的换箱时间；

v：表示悬挂单元的移动速度；

d：悬挂线系统中，相邻悬挂单元在移动时的最小间距；

xijt表示若订单j是在分拣打包口i上进行打包的第t个订单，则为1，否则为0；

4)确定悬挂线自动分拣系统的分拣调度模型的目标函数：当悬挂线自动分拣系统接收到订单后，将自动生成订单分拣任务；订单按照步骤2)中的规则进行出货，同一个订单的产品前后相邻进入到主分拣线进行分拣打包；对整个自动分拣系统，需要通过优化订单与分拣打包口的分配，以及确定各个分拣打包口中订单的打包顺序来提高分拣效率，最终需要使得分拣完所有订单的时间最短，即最小化最大的分拣时间：目标函数表达式如下：

MinCmax               (1)

5)模型需要满足以下约束条件：

最大完工时间要大于或等于任意一个订单的分拣结束时间，即：其中，每个订单的分拣打包时间与订单包含的产品数量，以及分拣打包口的换箱时间、悬挂单元的移动速度相关，即：在模型中，任意一个订单开始打包的时间均要大于或等于0，因此约束条件如下：Sij≥0               (4)

每一个分拣打包口一次只能打包一个订单，且在每一个分拣打包口内，后一个订单打包的开始时间要大于或等于前一个订单打包的结束时间，因此约束条件如下：每一个订单都需要被分拣打包，且只能被打包一次：

最后是决策变量xijt只能取0或1；

xijt∈{0,1}              (8)。

2.如权利要求1所述的一种悬挂线自动分拣系统的分拣调度模型的优化求解方法，其特征在于包括以下步骤：

1)编码

首先需要确定染色体特征，每一条染色体就代表一个解，染色体的编码需要体现出以下两个方面：①订单与分拣打包口的分配；②每个分拣打包口上打包的订单的顺序；

采用实数编码的方式，染色体的长度表示所需调度的订单的数量，染色体基因位置号与订单号对应，同时，染色体上的每个基因位上的数字为分拣打包口的编号，表示该基因位对应的订单分配给该编号的分拣打包口，且染色体上某个基因位上的编号第几次出现，则表示该基因位对应的订单在该编号的分拣打包口处排第几个进行打包作业；

2)初始化种群

设计种群规模为N，种群由一组染色体组成，由于已经确定了染色体的编码方式，因此通过在每个基因位随机生成分拣打包口的编号，得到一组初始可行解，即种群；

3)解码及适应度计算

解码时，从左到右遍历个体的染色体序列，将所有相同数字，即分拣打包口编号，对应的订单时间进行累加，分别得到各个分拣打包口的工作时间，取其中最大的一个，即为这批订单的总分拣时间；

而分拣完所有订单的总时间最小即为最优的调度方案，因此，适应度函数取分拣总时间的倒数，这样可以使得分拣完所有订单的总时间最小，其适应度值最大；令f(xi)表示适应度函数，则有：

4)选择

采用轮盘赌选择法，计算以下两个概率：

①个体选择概率：

②累积概率：

其中f(xi)为个体xi的适应度函数值，N为种群大小，Q(xi)的最大值为1；

在进行选择时，随机产生一个在区间(0,1)内的值，然后判断该值落在哪个区域内；P(xi)越大，在整个轮盘中所占的面积比例也越大，随机值落在该区域的几率也越大；

5)交叉

通过上一步的选择操作，可以选出用于进行交叉操作的染色体；通过染色体的交叉操作，使得父代个体按照一定的规则进行部分基因的相互交换，从而得到新的个体；

采用单点交叉的方式，即每条染色体上只设置一个交叉点，以此可以将染色体分成两个部分，染色体两两交叉，形成新的子代染色体；

6)变异

在进行交叉操作之后，采用位置互换变异法进行染色体的变异操作，即首先随机选择一条染色体中的两个不同位置，再将这两个位置上的分拣打包口编号进行互换；

7)精英保留操作

精英保留操作是为了防止最优个体在种群迭代进化的过程中丢失，其操作过程是将每一代中较优的部分个体，即精英个体保留下来，使这部分个体不参与到选择、交叉、变异的过程中；当剩余部分个体完成选择、交叉、变异的操作，得到新的种群时，再将上述精英个体插入到该新的种群中；

而为了使各代种群的大小保持不变，在保留精英个体的同时，需要在步骤4)的选择操作时将一部分差的个体淘汰出去，具体操作过程为：添加一个代沟概率，计算选择而留下的种群大小与原种群大小之比的比值ratio，从而得到每一代种群中会保留该比值ratio的精英个体直接加入下一代种群，而在下一代种群中剔除该比值ratio的最差的个体，以此保证种群整体的数量不变；通过与轮盘赌选择法结合，淘汰掉上一代中适应度值较低的个体，最后将上一代种群中适应度值较高的个体重新插入经过交叉、变异后的子代种群中，以此可以确保当前种群中较优的个体可以被连续地传播到下一代；

8)终止条件

最后，设计算法迭代的终止条件，设置最大迭代次数，终止条件是为其设置终止进化代数。