发布时间 : 星期三 文章立体仓库中英文对照外文翻译文献更新完毕开始阅读406956a67d1cfad6195f312b3169a4517723e583
则一个巷道就拥有1560个存储位置。由于一个系统对仓库中大量巷道进行服务的话，将会大大降低其系统实际效率。所以在不考虑5个或更多巷道的情况下，就由一个S/R系统对所有巷道进行服务。对于仓储密度，我们假定仓库中的使用率为60%、75%和95%。Bozer 和 White对仓储形状的配置进行了相关描述为，仓储形状，它是一种对于货架高度与长度的空间比例，假设仓储容量与S/R系统的水平和垂直速度都是常数。那么我们将这3个值设定为（0.6,0.73和1）。
此外还要补充的是，对上述每种情况的描述中，5种不同的指令为别是1，2，3，4和5，5种所要求的货物编码分别是一，二，三，四和五。
4.2.结果
在个人电脑配置是：“奔腾III,1000MHz的处理器,512 MB内存和2 GB虚拟内存”的情况下进行了试验。结果列于表1和表2中。表1表示在3种运算法下，4种类型“S/R系统平均行程时间”和“S/R系统平均CPU占用率”。两种仓储参数（仓储密度和形状）的组合形成了每个仓库(仓库分别有1、2、3和4个巷道)的9种情况，每种情况下的值表示了5种命令下的平均值。表2表示在仓储形状为0.6和1，4种巷道情况下的平均行程时间和平均CPU占用率。
在表格中，例证法、现有巷道探索式算法和遗传算法分别用“Enumeration”，“CAH”，“GA”所表示。
5.分析结果
通过对表1分析可知，在所有情况下的各类仓库(1，2，3和4个巷道)，CAH算法是能获得最大行程时间和最小CPU占用率的解决方案。换而言之，它是占用较小CPU使用率的方法。然而，它对S/R系统的行程时间超过了其他两个。
在仓库中只有一个巷道的情况下，通过遗传算法解决获得的方案中89%为最佳的方案。其余的方案里次优和最优的解决方案平均只相差0.09％（但需要更大的CPU时间）。在拥有2个3个和4个巷道的仓库中，遗传法提供的11%的解决方案为最佳方案，其余方案里，获得方案与最佳方案差别不大，分别是2巷道相差3.86%，3巷道相差4.83%和4巷道相差4.69%。
仓库中巷道的层架数目会影响到运算效率。由于增加的总数是实际问题中出现的，例证法中要增加较大的CPU占用率才能获得最佳解决方案。然而在大多数情况下，遗传法则需要相比于例证法较少的CPU占用率就能完成S/R系统的最佳方案。
表格1. 3种算法的性能
表格2.3中算法在仓储形状上的比较
此外，运算方法的性能是受货架配置所影响的。表2显示了通过对S/R系统的平均行程时间和平均CPU占用率在多巷道中的两种仓储形状（0.6和1）的比较。在此表中