基于鱼骨型仓库布局的多车拣选路径问题优化

为了推动鱼骨型仓库在实际场景下的应用,针对鱼骨型仓库布局下的拣货路径优化问题,构建待拣货点距离计算模型和以有载重、容积限制的多车拣货距离最短为总目标的拣选路径优化模型。考虑遗传算法(GA)全局搜索能力强、粒子群算法(GAPSO)收敛速度快以及蚁群算法(ACO)较强的局部寻优能力,提出一种解决拣选路径优化模型的混合算法(GA-PSO-ACO)。通过不同订单规模的仿真实验,得出该混合算法在适应度值、迭代次数、收敛速度等方面均优于GA算法和GAPSO算法,且在订单规模较大时,平均适应度值约降低8%,有效缩短了总拣选距离,验证了混合算法在解决鱼骨型仓库布局下的拣货路径问题的先进性和有效性,为解决此类仓库内部的拣货路径问题提供新的解决方法和思路。     

双区型仓库动态拣货策略的设计及路径优化研究

目的 针对双区型仓库,以拣货时间最短为目标函数构建数学模型,进一步提高拣货效率。方法 提出并设计动态货位调整与人工拣货协同作业的动态拣货策略,分别采用GA算法和GASA算法进行最优化求解。结果 GASA算法优于GA算法,拣货单为1张情况下的拣货时间可减少4%;与静态拣货策略相比,拣货单为10张情况下,采用GASA算法时,文中设计动态拣货策略下的拣货时间可减少6%,且随着拣货单数量的增加,拣货时间节约占比越大。结论 GASA算法较GA算法其求解动态拣货路径优化问题更高效、优化结果更好。文中所提动态拣货策略更方便实施,在静态拣货路径优化基础上,可进一步提高拣货效率,且拣货单越多,效果就越显著。     

可移动货架下的储位选择与拣货路径联合优化

随着电商直播等在线模式的兴起，订单异质化加重，商品需求变化比以往更快。面对频繁变化的订单，许多电商仓库选择使用更加柔性的存储模式，如可移动货架，对仓库的存储布局进行快速调整，进而更好地进行拣货作业。针对分散存储策略和可移动货架下的订单拣货路径进行研究，提出一个包含储位选择与拣货路径的联合优化模型和货架移动优化模型的双层优化模型，设计一种双层元启发式算法框架，最后利用不同规模的数值实验对模型和算法的有效性进行验证。     

固定路径下多阶段货位调整研究

提出固定路径下多阶段货位调整方法,它将传统的货位指派分割为多阶段、小规模的动态货位调整过程,并在拣货过程中进行调整。首先,扩展现有的路径策略,设计了前进和返回交替进行的启发式路径策略。然后,基于动态出货量轮盘赌算法来计算候选商品被选择的概率,在此基础上考虑工作量均衡得到最终货位调整方案。最后,与传统方法进行实证研究,结果表明,在平均订单规模较小和需求偏度较大时,该方法能够有效地提高仓库的拣货效率,并且在大多数情况下,巷道内调整优化效果明显,跨巷道调整适合返回型拣货路径策略。     

可变路径人工拣货系统动态货位调整研究

考虑在线零售企业的时变需求,基于逐步求精、渐进式优化的思路,通过实时、动态调整商品在仓库中的存储位置来响应需求的快速变化,并允许拣货员改变其行走路线,在订单拣货的同时进行货位调整。构建了可变路径下动态货位调整框架模型;提出前进和返回交替进行的回转路径策略,并对路径调整策略及商品选择策略两个关键进行研究;通过实验验证模型的有效性。结果表明,在订单规模中等,需求偏度较大时,动态货位调整可节约25%左右的拣货距离,货位优化效果明显,可为在线零售企业科学实施动态货位调整提供理论指导。     

拣货方式、存储策略与路径策略协同研究

对拣货方式、路径策略与存储策略进行协同研究,设计了具有代表性的策略组合。推出了不同路径策略下,实际拣货路径长度的计算公式。通过对各种策略组合仿真结果的比较分析,确定了3种策略的相对重要性:1）分批策略对减少拣货作业总时间影响最大;2）分类存储策略比随机存储策略所需的行走路径缩短很多;3）路径策略对拣货行走的时间的减少明显小于分批拣货方式和分类存储策略带来的拣货作业时间的减少。具体决策时,应优先考虑分类存储策略和分批拣货方式,在确定其已经有效的情况下再考虑路径策略,以使拣货效率达到整体最优。     

子母穿梭车式立体仓库复合作业路径优化

目的研究子母穿梭车式立体仓库中复合作业路径优化问题,有利于提高系统运行效率,降低成本。方法对于子母穿梭车式立体仓库在一次存取货作业中复合作业方式的实际调度路径,考虑到其运动机构的加(减)速度,以完成复合作业总时间最短为目标建立数学模型。针对该系统复合作业的运行特征,提出一种结合遗传和蚁群算法各自优点的混合粒子群算法进行优化求解。结果实例验证可知,与粒子群算法和蚁群算法相比,文中提出的混合粒子群算法具有性能稳定、优化效率更高等优点。结论文中所提复合作业路径优化方法能够有效地缩短子母穿梭车式立体仓库的复合作业时间,提高了进出库调度效率。     

服装样片裁剪空行程路径的优化算法

服装样片裁剪空行程路径是影响裁床裁剪效率的重要因素,裁剪路径优化有助于提高裁剪效率。针对裁剪空行程优化问题,先构建了裁剪空行程路径的数学模型,结合遗传算法和蚁群算法的优势,提出了遗传蚁群混合算法优化裁剪空行程。算法先利用遗传算法的快速搜索能力建立蚁群算法的初始信息素分布,然后采用蚁群算法求精确解,最后建立仿真实验验证混合算法的可行性,与基本遗传算法相比,混合算法具有较优的全局优化性能。     

基于Flexsim的某医药物流中心拣货流程优化研究

目的将Flexsim仿真软件应用于医药物流行业,以提高医药物流中心零货库拣货流程的运作效率。方法以某大型医药物流中心为研究对象,根据该零货库区的布局,使用Flexsim仿真软件进行建模仿真,并根据订单拣选作业流程运用Flexsim脚本语言和C语言进行了编程。分析模型运行结果,找出了瓶颈,并对拣货流程进行了优化。结果优化后的流程,提高了拣货作业的效率,缩短了拣货时间。结论采用建模仿真的方法,找出拣货流程的瓶颈问题,并进行合理优化,可以提高医药物流中心零货库的拣货效率。     

基于荷兰式拍卖机制的RMFS货位指派研究

目的对移动机器人拣货系统(RMFS)的货位指派问题进行研究,提出基于荷兰式拍卖机制的货位指派模型来提高RMFS的拣货效率。方法构建荷兰式拍卖模型并按周转率对指定区域的SKU进行逐步调整,以货位指派匹配度为期望指标,实现SKU的需求模式与仓库存储结构之间的合理匹配。结果通过与随机指派模型对比发现,在不同仓库规模、需求偏度、订单规模等情况下,基于荷兰式拍卖的货位指派方法可以使拣货路程下降21.15%、工作时间平均下降20.57%左右。结论与传统指派方法相比,提出的货位指派模型可以大幅度降低RMFS系统的拣货距离和时间,大幅度提升在线零售企业的RMFS的拣货效率。     

基于有限缓存区的多任务并行分拣调度研究

通过对某物流车间的实际调研,将自动化立体仓库出货台空间限制作为优化问题的约束条件,建立订单并行分拣模式下堆垛机调度问题的模型,并采用蚁群算法进行求解。在求解过程中,根据问题假设设定了算法相关的状态转移概率公式,并采用动态更新信息素浓度的改进型方式避免传统蚁群算法早熟的情况。最后根据工厂的实际订单信息给出了算例,并通过两种不同算法和不同参数设置的比较,说明通过蚁群算法求解该优化问题的有效性。数值试验显示该蚁群算法相比传统优化算法效率提升了10.5%。     

改进蚁群算法在物流配送路径中的应用

针对物流配送路径优化问题的特点,分析了基本蚁群算法的不足之处,并对原有蚁群算法进行改进.同时引入"扰动因子"和"奖惩"机制,建立数学模型,进而对物流配送车辆路径问题进行了实验仿真.结果表明,改进后的蚁群算法提高了全局寻优能力与收敛速度,取得了较好的效果.     

Joint optimisation of order batching and picker routing in the online retailer’s warehouse in China

Order picking is the core of warehouse operations and considerable researches have been conducted on improving its efficiency. In this paper, we aim at the joint optimisation of order batching and picker routing based on a famous and typical online retailer of China, which mainly focuses on fast-moving consumer goods. An integer programming is formulated to minimise the total travelling distance involving with order batching and picker routing. In the stage of order batching, an effective batching procedure based on similarity coefficient which is measured by overlapping channels between orders is proposed. In the stage of picker routing, an improved ant colony optimisation algorithm with local search is proposed. Based on those simulated orders generated by actual transaction data, numerical experiments are conducted to verify the performance of the algorithm we proposed. Results show that the proposed joint optimisation algorithm has potential advantages under various order sizes and order structures, which implies that it is effective and efficient particularly in the online retailing of fast-moving consumer goods.     

基于蚁群算法的多Agent任务分配

应用蚁群算法来解决MAS的任务分配问题这一类典型的组合优化问题．研究表明,在求解复杂优化问题方面该算法具有一定的优越性．首先建立了任务分配的数学模型,并导出分配优化的目标函数;其次利用蚁群算法分布式求解的特点实现任务分配的组合优化．仿真结果表明,该算法比禁忌搜索和随机方法具有更好的求解能力．     

求解VRP问题的混沌模拟退火萤火虫算法

目的使萤火虫优化算法(GSO)能够适用于车辆路径问题(VRP)的求解,同时提高该算法的求解性能。方法通过对GSO算法的改进,提出求解VRP问题的混沌模拟退火萤火虫优化算法(CSAGSO)。首先,设计改进的GSO算法(IGSO)使IGSO算法能够适应VRP问题的求解;其次,在IGSO算法中引入模拟退火机制,提出模拟退火萤火虫优化算法(SAGSO),使IGSO算法可有效避免陷入局部极小并最终趋于全局最优。然后,在SAGSO算法中引入混沌机制,提出CSAGSO算法,对SAGSO算法的荧光素浓度值进行混沌初始化和混沌扰动;最后,对标准算例集进行仿真测试。结果与遗传算法、蚁群算法和粒子群算法相比,CSAGSO算法的全局寻优能力、收敛速度及稳定性均改善了50%以上。结论对GSO算法的改进是合理的,且CSAGSO算法的全局优化能力、收敛速度和稳定性均优于遗传算法、蚁群算法和粒子群算法。     

基于自适应蚁群优化的Volterra核辨识算法研究

提出了一种基于自适应蚁群优化(AACO)的Volterra核辨识方法。该方法将蚁群算法应用于Volterra时域核的辨识,并能够随着进化次数的增加,自适应调整基本蚁群算法的参数。同时,与相应的基于蚁群优化(ACO)的Volterra核辨识方法进行了对比分析。仿真结果表明,本文提出的方法与蚁群优化辨识方法不论在无噪声环境下,还是在有噪声干扰下,都能得到很好的辨识精度、收敛稳定性和较强的鲁棒抗噪性能,然而,在收敛速度方面,本文提出的方法优于蚁群优化辨识方法。     

DISTANCE APPROXIMATIONS FOR ROUTING MANUAL PICKERS IN A WAREHOUSE

This paper evaluates and compares strategies for routing a manual picker through a simple warehouse. It expands on previous work, in which optimization algorithms were developed, by deriving equations which relate route length to warehouse attributes. Several rules of thumb are derived for selection of order picking strategies and optimization of warehouse shape.