基于遗传算法的“货到人”拣选系统订单分批优化

针对物流仓库“货到人”拣选系统中的拣货员拣选次数过多和拣货效率低的问题,提出一种基于遗传算法的订单分批优化策略,使大量多元化和零散化的订单得到高效分批并减少物料箱出库频率和拣货次数。首先建立以所有订单拣货总次数最小为目标的订单分批优化模型。其次,以标准遗传算法为基础改进遗传算法的交叉策略,验证相比于不使用遗传算法的情况下,使用本文的遗传算法优化策略的高效性。最后,为了找出更优异的优化策略,对改进的三种交叉策略进行对比实验,发现随着物料种类增多时,文中改进的第一种交叉策略拣选次数比其他两种少。仿真实验结果表明,该订单分批优化策略提高了系统的拣选效率,证明了此遗传算法解决订单分批问题的有效性。     

改进自适应遗传算法求解“货到人”拣选系统订单分批问题

“货到人”拣选系统采用自动导引运输车(Automated guided vehicle,AGV)实现自动拣选作业,由AGV搬运货架到拣选站台,再由拣选人员从货架上拣取商品。订单分批作为拣选作业的准备工作,是影响AGV搬运次数和人工拣货次数的关键因素,优化订单分批策略对提高“货到人”拣选系统效率至关重要。在电商智能仓库背景下,综合考虑订单需求多种商品、商品多货架分布存储、订单与货架供需匹配关系未知等实际因素,以人工拣选成本和AGV搬运成本之和最小为目标构建数学模型,并设计改进自适应遗传算法求解。该算法采用启发式策略生成初始种群,引入具有自适应变换概率的交叉和变异算子,并加入局部搜索过程以增强寻优能力。最后通过试验测试验证模型和算法的有效性,证明种群初始化方法的优势,并采用灵敏度分析给出合理的周转箱数量配置建议。研究可为电商企业通过订单分批优化提高拣选效率、降低拣选成本提供实践指导,为“货到人”拣选系统的实际应用提供科学依据。     

基于并行拣选策略的自动拣选系统品项分配

为提高自动拣选系统工作效率,建立了基于并行拣选策略的品项分配问题数学模型.该模型的优化目标是将需求相关性大的货物品项分配到不同拣货区,使得各订单拣选量均衡分布在各拣货区.模型中引入了相似系数表示任意两品项间的相关性,并根据自动拣选系统的特点加入拣选量因子,按照是否体现拣选量差异性设计了两种改进相似系数.为求解该模型,提出了一种启发式聚类算法.仿真分析表明,使用该算法求解后,采用改进相似系数的模型可得到更好的结果,且体现拣选量差异性的相似系数最优.     

基于聚类算法的订单分批策略研究

订单分批是物流中心提高作业分拣效率的一个有效方法。主要针对“货到人”模式下的订单分批问题,构造了基于聚类算法的数学模型,并以最小化货物搬运次数为目标函数进行求解。通过在不同规模的订单数据下,比较基于聚类算法的分批策略与采用先到先分批策略、不分批策略在拣选作业中的实际效果,表明该算法能有效提高分拣任务的作业效率。     

考虑拆分策略的智能仓库订单拣选优化问题

智能仓库中用智能拣货车和拣货机器人代替了传统的拣货员,从而能实行更加有效的拣货方案.针对以最小化总延误时间为目标的智能仓库的订单拣选问题,考虑订单可以被拆分的情形,提出订单拆分策略,并建立了相应的非线性0-1整数规划模型.为高效求解智能仓库订单拣选优化问题,将问题的模型分解为订单分批阶段和批次分配阶段,并分别设计订单分批算法和智能果蝇优化算法.数值实验结果表明,拆分策略能明显减小智能仓库中订单拣选的总延误时间;通过与同类型算法的比较发现,所提出的智能果蝇优化算法具有更优越的性能.     

基于并行拣选的自动拣选系统品项拆分优化

为提高自动拣选系统的工作效率,建立了基于并行拣选的品项拆分模型。该模型的优化目标是使每个拣选机可在订单合流前完成对货物的缓存。模型采用延迟因子表示订单合流时间与货物缓存时间的差值,并通过证明得出通道延迟因子与延迟时间具有相同变化趋势的结论。为求解模型,设计了基于延迟因子的启发式拆分算法。仿真结果显示,采用启发式算法可使拣选时间缩短8.55%～11.7%。     

基于并行拣选的自动拣选系统订单拆分优化

为减少等待时间,进一步减少整个订单的拣选时间,将原有订单拆分为多个子订单,并建立基于并行拣选的订单拆分数学模型,该模型的优化目标是通过对订单进行拆分来减少等待时间。为求解模型,提出订单拆分必要条件。在此基础上设计了启发式禁忌订单拆分算法。仿真结果显示,采用启发式算法可使拣选时间缩短14.39%～15.62%。     

“货到人”拣选系统订单排序优化

"货到人"拣选系统采用"出库-拣选-回库"的拣选模式,货箱出入库频率高成为制约拣选效率的关键。为降低货箱出入库频率,进而提高系统拣选效率,提出订单排序优化模型。定义订单耦合因子表示两个订单之间可放置于拣选缓存中的共用货箱数量,并以此作为模型参数,将优化目标由提高拣选效率转化为降低货箱出入库频率。模型中,每个拣选台内的订单排序优化问题可归结为旅行商(Tranvelling salesman problem,TSP)问题。为求解模型,提出改进的K-Means聚类算法。计算每个订单与其他订单间的耦合因子,并对其进行排序;以单拣选台所有订单的耦合因子之和最大为目标,为每个拣选台分配订单并对订单进行排序。仿真结果显示,优化后系统拣选效率提高15.9%。     

一种两类“货到人”订单拣选系统的适用性选择方法

提出一种能在两类"货到人"订单拣选系统(即自动存储及取货系统(Automated storage and retrieval system,AS/RS)和Carousel系统)之间依据不同订单类型进行系统适用性选择的系统优化方法。订单拣选系统最常用的两种作业策略分区策略和分批策略本质上都是对订单的聚类,因此订单可以被分为很多一维单元化网格;根据各系统的逻辑运动关系,得到单元化网格的拣选时间表达式;利用作业时间模型和空间填充线,对单元化网格进行聚类,得到二维系统的总订单拣选时间,采用遗传算法计算各系统的最优值;比较各系统的时间选择适用性,即选择总订单拣选时间更小的系统。通过对四类不同类型的订单进行试验研究,初步得出两类系统对四类订单的适用性分析和系统参数敏感性分析。     

多目标下的自动化立体仓库拣选作业路径优化

自动化立体仓库系统是在计算机直接控制和管理下自动存取并实现综合自动化管理货物的多层仓库存储系统,其中,堆垛机作业时间长短直接影响仓库存储效率的高低.针对堆垛机拣选作业模式,提出了自动化立体仓库拣选作业的新型数学模型,并对遗传算法初始种群进行改进,用改进后的遗传算法对该模型进行了求解.     

自动化仓库旋转货架拣选优化

对自动化仓库旋转货架拣选优化问题进行了描述,提出了求解该问题的分层遗传算法（HGA）。根据具体问题对低层和高层采用了不同的进化策略,详细介绍了HGA算法的原理。通过实际算例运算及分析,表明HGA对解决自动化仓库旋转货架拣选优化问题的有效性。     

The optimum design of a warehouse system on order picking efficiency

From literature review and deep understanding on the practical industry, it is understood that the proper use of storage assignment policies can use minimum storage space to reach the purpose of minimum total traveling distance, and this has a direct impact on enhancing the order picking performance. At the same time, proper routing planning can minimize overall order picking cost, and finally reach the goal of picking performance enhancement in unit time. Therefore, this paper considers the effects on the order picking system performance for factors such as quantity and layout type of cross aisles in a warehouse system, storage assignment policy, picking route, average picking density inside an aisle, and order combination type, etc. A software, eM-plant, will be used as a simulation and analysis tool, a warehouse design database will be developed, which is based on the minimum overall traveling distance as the optimum performance index, the cross aisle quantity, warehouse layout, storage assignment, picking route planning, picking density and order combination type will be optimally integrated and planned in the warehouse system. Finally, we provide this database to the industry as a reference in the warehouse planning or warehouse design improvement in the future .     

Fluid-based Slotting Optimization for Automated Order Picking System with Multiple Dispenser Types

Slotting strategy heavily influences the throughput and operational cost of automated order picking system with multiple dispenser types, which is called the complex automated order picking system (CAOPS). Existing research either focuses on one aspect of the slotting optimization problem or only considers one part of CAOPS, such as the Low-volume Dispensers, to develop corresponding slotting strategies. In order to provide a comprehensive and systemic approach, a fluid-based slotting strategy is proposed in this paper. The configuration of CAOPS is presented with specific reference to its fast-picking and restocking subsystems. Based on extended fluid model, a nonlinear mathematical programming model is developed to determine the optimal volume allotted to each stock keeping unit (SKU) in a certain mode by minimize the restocking cost of that mode. Conclusion from the allocation model is specified for the storage modules of high-volume dispensers and low-volume dispensers. Optimal allocation of storage resources in the fast-picking area of CAOPS is then discussed with the aim of identifying the optimal space of each picking mode. The SKU assignment problem referring to the total restocking cost of CAOPS is analyzed and a greedy heuristic with low time complexity is developed according to the characteristics of CAOPS. Real life application from the tobacco industry is presented in order to exemplify the proposed slotting strategy and assess the effectiveness of the developed methodology. Entry-item-quantity (EIQ) based experiential solutions and proposed-model-based near-optimal solutions are compared. The comparison results show that the proposed strategy generates a savings of over 18% referring to the total restocking cost over one-year period. The strategy proposed in this paper, which can handle the multiple dispenser types, provides a practical quantitative slotting method for CAOPS and can help picking-system-designers make slotting decisions efficiently and effectively.     

双拣货区自动分拣系统品项分配优化

提前拣选、压缩合流的分拣策略使双拣货区自动分拣系统的拣选效率明显高于单拣货区自动分拣系统,基于此提出该策略下品项分配优化问题。介绍压缩合流的工作原理,确定双拣货区的品项分配对订单的压缩程度及提前拣选时间的影响。以负的各订单提前拣选时间之和最小为目标函数建立数学模型,该模型可归结为0-1规划问题并应用最大最小蚂蚁系统算法求解。实例仿真与分析证明了该算法的有效性。     

基于视觉的采摘机器人目标识别与定位方法研究综述

目标识别和定位的精度直接关系到采摘机器人采摘效率、质量和速度。本文对近年来采摘机器人的目标识别和三维定位的研究工作进行了系统性的总结和分析,综述了果蔬识别和定位的几种主要方法:目标识别:数字图像处理技术、基于机器学习的图像分割与分类器和基于深度学习的算法;三维定位:基于单目彩色相机、基于立体视觉匹配、基于深度相机、基于激光测距仪和基于光基3D相机飞行时间的三维定位。分析了影响果蔬识别和定位精度的主要因素:光照变化、复杂的自然环境、遮挡以及动态环境干扰下成像不精确。最后对采摘机器人目标识别与定位的未来发展作了几点展望。     

串行分拣系统储区定位方法的研究

配送中心串行分拣作业系统中,产品相关性原则和工作量均衡原则是进行合理的分拣区储区定位、提高作业效率的2个重要原则。本文在充分研究这2个原则对串行分拣作业系统的影响的基础上,建立了工作区定位数学模型,应用数据挖掘中的关联规则方法挖掘产品品项间的相关性,并借鉴聚类思想提出启发式算法进行模型求解,最后将该方法应用于某配送中心的实际案例中,使用真实的运营数据仿真,验证了该方法的有效性。     

拣选式自动化仓库堆垛机作业路径简易优化算法

分析了自动化仓库堆垛机拣选作业的运行特点，给出了堆垛机拣选作业旅行商数学模型的常用优化算法。结合拣选作业的数学模型和固定货架的物理结构，构造了一种适合工程应用、编程简单的环状作业路径，并将该算法与最近邻居法和混合遗传算法进行了分析比较。仿真实验和工程实际应用表明，该算法能有效提高系统的工作效率。     

一种鱼骨仓储布局下的拣选路径优化方法

根据一种非传统鱼骨(fishbone)布局的特点，基于仓储运作约束条件建立了拣选路径优化模型，构造了非传统货位距离矩阵；在标准遗传算法基础上，通过进化逆转算子克服标准遗传算法存在早熟收敛和局部搜索能力较差等问题，给出了一种多种群遗传算法；为验证算法的有效性，在不同订单规模下，将多种群遗传算法与标准遗传算法和S-Shape算法进行比较，应用MATLAB软件仿真分析，一系列实验结果表明多种群遗传算法计算结果最优，并且寻优速度更快于标准遗传算法，能够很好地解决鱼骨仓储布局下的拣选路径优化问题，提高仓储智能化水平。     

仓储企业分区拣货作业优化策略

随着商品流通量急剧增加,订单趋于小型化及商品的多元化,仓储企业常通过订单拣货作业将客户订单所需要的货品收集起来.通过分析拣货作业现状,提出高校而精确的拣货策略,指出动态分区拣货作业中协同调度思想,并用实际事例递进演示了协同调度机理,并证明了其有效性.