可合流的自动分拣系统订单排序优化

现代自动分拣系统广泛采用先分区拣选后订单合流的分拣策略,其中存在着订单排序优化问题. 对此,首先提出一种可压缩式订单合流方法,即提前各分区内订单货物的开始拣选时间,并在订单合流过程中将提前的拣选时间转化为对货物间距的压缩,从而既减少了订单总拣选时间,又避免了合单过程中货物的冲突.由于订单的拣选次序影响各订单的提前拣选时间,进而影响订单总拣选时间,故建立订单排序优化问题的数学模型并归结为旅行商问题(traveling salesman problem, TSP)问题,即各订单类似于待访问的城市,受订单排序影响的各订单拣选时间类似于各城市之间的距离,目标为求得合理的订单排序,从而使得总拣选时间最小. 最后应用最大最小蚁群算法(max-min ant system, MMAS)求解该模型.仿真结果显示,订单排序优化后自动分拣系统的拣选效率有了较大幅度的提高.     

可合流的自动分拣系统订单排序优化

现代自动分拣系统广泛采用先分区拣选后订单合流的分拣策略,其中存在着订单排序优化问题．对此,首先提出一种可压缩式订单合流方法,即提前各分区内订单货物的开始拣选时间,并在订单合流过程中将提前的拣选时间转化为对货物间距的压缩,从而既减少了订单总拣选时间,又避免了合单过程中货物的冲突．由于订单的拣选次序影响各订单的提前拣选时间,进而影响订单总拣选时间,故建立订单排序优化问题的数学模型并归结为旅行商问题（traveling salesman problem, TSP）问题,即各订单类似于待访问的城市,受订单排序影响的各订单拣选时间类似于各城市之间的距离,目标为求得合理的订单排序,从而使得总拣选时间最小．最后应用最大最小蚁群算法（max-min ant system,MMAS）求解该模型．仿真结果显示,订单排序优化后自动分拣系统的拣选效率有了较大幅度的提高．     

基于顺序拣选策略的压缩动态虚拟视窗算法

为缩短虚拟容器长度、减少订单拣选总时间,改进了拣选设备,提出了压缩动态虚拟视窗算法。该方法为每台拣选机设置一个重力缓存区及挡板,拣选时先将货物弹射至到重力缓存区,在缓存区内压缩货物间距;再把货物从重力缓存区合并至皮带输送机,实现货物的密集排列和虚拟容器长度的缩短。基于货物的顺序拣选策略,建立了压缩动态虚拟视窗算法的数学模型。以某地市卷烟配送中心的3批订单数据为例进行了仿真,结果表明该方法将拣选时间缩短了87.45％～87.77％,并且拣选时间随着拣选机弹射速度和重力缓存区货物合并速度的增加而减少。     

自动分拣系统并行分区拣选优化策略

分析自动拣选系统的拣货区数量、缓冲区容量和品项分配与并行分区拣选策略下系统效率的关系,研究各拣货区挡板动作时序对订单拣选总时间的影响,提出一个对并行分区拣选策略的综合优化方法.该方法以总拣选时间最小为目标,确定最佳拣货区数量和缓冲区容量,引入并改进相似系数,建立基于相似系数的品项分配聚类模型,提出一种启发式聚类算法.经对某自动分拣系统进行实例仿真分析,结果表明,该综合优化方法有效.     

配送中心分拣订单合批策略的研究

合理优化货物拣选路径和订单批量策略是劳动密集型配送中心降低拣选成本的一种有效方法。通过分析人工拣选作业和订单合批的特点,从拣选路径、拣选次数、订单提前期3个方面考虑,构造了拣货作业中订单分批的多目标优化数学模型,并分别用先到先服务、基本遗传算法、改进的小生境遗传算法对数学模型进行求解,得出不同的订单数据从执行时间和优化效果方面所对应的最优求解方法。     

基于串并行混合拣选策略的自动拣选系统品项分配优化

面向配送中心自动拣选系统的效率需求,提出了一种新型的串并行混合拣选策略,并设计了品项货位分配的优化方法。针对订单拣选作业,结合串、并行拣选策略的优点设计混合拣选策略:首先选择非干涉品项进行并行拣选,而后针对并行拣选后产生的间隙选择合适品项进行插空拣选,最后对剩余品项进行串行拣选。针对该拣选策略受品项货位分配影响较大的特点,设计了改进的小生境遗传算法对拣选系统的品项货位分配进行优化。仿真试验结果证明了串并行混合拣选策略和品项货位分配优化方法对提高自动拣选系统效率的有效性和可行性。     

基于遗传算法的配送中心订单拣选优化问题研究

以拣选所有订单的行走距离最短为目标,研究了配送中心内订单分批拣选的优化问题.文中采用了遗传算法来优化订单的分批组合,不同于先前的分批优化方法,本文在订单分批时,考虑了种子订单的选择方法,通过种子订单的有效选取,使拣选总距离得到了明显的优化.     

基于智能机器人的“货到人”系统订单排序优化

提出一种适用于"货到人"智能机器人系统的订单排序模型,通过优化订单拣选顺序,增加拣选台内相邻订单和拣选台之间订单的共用货架数量,减少货架的搬运次数,提高货架的出入库效率.把订单的排序看作旅行商问题(travelling salesman problem,TSP),并用改进K-Means聚类算法求解该订单排序模型.选取3组不同批次订单进行仿真验证,优化后系统货架搬运次数平均减少35. 63%.     

基于改进遗传K-均值算法的多品种小批量订单分批方法

针对货品种类多且库位分散的多品种小批量订单问题,构建了以订单相似度最高为目标的分批拣选优化模型,并采用改进遗传K-均值算法对模型进行求解。针对传统K-均值算法中K值人为确定造成聚类结果误差大的缺点,采用密度和最小距离综合最优指标确定多个初始聚类中心,并运用改进遗传K-均值算法确定最优分批数量,进行订单分批优化;得到分批结果后,用穿越式路径方法计算拣选距离,并与简单分批得到的距离进行对比。以某机械设备生产公司售后服务备件仓的订单分批拣选问题为对象进行仿真实验,结果表明该方法有效。     

一种fishbone仓储布局下拣选路径存取协同策略的优化

为了提升仓储物流中心的生产运作效益,基于一种非传统fishbone布局路径优化特点研究的基础上,提出了一种质量、体积双负载约束下的存取协同的策略模式,并构建了拣选路径的优化模型。针对该模型,设计了改进的禁忌搜索算法(TS)进行模拟仿真试验,该算法的初始值部分由遗传算法生成,有效地克服了禁忌搜索算法对初始值的依赖性。应用该算法,针对不同的订单规模和不同的初始负载比例,将传统的拣选模式和存取协同的策略模式下的最短拣货路径距离进行了比较,结果显示存取协同策略模式能够缩短fishbone布局下拣货路径的距离,其优化比例最高可达38%左右,最差的优化结果也有12%,从而提升生产作业效率。