立体仓库固定货架拣选作业优化研究

目前,我国大部分立体仓库中已基本使用先进的机械化设备,但是对于固定货架的拣选作业优化问题方面的研究却没有得到人们重视。应用TransCAD软件优化求解堆垛机最优拣选作业路径,并进行模拟仿真。     

基于混合算法的单堆垛机多巷道拣选作业调度研究

针对单堆垛机在多巷道自动化仓库中的拣选路径规划问题,建立了求解含周转箱约束的堆垛机拣选作业最短路径数学模型,提出用遗传模拟退火混合算法进行求解。通过Matlab分别对不同算法进行实例仿真,结果表明：该混合算法克服了遗传算法早熟,以及模拟退火算法收敛性慢的缺点,求出的解更优,收敛速度更快,稳定性更好。该混合算法具有可行性和高效性。     

考虑非对称情形的一类拣选问题的改进LK算法求解

分析并推证出单巷道固定货架的拣选优化问题可归结于对称或非对称旅行售货商问题，研究了一种新型的改进LinKernighan (LK)算法，并将其应用于固定货架的货物拣选优化过程中。实验仿真结果表明，用该算法能降低固定货架对称和非对称拣选优化时间和空间计算的复杂度，快速、稳定地找出最优解，满足了多次作业时待拣选货物数目变动范围较大的要求。     

考虑排产约束的汽车零部件出库订单排序优化北大核心CSSCI

针对TPL仓库面向汽车零部件企业的产前物料拣选和配送作业环节,研究了JIT生产模式下配送送达时间限定和生产线缓冲库容量有限条件下的出库作业拣选订单排序的优化模型及算法。在分析现有拣选订单排序模式的基础上,提出了融合现有模式优点的新作业模式,建立了该模式下拣选订单排序优化模型,并针对这一整数组合优化模型,设计了一套基于贪心理论的算法对其进行求解。通过实际案例分析表明,该模型及算法可以达到减少拣选作业空余时间、提高作业效率、降低作业成本的目的。     

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。     

基于二进制粒群的拣选作业优化

目的提高电子标签拣选系统中拣选作业的效率与货位占有率。方法以某电子拣选库为研究对象,提出以订单完成度、货位占有率以及货位聚集度为目标的拣选优化模型。设计基于二进制粒子群算法(BPSO)和遗传算法(GA)的模型求解仿生算法。结果试验及优化结果表明,基于BPSO的电子拣选库订单的完成度、货位占有率以及货位聚集度较遗传算法更高。结论基于二进制粒子群算法求解的优化模型较符合实际的电子拣选库人工拣选作业,同时仓储作业货位的利用率及拣选效率得到了提高。     

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。     

考虑并行分区的智能接力拣选系统储位分配问题研究

本文研究了一类考虑并行分区的智能接力拣选系统的储位分配问题,建立了多目标混合整数规划模型,旨在最大化订单拣选量的同时使各分区的工作负荷均衡,从而降低拣选时间。针对问题的特点,设计了求解该类问题的两阶段优化算法。经过对某第三方仓储企业进行实例研究,数值结果表明设计的算法可以有效求解本文的储位分配问题。     

基于烟花混合蚁群的移动机器人路径规划研究

目的 以应用于包装车间的移动机器人的路径规划作为研究对象,解决蚁群算法收敛速度慢、寻找到的路径不优等缺陷。方法 引入改进烟花和蚁群融合的方法进行搜索,首先建立移动机器人的栅格地图,其次采用改进烟花算法进行路径粗搜索,将得到的路径作为信息素增量,再运用蚁群细搜索求解。结果 文中方法与传统方法相比,收敛速度得到提高,并寻找到了更优的路径。结论 通过采用融合算法,弥补了烟花寻优的不足,加快了蚁群的收敛,可以对2种算法互相取长补短。     

考虑冲突避免的多AGV路径规划研究

目的 提高物流企业“货到人”拣选系统在实际生产中的工作效率，避免自动导引小车(AGV)间的冲突死锁，研究大规模多AGV的无冲突路径规划和协同避障问题。方法 首先考虑AGV空载、负载情况和路径扩展成本，改进A^*算法，动态调整代价函数，优化路径扩展方式。其次，提出冲突检测及避免算法，对可能产生局部冲突的路径交叉点进行避障调度，通过预约锁格，实现局部冲突的检测，制定优先级避障策略，解决AGV动态行驶路径上产生的局部冲突和死锁，进而实现全局无冲突路径规划。结果 对多组不同任务量和不同AGV规模的场景进行仿真，实验结果表明，考虑冲突避免的改进A^*算法能有效实现100个任务、90个货架单位和7个拣选站场景下的多AGV动态路径规划，相较于传统A^*算法，其平均拣选时长缩短了52.61%。结论 该方法可实现大规模场景下的多AGV动态路径规划，在付出较小转弯代价的同时有效避免局部动态冲突，该方法可为相关企业实现多AGV协同调度提供新的思路和理论依据。     

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。     

面向仓库货架的商品智能拣选机器人设计

目的 为降低仓储拣选作业的劳动强度、提高拣选准确率,设计一款可代替人工拣货的拣选机器人。方法 基于PaddlePaddle的PP-ShiTu图像识别系统,实现货架商品的精确识别和种类的快速更新;针对低成本机械臂的视觉抓取问题,提出基于“无标定3D视觉+AGV运动控制”的货架商品抓取引导方法;采用二维码自主导航和智能升降系统实现了货架商品的搬运和立体抓取。结果 实验证明,所设计的拣选机器人实现了货架商品的精确抓取和搬运,测试准确率达到了92.25%。结论 基于该方法构建的智能拣选机器人,可以完成仓库货架商品的拣选和搬运。     

基于改进遗传算法的自动拣选系统 拣选位分配建模与优化

针对某自动拣选系统建立了拣选位分配优化模型,以拣选时间模型作为适应度函数,并通过判断海明距离添加一个惩罚函数对遗传算法进行了改进,对算例进行仿真实验,可以得到货位排序优化后,总拣选时间明显降低了27.85%。结果表明,货物拣选位的分配对自动拣选系统的拣选效率有很大的影响。要想降低总拣选时间,提高自动拣选系统的拣选效率,不能只考虑个别种类货物的位置分配,要从全局的方向去考虑。该研究对配送中心如何提高自动拣选系统的效率提供了理论支持。     

基于拣货员协同合作的订单拣选策略研究

本文对单区块人工作业系统中多个拣货员在拣货作业过程中发生的拣选堵塞问题展开研究。构建基于协同合作的拣选路径模型,通过交换拣选订单,动态调整拣选路径,减少拣选堵塞的产生。案例分析结果表明,与S型策略相比,协同合作策略在减少拣选堵塞、缩短订单服务时间方面具有明显的优越性。最后,从影响拣选作业效率的可控因素角度进行敏感性分析,了解不同情况下协同合作策略对拣选作业效率优化的具体表现。     

汽车零部件立体仓库货位优化问题研究

以立体仓库库存为研究对象,从物流仓储管理角度,研究了货位分配优化问题。分析了汽车零部件货位布局优化原则,建立多目标货位分配优化数学模型,对遗传算法进行了算子设计,运用Matlab软件实现模型的求解,得出可行的货位优化方案。最后结合实例进行多目标货位优化数学模型求解及应用,并以三维仿真图形展示了优化效果,验证了所设计的遗传算法的有效性,对同类问题的解决具有参考意义。     

仓库中箱装军用物资垛位优化研究

垛位是否合理是影响仓库箱装军用物资供应保障能力的一个重要因素。对仓库中箱装军用物资采取的地面堆垛的方式,探讨了其垛位优化原则,建立了垛位数学模型,研究了箱装军用物资堆垛的列宽及主洞口到各垛位的距离,提出了优化目标函数,对该函数进行了求解,最后选用实例进行了验证和说明。     

基于多智能体强化学习的自动化电力仓库货位优化

自动化仓库的货位优化是提高仓库效率的重要途经之一。本文针对电力仓库货位优化问题,采用基于多智能体强化学习的方法,提升优化效果。首先分析DDPG算法和MADDPG等算法的不足;然后在此基础上提出改进算法ECS-MADDPG及其模型。在该算法中,同时考虑当前时间点的即时奖励和未来奖励因素;最后利用电力物资的历史出入库数据,应用强化学习算法训练货位优化模型。研究表明,与MADDPG、DDPG等算法相比,ECS-MADDPG拥有较高的稳定性和回报值。