基于云文化算法的装箱优化算法

为解决网络购物中拣选并装箱订单产品的问题,以极小化装箱后的剩余空间、剩余承载能力和由重量引起的不稳定性为优化目标,提出了一个基于拣选和包装的集成装箱模型,对商品订单按照包装容器的容积和最大承载重量进行分割,然后选择包装容器后依序对订单进行包装。并提出了一种基于云文化算法的装箱算法,讨论了装箱算法的详细步骤。最后给出了应用实例,结果表明集成装箱模型是正确的且可行的。     

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。     

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。     

考虑排产约束的汽车零部件出库订单排序优化

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。     

新零售企业的订单拣选及配送联合调度算法研究

基于新零售企业的订单拣选与配送现状,将订单的商品种类、拣选时间、配送的批容量、路径和消耗时间等多种因素综合考虑。首先,将所研究的问题总结为数学规划问题,分别设计了若干种启发式算法;其次,通过数据实验,验证了模型的合理性和有效性,并且比较若干种启发式算法在不同情形下的性能;最后,通过对比试验,指出联合调度算法对新零售企业提升效率和运营水平的积极意义。     

一种配送中心订单拣选方式优化的算法

在假定的单向行走规则和仓库模型的基础上,提出了一种订单按其不同属性进行分批拣选的启发式算法.基于按单拣选和批量拣选的优缺点对比,将提高订单拣选效率和缩短订单提前期作为其目标函数.新增订单,根据订单中品项所在的最大通道的编号和最小通道的编号,运用运筹学方法进行编号,分批拣选;延期订单,根据订单延期程度和客户重要性程度,通过加权计算进行排序,分批拣选.算例分析表明这种决策方法计算简单,容易实现.     

基于NSGA-Ⅱ算法的分区拣选优化

电商背景下的客户订单呈现出多品种、小批量、高频次等特点,给仓库拣选工作带来很大的挑战。为提高拣选效率,在订单完全拆分的分批策略和组合优化的行走策略下,设计了以总服务时间最小、分区工作量平衡度最优和二次分拣效率最高的多目标分区拣选模型。由于3个目标函数之间存在矛盾,设计了NSGA-II算法对多目标优化模型进行求解。通过数值实验,与传统的不拆分订单的分区拣选系统对比,发现在订单批量环境为[1,4]时,分别使总服务时间减少了43.88%,平衡度改善了84.61%,并分析了区域个数、订单总数和订单批量环境对系统效率的影响。     

基于“货到人”拣选系统的动态货位分配研究

目的 为了提高“货到人”拣选系统的订单拣选效率，研究了电商仓库货位初始存储状态为非空情况下的商品货位分配问题。方法 考虑货架上现存商品信息、仓库空余货位数、待补货商品和新收入商品信息，提出基于商品关联度的分散存储策略，以极大化货架上所有存储商品的关联度之和为目标构建商品上架与下架的动态货位分配数学模型，并设计贪婪算法，再采用改进粒子群算法对贪婪算法得到的结果进行优化。结果 基于商品关联度的分散存储策略可以减少货架平均搬运次数29.32%左右。结论 与随机分配策略相比，文中提出的货位分配策略能够有效提升整个电商仓储中心的拣选速度。     

基于蚁群算法的军用车辆器材装箱配载问题

目的对军用车辆器材装箱配载问题进行合理优化,以提高集装箱的空间利用率。方法阐述了军用车辆器材装箱配载问题的重要性,并对装箱配载问题进行理论分析,应用蚁群算法建立数学模型和实现流程,通过实例分析验证该算法的合理性。结果利用蚁群算法模拟与优化装箱配载问题使集装箱利用率达到了88.96%,并确定出了最优的装箱配载方案。结论蚁群算法能够对军用车辆器材装箱配载问题进行合理优化。     

Auto Store仓储系统的运作与效率优化研究

目的 为缓解零售电商商品仓库占地面积广,拣选效率受限等问题。方法 文中就存储策略、指派策略以及路径策略方面对Auto Store仓储系统进行详尽的介绍,在此基础上流程化的分析Auto Store系统完成单次订单拣货作业的业务流程,并运用Anylogic软件对所提出的模型进行仿真和验证。结果 假定订单到达服从Erlang分布,在拣选车和工作站数量和拣选货物数量相同的情况下,对比了Auto Store仓储系统混存布局和传统布局的拣选效率,验证了混存布局的可行性。结论 同时对比基于2种任务指派策略,得出了以基于拣选时间最小化的指派策略下系统运作效率更优这一结论,对理论分析与仿真研究之间的结果进行分析比较,验证了模型的有效性。     

基于混合蚁群算法的箱装农产品单车装载研究

目的提出一种求解考虑包装特点的箱装农产品单车装载优化问题的有效算法。方法针对箱装农产品单车装载中的弱异类货物问题,以容积利用率最优为目标构建装载数学模型;分析农产品成箱包装的特点,并重新描述了货物承重约束和方向约束;针对模型求解提出了一种混合蚁群算法,包括基于砌墙式的启发装载策略,以及改进后的期望函数;最后选取了5组标准数据,构造了1组农产品数据,设置了3套实验方案对算法进行验证。结果实验1中算法较2种比对算法目标值分别高出3%和2.5%;实验2,算法平均体积利用率达到81.59%;实验3,改变初始参数后算法最大目标值为93.9%。结论提出的算法求解单车弱异类货物装载问题有效且性能良好;算法用于求解考虑包装特点的箱装农产品单车装载问题,具有一定的可行性。     

求解集装箱装载问题的混合蚁群模拟退火算法

目的 针对物流行业中存在的大规模、复杂、多规格货物的集装箱装载问题,提出一种基于塔装载启发式算法、二维装载点启发式算法、蚁群模拟退火算法的混合算法。方法 首先,采用塔装载启发式算法将三维待装箱装载成塔集,即将三维装箱问题降为二维装箱问题,有效降低集装箱的装载规模;其次,蚁群算法通过融入信息素选择更新策略,并利用自适应信息素挥发系数来提升算法整体的收敛速度,同时结合模拟退火算法对每代优秀路径集进行局部搜索,避免算法因收敛过快而陷入局部最优;最后,将蚁群模拟退火算法与二维装载点启发式算法相结合,优化每座塔的装载顺序和放置姿态,寻找最优的装载方案。结果 实验证明,在250组算例中,采用混合算法后,集装箱的平均空间利用率为90.92%,优于其他3种对比算法。结论 设计的混合蚁群模拟退火算法适用于解决大规模集装箱装载问题。     

面向批量订单包装的物流箱规格优化问题研究

目的 针对面向仓储物流环境下多型号多批量产品的订单包装问题,提出一种预制物流箱规格优化模型及算法。方法 对产品订单建立订单分包规则,确定分包方案,以订单包装材料总成本最小为优化目标建立物流箱规格优化模型。针对该模型提出一种改进模拟退火算法,通过贪婪策略求解最优分包方案,降低模型计算复杂度,设计一种新型解更新算子,以提高算法寻优能力,设计一种自适应步长策略,以平衡算法前期全局搜索与后期局部搜索的能力。结果 通过实例证明,文中提出的算法相较于其他算法,具有更强的求解能力,与实例企业仓储包装现状相比,同批订单降低了17%的包装材料成本。结论 该方法可用于解决产品种类多、尺寸差异大、动态更新等应用场景下的系列运输包装纸箱规格优化问题,为企业物流运输管理提供了一种有效的包装优化思路和解决方法。     

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。     

基于遗传算法的分区拣选系统储位优化实证研究

目的研究零售连锁企业区域配送中心分区拣选系统下的储位优化方法。方法以某药品连锁零售企业区域配送中心为研究对象,将不同分区的拣选时间趋于均衡作为储位优化目标,结合样本订单与历史订单的特点,建立储位优化数学模型,并采用遗传算法进行求解,以获取约束条件内该模型的最优解。结果在样本订单占80%权重的前提下,将所求得的分区与储位的解所对应的拣选时间,与研究对象的拣选现状进行对比,发现采用均衡各区拣选时间模型的求解结果提高了37.34%的效率,优化效果显著。结论实证研究证明了该模型和算法的有效性,该优化方法也广泛适用于其他分区拣选系统的储位分配作业。     

基于混合遗传算法的多箱型三维装箱问题研究

目的 提高电商仓储领域打包环节包装箱的利用率。方法 针对电商仓储领域多箱型多种物品类型的三维装箱问题,建立混合整数规划的数学模型,设计基于启发式经验规则和多种算子组合的装箱过程模块算法。分别从装箱顺序和带有改进型算子这两方面设计多箱型三维装箱问题混合遗传算法,对装箱方案进行优化。结果 经实验证明,在装箱顺序优化环节PSO–HGA算法系列中,PSO–HGA–S1算法最优。在带有改进算子的混合遗传算法中,IPO–HGA–S1算法最优。结论 文中设计的混合遗传算法能很好地提高电商仓储领域打包环节包装箱的利用率。     

武器维修器材分层装箱算法研究

武器维修器材装箱问题是一个复杂的多约束组合优化问题。在考虑实际约束条件下,分析了武器维修器材装箱问题,采用空间分割、分层装载和最优选择等策略,提出了一种基于启发式的武器维修器材装箱算法,较好地解决了武器维修器材的优化装载问题。     

类模式组合装箱问题模型与精确算法研究

研究基于汽车出场物流实践而提出的类模式组合装箱问题。主要考虑组合装载及运力意向约束,并以最大化商品车装载数量、最大化商品车装载总紧急程度为主要目标。首先建立混合整数规划模型。其次设计基于分枝定界策略的精确算法。最后,通过基于ILOG CPLEX优化工具的数值实验以及案例分析,验证所提出模型和算法的有效性与高效性。     

一刀切约束下的二维装箱问题高效求解算法

目的 为实现大规模物料的快速剪裁切割,对考虑一刀切约束的二维装箱问题进行研究,并构建相应的改进优先度算法IPH(Improved Priority Algorithm,IPH).方法 IPH能够在不需要任何迭代搜索下,直接进行剩余空间分割与填充.为此,发展PH算法中的优先度放置规则,并以最大化生成大空间面积和最小化生成小空间面积为基础,设计改进砌砖式空间分割策略.结果 针对标准数据集的对比实验表明,IPH能够在较短时间内完成大规模算例的高效求解,并首次获得了多个算例的最优填装效果.结论 基于概率较优的启发式求解方法,能够实现无迭代优选下的一刀切二维装箱问题直接求解,且运算效果令人满意.