启发式路径下节约里程的订单分批算法

基于电商配送中心人到货整箱拣选系统,考虑拣选器具和商品包装体积,构造以最大化里程节约量为目标的订单分批模型,提出基于启发式拣选路径下节约里程的订单分批算法,并结合某企业物流中心订单数据对该算法进行仿真实验。研究结果表明,基于启发式路径下里程节约的订单分批方法（D-eco）的求解效果优于先到先服务分批方法（FCFS）和基于相似度的订单分批方法（SBBM）。在5种不同订单池容量下,采用D-eco进行订单分批后拣货人员总行走距离平均比FCFS和SBBM多缩减了12%和2%。     

改进遗传算法求解订单分批优化模型

以流利式货架分区拣选系统为背景,考虑减小相邻拣选区域的作业时间差值以减少任务在缓存区中的滞留时间和拣货员在系统中的等待时间。建立以最小化订单分批数量和最小化所有相邻区域作业时间差值之和为目标的数学模型,设计遗传算法求解其订单分批结果及任务释放顺序;从拣货员拣选的便捷性出发,考虑将周转频率较高的货品存放至拣货员最易拣取的层数,提出了分类随机指派方式。案例分析结果表明：该模型结果在所有任务的总完成时间、总滞留时间、平均履行周期和所有拣货员在系统中的总等待时间等指标上均表现良好;分类随机指派方式从根本上减少了总拣货时间,进而缩短了任务的平均履行周期和总完成时间,提高了系统处理效率和订单响应速度。     

基于嵌套遗传算法的拣货作业联合优化

针对物流配送中心拣货作业过程中传统订单分批和拣货路径分步优化难以获得整体最优解的问题，为了提高拣货作业效率，提出了一种基于嵌套遗传算法的订单分批和路径优化的联合拣货策略。首先，建立了以拣货总时间最短为目标函数的订单分批与拣货路径联合优化模型；然后，考虑双重优化的复杂性，设计了一种嵌套遗传算法对模型进行求解，外层不断优化订单分批结果，内层根据外层订单分批结果优化拣货路径。算例结果表明，与传统的订单分步优化、分批分步优化策略相比，所提策略的拣货时间分别减少了45.6%、6%，基于嵌套遗传算法的联合优化模型得出的拣货路径更短、拣货时间更少。为验证该算法对不同规模订单均有较优性能，分别对10、20、50张订单规模的算例进行仿真实验，结果表明，随着订单量的增加，整体拣货距离和时间进一步减少，拣货时间的减少从6%增加到7.2%。基于嵌套遗传算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题，为配送中心拣选系统的优化提供依据。     

基于嵌套遗传算法的拣货作业联合优化

针对物流配送中心拣货作业过程中传统订单分批和拣货路径分步优化难以获得整体最优解的问题，为了提高拣货作业效率，提出了一种基于嵌套遗传算法的订单分批和路径优化的联合拣货策略。首先，建立了以拣货总时间最短为目标函数的订单分批与拣货路径联合优化模型；然后，考虑双重优化的复杂性，设计了一种嵌套遗传算法对模型进行求解，外层不断优化订单分批结果，内层根据外层订单分批结果优化拣货路径。算例结果表明，与传统的订单分步优化、分批分步优化策略相比，所提策略的拣货时间分别减少了45.6%、6%，基于嵌套遗传算法的联合优化模型得出的拣货路径更短、拣货时间更少。为验证该算法对不同规模订单均有较优性能，分别对10、20、50张订单规模的算例进行仿真实验，结果表明，随着订单量的增加，整体拣货距离和时间进一步减少，拣货时间的减少从6%增加到7.2%。基于嵌套遗传算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题，为配送中心拣选系统的优化提供依据。     

基于混合元启发式算法的订单分批问题

订单拣选是仓库运营管理中一项高劳动强度与高成本的操作,拣货员在仓库中从货位拣选出满足订单需求的货物.订单分批问题(order batching problem, OBP)是订单拣选中的重要规划问题,该问题以最小化拣选批次路径时长为目标,将用户订单分配至拣选批次中.首先,为了优化订单分配构造高质量批次,提出一种混合元启发式算法,在自适应大邻域搜索框架中融入基于不可行下降的局部搜索,同时引入自适应惩罚机制和一批基于订单与基于批次的移除启发式以及新的算法组件;其次,为了优化拣选路径进一步降低批次旅行时间,提出单向启发式,利用动态规划优化组合多个路径策略.实验表明,在合理计算时间内,所提出算法的求解质量优于多重启变邻域搜索(MS-VNS)、混合自适应大邻域搜索及禁忌搜索(ALNS/TS),而且所提出算法的最大路径长度减少率达到22.36%.     

双区型仓库订单分批与拣选协同优化研究

针对订单分拣效率低下导致商品出库缓慢的问题,提出一种基于双区型仓库订单分批与拣选的协同优化模型,设计求解模型的CWDP-BSA（clarke-wright and dynamic programming & backtracking search algorithm）协同优化算法。在节约算法中引入快速排序法对订单组合的距离节约值排序,考虑AGV承载量,运用多阶段决策过程最优策略得出状态转移方程求解订单分批模型,确定初始分批方案;并采取多因子选择的回溯搜索算法求解拣选路径模型,以此确定初始拣选方案。再以以上两方案为基础,建立新的基于订单时间窗的订单分批和拣选协同优化模型并求解,进一步优化订单分批和拣选方案。最后通过对比实验得出,平均每批次订单的拣选距离减少了约24.56%,优化后的拣选时间比优化前缩短了约11.4%,在求解不同规模算例时,CWDP-BSA算法的求解结果优于CPLEX软件和其他算法,验证了模型与算法的稳定性和有效性。实验表明,协同优化后的订单分批与物品拣选策略能够有效提升订单出库效率。     

配送中心多区并行拣货系统投产顺序优化研究

随着电商行业的快速发展，配送中心拣选作业系统与工艺越来越复杂，当批次订单下达后，如何在减少排队的前提下尽量缩短完工时间，已经成为企业提高拣选效率、降低物流成本的重点问题。考虑到当前大型配送中心拣货系统多数采取多区并行拣选策略，且不同结构的订单工艺流程各不相同，以最小化完工时间及最小化集合单排队等待时间为双层优化目标，针对拣货系统从拣选到打包出库的全工艺流程，建立了基于多区并行拣选的拣货系统集合单投产顺序优化模型；围绕求解多目标问题，设计了基于快速非支配排序遗传算法的多目标求解方法，并引入数字仿真方法进行适应度值的计算；最后通过实证分析，证明了算法的有效性。结果表明，该集合单投产顺序优化方法对于提高配送中心拣货系统作业效率具备良好的实用价值。     

不同订单分配和算法下的拣货路径优化组合

针对仓库拣货作业效率低与成本高等问题,运用调度理论和启发式算法展开研究。考虑两种拣取方式下的订单分配情况,分析了京东典型的双区型仓库中存在的问题;运用三元组α/β/γ方法对拣货路径规划问题进行描述,建立最小化总路径的拣货路径规划模型,设计与模型相适应的S型启发算法和遗传算法;进行算例仿真,比较与分析两种拣取方式下的仿真结果。结果显示,将订单分批策略与遗传算法下的路径规划相结合能得到较合理的拣货作业规划。     

跨境电商保税仓库拣货策略研究

针对跨境电商客户订单的多品类且数量不稳定的特点，对跨境电商保税仓库拣货流程进行分析与优化。采用订单动态时间窗分拣策略，并在仓库拣货路径优化的基础上，建立了跨境电商保税仓库拣货模型。最后应用于某公司跨境电商保税仓库管理系统中，取得了较好的预期效果。     

配送中心拣货系统订单处理仿真研究

以某大型IT分销商的配送中心为原型，建立了一个涵盖多种拣货单位，拣货方式、拣货分区，拣货设备等具有代表性的配送中心拣货系统，并采用VB6．0与Microsoft Access编制了配送中心从接受订单开始到产生拣货单和分类单的订单处理模拟程序，仿真运行达到预期效果，可以为配送中心拣货系统的规划决策、现有拣货系统的改善及订单处理软件的开发设计提供参考。     

Algorithms for on-line order batching in an order picking warehouse

In manual order picking systems, order pickers walk or ride through a distribution warehouse in order to collect items required by (internal or external) customers. Order batching consists of combining these – indivisible – customer orders into picking orders. With respect to order batching, two problem types can be distinguished: in off-line (static) batching, all customer orders are known in advance; in on-line (dynamic) batching, customer orders become available dynamically over time. This paper considers an on-line order batching problem in which the maximum completion time of the customer orders arriving within a certain time period has to be minimized. The author shows how heuristic approaches for off-line order batching can be modified in order to deal with the on-line situation. In a competitive analysis, lower and upper bounds for the competitive ratios of the proposed algorithms are presented. The proposed algorithms are evaluated in a series of extensive numerical experiments. It is demonstrated that the choice of an appropriate batching method can lead to a substantial reduction of the maximum completion time.     

Storage assignment problem with travel distance and blocking considerations for a picker-to-part order picking system

Order picking is a key operation in managing a warehouse efficiently. Most previous studies on picking only considered single-picker operation; however, many pickers frequently work concurrently in the same region. Since congestion may occur in such a multi-picker system, waiting time must be taken into account together with travel time and distance when evaluating the efficiency of picking operations. The picking model under investigation can be formulated as a queueing network, and a heuristic storage assignment policy that considers both the travel time and the waiting time simultaneously by minimizing the average order fulfillment time is developed in the paper. An approximation method and a simulation model using eM-plant software are presented to implement the proposed heuristic algorithm and to compare the mean travel time for different storage assignment polices as well. The results indicate that the proposed heuristic policy outperforms existing storage assignment policies in a multi-picker warehouse environment.     

仓储物流机器人批量拣选路径规划仿真

针对仓储物流机器人在拣选作业过程中难以进行高效实时的路径规划问题,提出一种有效的解决方法。首先,根据拣选作业的需要建立一个灵活的仓储空间模型并对拣选作业任务流程进行描述。其次,根据批量拣选作业任务的特点,建立以路径总长度最小为优化目标的旅行商问题的数学模型。再次,提出改进的自适应遗传算法解决旅行商问题。最后,在考虑路径转折角代价的前提条件下,提出改进的A*算法,并与改进的自适应遗传算法相结合实现批量拣选的路径规划。仿真结果表明,该方法具有较快的收敛速度、较小的平均路径长度以及较少的算法运行时间,能很好地适应机器人批量拣选路径规划的要求。      

并行分区拣货系统储位优化设计

主要讨论配送中心并行分区拣货系统的特性,在各分区拣货员拣货速度不同的情况下,提出储位指派算法,通过对品项在各分区间储位的安排以平衡各分区拣货员的作业量;根据拣货作业规则和优化目标,对相关模型及算法进行模拟测试以证明其有效性,为方法的选择与应用提供了依据。     

A storage assignment heuristic method based on genetic algorithm for a pick-and-pass warehousing system

An order storage assignment problem (SAP) is to find an effective way to locate products in a warehouse in order to improve the operational efficiency of order picking. Since SAP is an NP-hard problem, many heuristic algorithms have been proposed. Most of previous researches focused on picker-to-parts warehousing systems or automated storage and retrieval systems. However, pick-and-pass systems play an important role for the faster delivery of small and frequent orders of inventory with the rise of e-commerce and e-business in the global supply chain. Two factors lead to idle time of pickers in a pick-and-pass system: picking line imbalance and shortage replenishment of products. This paper develops a genetic based heuristic method to solve SAP for a pick-and-pass system with multiple pickers to determine the appropriate storage space for each product and balance the workload of each picking zone so that the performance of the system can be improved. A simulation model based on FlexSim is used to implement the proposed heuristic algorithm and compare the throughput for different storage assignment methods as well. The results indicate that the proposed heuristic policy outperforms existing assignment methods in a pick-and-pass system.