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。     

自动化立体仓库拣选路径优化问题研究

利用蚁群算法结合遗传算法来求解固定货架拣选的TSP问题,通过MATLAB对随机产生的10个和30个待拣选货位点的拣选作业路径优化进行了仿真试验.仿真结果表明:对于待拣选货位点数目有较大范围变动的情况,该方法能够对拣选路径进行全局优化;利用蚁群算法结合遗传算法求解固定货架拣选TSP问题时,在拣选的货位点数量适中的情况下(10～30),变异概率值在(0.008～0.020)之间是最优的.     

自动化立体仓库拣选路径优化问题研究

利用蚁群算法结合遗传算法来求解固定货架拣选的TSP问题,通过MATLAB对随机产生的10个和30个待拣选货位点的拣选作业路径优化进行了仿真试验。仿真结果表明：对于待拣选货位点数目有较大范围变动的情况,该方法能够对拣选路径进行全局优化;利用蚁群算法结合遗传算法求解固定货架拣选TSP问题时,在拣选的货位点数量适中的情况下（10～30）,变异概率值在（0．008～0．020）之间是最优的。     

基于遗传算法的仓库拣选作业优化与eM-Plant实现

在建立了仓库拣选作业优化模型的基础之上,提出了用遗传算法(GA)求解堆垛机拣选作业最优路径的具体方法,并在一个实例中用eM-Plant软件中的遗传算法模块实现了仓库拣选作业的仿真优化。     

基于遗传算法的仓库拣选作业优化与eM—Plant实现

在建立了仓库拣选作业优化模型的基础之上，提出了用遗传算法（GA）求解堆垛机拣选作业最优路径的具体方法，并在一个实例中用eM—Plant软件中的遗传算法模块实现了仓库拣选作业的仿真优化。     

复合拣选策略下堆垛机作业序列优化问题

订单拣选是配送中心最费时费力的环节,配送速度不仅是新型电商的核心竞争力也是大型制造企业物料配送的核心指标,复合式拣选策略成为提高配送速度的重要方式。结合复合式拣选方式中货物之间不同的出货要求,将货物按照出货的紧急程度进行分类,建立了以能耗成本、作业时间以及出货惩罚值最小化为目标的堆垛机拣选作业序列多目标优化模型。通过改进带精英策略的非支配排序遗传算法(NSGA-Ⅱ)实现该问题的高效求解。算例分析表明,复合式拣选策略下可实现大多数订单的提前拣选,改进优化算法可为决策者在成本、效率和服务质量3个维度提供科学决策依据。     

基于遗传算法的自动化立体仓库储位优化研究

针对自动化立体仓库中货物储位分配策略研究关于多目标数学模型关键性问题。根据立体仓库中货物最佳位置分配的原则和策略,建立合理的货物出入库效率、货架稳定性和货物周转率的3个目标函数模型。根据立体仓库高效性能构建货物存取效率的调整优化模型,借助MATLAB程序对实际货物储位布局实例进行计算和求解并利用遗传算法获得了最优迭代解。仿真结果表明：采用遗传算法可以有效地优化货物储位分配,降低货架质心来提高稳定性,提高存储效率,改善和提高仓库智能化性能。     

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。     

有容量限制的自动化立体仓库堆垛机路径规划优化方法

针对自动化立体仓库堆垛机拣选的路径规划问题,为了实现提高堆垛机运行效率的目的,提出了一种优化方法。首先,针对有容量限制的堆垛机拣选路径规划问题,将其转化为多个旅行商问题的组合问题,构建了一种以出库时间最短为目标的堆垛机拣选路径规划优化模型。其次,采用整数编码,以有重复的整数串代表个体,采用分段交叉和单点交换变异实现遗传进化,使用改进的遗传算法对模型加以求解。最后,通过案例分析验证了所提方法的有效性。     

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.     

供应链物流配送路径优化节约算法改进研究

针对供应链物流配送中的有时间窗约束集送货一体化路径优化问题研究了基于C-W节约算法的改进算法。提出了以集货量和送货量共同作为客户点归并的判断条件,把时间窗约束转化为里程,用里程数来控制客户点的归并、插入和时间窗约束的计算,实现了多个目标(里程、集送货一体、载重、时间窗)的路径优化;算法在实现中对合并点归并位置进行了深入研究,根据归并点的特点和约束条件的不同,进行了分别处理,获得了较好的优化结果。该改进的节约算法有效的减少里程数、用车量,节约了费用、降低了成本。     

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。     

考虑时间窗和装载约束的装配线集成物流调度

针对电动工具装配车间物料配送的集成调度问题,考虑配送时间和配送效率,将集成调度方案划分为两个层次,以空间利用率最大化为目标构建基于标准化料箱的物料装载模型,并将物料装载约束与装配车间配送路径规划问题有机融合,结合装配流水线的动态需求时间窗信息,构建考虑时间窗和最优装载约束的车辆路径最优配置模型,保证配送及时性和成本优化双重目标要求,给出了基于遗传算法的模型求解方法,并通过不同规模问题的算例验证了模型和算法的有效性。以南京D公司电动工具装配车间实际背景为例,提出了物流调度方案,进一步表明该模型和算法能够有效提高车辆装载率并降低车间物料配送成本,具有实际应用价值。     

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%。     

一对多集送货VRP的两阶段贪心算法研究

针对一对多集送货点的车辆路径优化问题研究两阶段贪心算法TPGA。第一阶段确定任务内部的路径;第二阶段选择任务间的优化路径。建立了开放式、单车场、单车型环境下,有最大行驶里程约束、有时间窗约束问题的数学模型。案例验证了算法的可行性和有效性;通过对TPGA和改进C-W运算结果的分析比较,说明TPGA算法获得较好的优化结果。     

自动导向小车与加工设备多目标集成调度的聚类遗传算法

针对AGV与加工设备的集成调度问题,在考虑AGV无冲突路径规划的情况下,建立了以最大完工时间、AGV运行时间及机器总负荷为优化目标的调度优化模型,提出一种基于时间窗和Dijk-stra算法的多目标自适应聚类遗传算法.根据算法在不同迭代时期的特点,提出一种包含自适应个体交叉概率的交叉重组策略;设计了自适应种群变异概率;引...     

基于时间窗约束的车间物料配送路径优化方法

针对混流生产车间物料配送需求的准确性和及时性,综合考虑实时生产状态和不确定因素,以实时生产数据为依据,动态计算各工位配送时间窗,并用正态模糊数的隶属度表示工位满意度。在此基础上,建立以配送成本最低为目标,以时间窗、运载能力和持续能力为约束的物料配送路径优化模型。采用基于禁忌搜索的改进遗传算法求解模型,该算法将禁忌搜索的记忆功能融入遗传算法中,防止遗传算法陷入局部最优。最后,通过实例验证该方法的有效性和可行性。     

自动化立体仓库堆垛机拣选作业调度研究

将堆垛机拣选作业调度归纳为旅行商问题，并从遗传算法角度，研究了求解堆垛机拣选作业调度最优路径的具体方法。经过仿真试验验证，这一方法完全可行。     

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。     

基于二次清运的回收车辆路径研究

针对在硬时间窗约束下回收车辆需对同一个智能回收机柜进行1～2次清运的路径规划问题,运用混合整数规划对车辆调度进行数学建模,构建硬时间窗约束的VRP模型,通过大M法把非线性约束转化为线性约束优化运算速度,实现对多辆回收车辆的系统化调度以及部分机柜的二次清运.实验结果显示,在满足时间约束下,松山湖片区的回收车辆得到系统化调...