基于蚁群算法的双分区仓库拣货路径的优化

为提高现代仓库作业中拣货这一核心环节的效率,研究了仓库拣货路径的优化,提出了根据双分区仓库中拣货路径的特点,采用蚁群算法优化求解的拣货路径算法,并通过仿真将该算法的性能与传统穿越策略、S形启发式算法进行了比较。比较结果表明,以蚁群算法优化路径问题可以明显减少路径的距离,具有良好的实用性。     

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。     

拣货方式、存储策略与路径策略协同研究

对拣货方式、路径策略与存储策略进行协同研究,设计了具有代表性的策略组合。推出了不同路径策略下,实际拣货路径长度的计算公式。通过对各种策略组合仿真结果的比较分析,确定了3种策略的相对重要性:1）分批策略对减少拣货作业总时间影响最大;2）分类存储策略比随机存储策略所需的行走路径缩短很多;3）路径策略对拣货行走的时间的减少明显小于分批拣货方式和分类存储策略带来的拣货作业时间的减少。具体决策时,应优先考虑分类存储策略和分批拣货方式,在确定其已经有效的情况下再考虑路径策略,以使拣货效率达到整体最优。     

基于工作量均衡的分区同步拣货系统储位分配与评价

对基于工作量均衡的分区同步拣货系统储位分配模型中的相似系数进行了重新定义,根据被拣货物具有一定质量和体积的实际,在充分考虑品项实际订购数量的前提下,提出了当量订购次数的概念和计算公式。为检验储位分配效果,提出了系统利用率评价函数。算例结果及分析表明,修改后的模型更符合实际,有助于决策者根据不同情况作出正确决策。     

基于Flexsim的某医药物流中心拣货流程优化研究

目的将Flexsim仿真软件应用于医药物流行业,以提高医药物流中心零货库拣货流程的运作效率。方法以某大型医药物流中心为研究对象,根据该零货库区的布局,使用Flexsim仿真软件进行建模仿真,并根据订单拣选作业流程运用Flexsim脚本语言和C语言进行了编程。分析模型运行结果,找出了瓶颈,并对拣货流程进行了优化。结果优化后的流程,提高了拣货作业的效率,缩短了拣货时间。结论采用建模仿真的方法,找出拣货流程的瓶颈问题,并进行合理优化,可以提高医药物流中心零货库的拣货效率。     

基于货架寿命的乳制品配送车辆路径优化研究

目的 基于货架寿命对库存和配送进行优化研究,降低冷链过程中的乳制品损耗,保证乳制品的质量,降低企业成本,提高消费者的满意度。方法 考虑到货架寿命对配送的影响,在研究货架寿命的基础上,建立乳制品货损率与货架寿命的关系式。在时间窗约束下,以总成本最小为目标,分别构建未考虑货架寿命的配送车辆路径优化模型和考虑货架寿命的配送车辆路径优化模型,并通过改进遗传算法对2种模型进行求解分析。结果 对比2种模型的最优结果,发现在1个配送周期内,基于货架寿命配送的总成本比不考虑货架寿命的运输总成本低3.71%。结论 该研究在一定程度上可以为物流企业减少配送成本,提高企业的经济效益。     

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。     

质量体积双约束下车辆装载与配送路径联合优化研究

目的 针对质量与体积共同限制的配送路径问题,综合考虑订单不可拆分、货物的体积等约束,构建包含路径最短和装载率最高双目标的车辆装载与配送路径联合优化模型。方法 在车辆路径优化模型的求解方面,首先利用聚类算法对配送区域进行划分,然后通过车辆的载质量判断是否能进行站点货物的配送,最后利用遗传算法求得最优路径。在三维装载模型的求解上使用贪心算法和基于块的启发式算法,解决了货物的装箱问题。结果 基于某公司具体实例对模型与算法的可行性进行了验证,优化后配送的车辆减少了1辆,配送距离减少了154.247km,平均装载率达到了93.89%,节省了企业的配送成本。结论 所构建的模型以及求解的算法可以提高装载率和配送效率,为解决车辆装载与配送路径联合优化问题提供理论依据。     

外卖配送路径多目标实时优化研究

随着外卖行业的不断发展,外卖配送的路径优化问题已引起学者们的广泛关注。但现有研究未将骑手的目标考虑在内,且未考虑动态场景下多目标如何设定权重的问题。因此,本文对外卖配送路径的多目标实时优化进行深入研究。建立多目标外卖配送路径优化模型。该模型不仅考虑订单履行时间、平台利润和骑手服务质量3个常用的目标,另外增加骑手等待时间和骑手空驶距离这两个目标,充分将外卖平台、顾客和骑手的目标综合考虑。设计动态调整权重的多目标外卖配送路径启发式算法,解决动态场景下多目标权重如何设定的问题。通过外卖配送的实时数据进行算例分析。结果表明,本文提出的算法可以有效对多目标的外卖配送问题进行实时路径优化,且订单的密集程度对骑手等待时间和订单履行时间有直接的影响。     

多时段可搭载零担物流路径优化问题模型及算法研究

基于承运人的视角,考虑运输任务在可搭载情况下的零担物流路径规划问题,建立了以收益最大为目标函数的数学模型,并设计了一种基于动态规划的启发式(a heuristic algorithm based on dynamic planning,HAbDP)算法进行求解。首先利用改进的动态规划算法求出无搭载任务时任意起点到任意终点间的最短路径,随后利用2-opt交换算子将各阶段出现的不可行路径转化为可行路径并进行任务搭载操作,统筹优化后得到完整计划期内车辆路径运行方案。通过数值算例分析得到如下结论:①在小规模问题中,HAbDP算法与精确算法相比,二者的最优收益相近,但前者计算时间大幅度减少;②在较大规模问题中,HAbDP算法与粒子群算法相比,在计算时间上较为接近,但是在求解质量上前者占优;③与传统零担物流路径方案相比,考虑运输任务可搭载后,其空载率、空载线路数量均有显著降低,而总收益显著提升。因此,提出的模型及HAbDP算法对求解可搭载零担物流路径优化问题具有一定的现实意义和参考价值。     

路径优化算法求解集装箱码头堆场翻箱问题北大核心CSSCI

集装箱翻箱问题(CRP)可描述为在集装箱堆场现有堆垛状态和提箱序列确定情况下,以最少的翻箱数量提取出堆场箱区内所有集装箱;CRP是一个NP-hard问题。为此构建双层目标规划模型,提出嵌套翻箱规则的路径规划算法(POA),以期减少解空间大小,从而在更短的CPU运行时间内得到CRP的最优解。数值实验结果表明,POA在翻箱数量及运行时间上均优于多数算法,有效提高集装箱码头堆场作业效率,更适用于求解集装箱码头翻箱作业优化问题。     

面向医药行业冷库的移动式货架仓储系统的货位优化研究

为提高移动式货架仓储系统的拣选效率,降低拣选能耗,对其在医药行业冷库应用中的货位优化问题进行研究。针对移动式货架仓储系统自身作业和医药冷库存储的特点,提出以同一巷道品项相关性最大和拣选能耗最小的策略来实现货位优化,建立多目标优化模型。在基本入侵杂草算法(IWO)基础上,设计了混合离散入侵杂草算法(HDIWO)进行仿真求解,通过引入多种群的思想来保证种群的多样性。在空间扩散阶段,采用自适应变异位数策略,用于初期的全局搜索和后期的局部搜索;在竞争生存之后,引入交叉算子和移民算子,增强种群内和种群之间交流。仿真结果表明,与入侵杂草算法、遗传算法相比,该方法具有更好的收敛性和全局搜索能力,能有效提高移动式货架仓储系统的拣选效率,降低拣选能耗,更适合移动式货架仓储系统的货位优化问题的研究。     

新鲜度限制约束下物流配送中心选址-路径优化

目的 满足生鲜产品交付时较高的新鲜度要求,解决多产品、多车型情景下的配送中心选址-路径优化问题。方法 构建考虑碳排放成本和满足客户对产品交付最低新鲜度要求的双层目标规划模型。上层模型以配送中心固定成本、库存管理成本最小化为优化目标,下层模型以车辆固定成本、运输成本、碳排放成本、惩罚成本最小化为优化目标,并结合模型特点,采用两阶段启发式算法进行求解。结果 采用的两阶段启发式算法相对于遗传算法的平均成本解改进率为1.22%,相对于K-means聚类求解算法的平均解改进率为3.03%;两阶段启发式算法相对于遗传算法最优解运算时间的平均提高率为24.8%,相对于传统K-means聚类求解算法的平均提高率为33.0%。结论 经算例对比研究发现,不同新鲜度要求下对配送中心的选址以及车辆路径的安排有显著影响,企业可通过合理规划物流网络和准确评估客户对产品的新鲜度要求等手段实现企业物流成本的降低。     

配载约束下双向搜寻节点的车辆路径问题

目的 研究三维装箱约束的车辆路径问题,即在给定车辆中尽可能多地装入货物且保证车辆行驶路线最优。方法 提出基于双向搜寻路径节点规则的智能水滴节约算法来求解车辆路径问题,并采用基于虚拟组合块的启发式算法来求解装箱问题。结果 通过数值算例检验,混合算法使车厢的平均空间利用率达到了76.14%,并确定了最优行驶路线。结论 基于双向搜寻路径节点规则的智能水滴节约算法可找出最优的行驶路线,而基于虚拟组合块的启发式算法也能合理放置货物,得出较优的装载方案。     

基于双层规划的港口集疏运网络优化模型

为了提高港口集疏运网络中转站选址布局的合理性并优化货流分配,本文考虑实际环境中节点失效因素和多货种货主选择偏好因素对港口集疏运网络的影响,建立了双层规划模型刻画选址配流决策和货主偏好行为之间的关系。上层决策加入中转站失效惩罚成本,下层模型建立考虑货主选择偏好的用户均衡（user-equilibrium,UE）配流模型,用于估算运输网络中各路段的均衡货流量。根据模型特点设计了基于遗传框架并融合Frank-Wolfe算法的启发式算法,通过案例分析对模型及算法的有效性进行验证。结果表明：在模型中考虑节点失效能够显著提高港口集疏运网络的可靠性,并有效降低网络惩罚成本;考虑多货种货主选择偏好能够优化集装箱中转站选址布局及货流分配。     

考虑运载能力与行程约束的绿色车辆路径问题北大核心CSSCI

针对在推广新能源车辆时所遇到的车辆覆盖范围小,能源补充站有限等问题,建立了考虑新能源车辆运载能力与行程约束的绿色车辆路径问题(CGVRP,Capacitated Green Vehicle Routing Problem)的数学模型,同时设计两阶段的启发式算法对CGVRP问题进行求解。通过算例验证了算法的可行性与有效性。根据算例的结果,发现增加能源补充站的数量能够减少新能源车辆配送路径的长度。此外,就CGVRP问题算例结果与具有运载力约束的车辆路径选择问题(CVRP,Capacitated Vehicle Routing Problem)的结果比较发现,尽管车辆在配送过程中的二氧化碳排放量得到了极大地减少,但CGVRP模型的新能源车辆路线长度更长。     

纸盒模切版钻孔路径的优化

为提高纸盒模切版数控钻孔的加工效率,以TSP问题作为数学模型,采用较新的蚂蚁算法解决了模切版钻孔路径的优化问题,并获得了满意的结果.     

考虑碳排放的多式联运路径优化算法比较与分析

货物运输规划中节能减排一直是货物运输中的关键问题,多种运输方式的组合是实现远距离货物运输的一种有效绿色解决方法,绿色多式联运近年来受到越来越多的关注。在考虑多种运输方式碳排放量最小、时间最短和成本最低的基础上,运用提出的基于Dijkstra-GA混合算法和模拟退火算法(SA)分别对集装箱的运输方式进行组合优化,并结合实际算例提出绿色多式联运组合的路径规划方案。仿真实验结果表明遗传算法结果更优,验证了该算法和模型的有效性与实用性,可快速有效地为货物运输规划提供决策支持。     

考虑综合运输成本的多式联运路径优化问题

基于客户满意度和企业社会责任视角,考虑运输工具的排放、在途、不准时和货物价值衰变等因素造成的损失,结合运输工具成本,建立以综合运输成本最低为目标的多式联运路径优化模型,设计混合蝙蝠算法(HBA)对模型进行求解。采用随机算例进行仿真实验,并与和声算法(HSA)和混合算法(HA)进行对比。研究结果表明,模型及算法均可行有效,且HBA算法的全局寻优能力、稳定性和运行速度均优于HSA算法和HA算法。