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。     

基于数学建模的PSO-DE算法在机器人智能拣货过程中的应用研究

随着互联网技术的发展,网络电商发展迅速。为更好地实现智能仓储系统中商品订单的分拣,提高拣货效率,研究基于粒子群算法和双重编码方式构建拣货机器人的智能数学模型。针对粒子群算法在实现过程中存在的问题,研究引入交叉算法对其进行改进。实验结果显示,研究提出的基于改进粒子群算法的双重编码智能机器人拣货算法在训练集上的F1值为0.925,显著高于另外几种方法。由此说明,研究构建的智能机器人拣货数学模型可以更好地实现智能仓储系统中商品的订单的拣货效率,全面提高商品订单的处理能力,实现资源的优化利用。     

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。     

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。     

在线订单分批及拣选路径规划模型及算法

在人到货订单拣选系统中,客户下达订单后将由拣货员穿梭仓库进行拣选.在仓库的拣选设备容量和拣货人员数量有限制的条件下,研究在线订单分批优化问题,预防订单过早或延迟服务,以最短的时间完成拣货任务.构建考虑最小拣货路径的在线订单分批规划模型,以最小化平均有效订单服务时间.提出一种基于规则的启发式算法来求解模型,其中包含k-m...     

配送中心分区同步拣货系统人员分配策略研究

为了提高人工拣货的配送中心拣货效率,达到分区同步拣货系统中工作量均衡的需求,提出了动态分配拣货人员的方法。按照订单中品项在各分区的分布情况,建立了人员动态分配模型,运用启发式算法对模型进行求解。算例结果表明,建立的人员动态分配模型对拣选效率有较大提高。分析了人员分配模型存在的问题,对分配结果进行了优化处理,最终结果较好地达到了分区同步拣货系统中工作量均衡的需求。     

大型仓储拣货路径优化算法研究

基于RFID的大型仓储,具有仓储规模大、货物精确定位且信息实时反馈,快速无纸化订单传送等特点,使拣货路径优化难度加大,传统的拣货模式无法满足要求.对此,结合蚁群和粒子群算法的优点,给出了蚁群-粒子群优化算法在基于RFID的大型仓储拣货路劲优化中的应用,使“蚂蚁”具有“粒子性”,改进粒子群算法中初始解的选取,蚁群算法中信息素的更新方式,提高了“蚂蚁”和“粒子”的学习能力,避免单个粒子过早收敛和陷入局部最优解的问题.仿真结果表明,算法收敛速度快,寻优能力强,适用于基于RFID大型仓储拣货路径优化.     

基于遗传算法的仓内拣货优先问题研究

网购、快递已经成为这个时代的专有名词。但是在每个快递公司的仓库当中每时每刻都在进行着一场战争——以最快的速度将所有的货物送到买家的手里。该文着重解决遗传算法等思想,给每个拣货员分配任务单、起始拣货复核台,并分别规划理想的拣货路线,使得49个任务单尽快完成出库,并计算完成出库需要花费的时间和每个复核台利用率。根据拣货员仓库作业的特点,对目标求解模型进行约束及优化,最后遗传算法为每个工人分配订单后确认其顺序,确定最优的订单分配方案,之后通过排队优化算法解决排队问题。     

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。     

A performance evaluation model for order picking warehouse design

This paper is concerned with a performance evaluation model for the order picking facility for warehouse design in a supply center (SC) by reducing the travel distance of transporters. This study includes important detail aspects of warehouse design and operational parameters such as warehouse size, rack size, number of transporters, and the system performance. In this study, we develop both mathematical and simulation modes considering probabilistic demand and picking frequency, and using simulation S/W, AutoMod. The results are compared and validated via simulation methods using AutoMod simulator. Finally, we developed a systematic and practical computer program and it was known that the proposed method is potentially efficient and useful in performance analysis for order picking warehouse problems.     

基于遗传算法的双区型仓库拣货路径优化研究

拣货作业成本是物流成本的重要组成部分。根据物流配送中心传统双区型仓库拣货路径问题的特点,建立了数学模型,并设计了相应的遗传算法来求解该问题。在算例中,通过与传统穿越策略、S形启发式算法和动态规划方法的比较,结果表明以遗传算法优化拣货路径问题,可以明显减少拣货路径的距离及拣货作业时间,具有良好的实用性。     

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.     

基于改进蚁群算法拣选作业优化问题的求解

合理优化拣选作业是提高自动化仓库整体运行效率的重要策略。针对自动化仓库固定货架拣选作业的特点,构建了货物拣选路径优化问题的数学模型,采取候选节点集合策略、选择算子及自适应调整算法参数改进措施,设计一种改进的蚁群算法。实验表明,该算法具有较好的全局寻优能力,收敛速度大幅度提高,能够较好地满足中大规模拣选作业要求。     

An ant colony optimization routing algorithm for two order pickers with congestion consideration

This paper develops a routing method to control the picker congestion that challenges the traditional assumption regarding the narrow-aisle order picking system. We proposes a new routing algorithm based on Ant Colony Optimization (ACO) for two order pickers (A-TOP) with congestion consideration. Using two extended dedicated heuristics with congestion consideration as reference group, a comprehensive simulation study is conducted to evaluate the effectiveness of A-TOP. The simulation proves that A-TOP achieves the shortest total picking time in most instances and performs well in dealing with the congestion. The impacts of warehouse layout, order size, and pick:walk-time ratio on A-TOP and system performance are analyzed as well. A-TOP can adapt to different warehouse configurations, meanwhile, it can be easily extended to the situation with more than two order pickers.     

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。      

物流机器人拣选流程仿真研究

近年来,随着科技的高速发展,智能物流逐渐成为时下热点,物流机器人越来越普及,尤其在人力成本不断上涨的背景下,物流机器人被越来越多地用于日趋复杂的业务以减少劳务成本。但是,业务的复杂性使物流机器人的应用方案以及系统流程异常多变,导致人员与机器人数量的配置会随之发生改变,且库房每天的订单量都在波动变化,促销时更为严重,因此制定每天的劳务雇佣数量是每个库房的重要工作,也是影响库房业绩的重要指标。以天津武清区科捷机器人仓为背景,研究一个模拟订单拣选流程的仿真程序,能够改变机器人、劳务人员的数量从而得到不同的拣选效率,作为优化人员配置的依据,最终得到优化配置结果。     

多巷道固定货架拣选作业优化问题的研究

拣选作业的效率直接影响自动化立体仓库系统的整体效益.为满足客户货单动态变化的需求,分析了自动化仓库单存/取机对多巷道固定货架拣选操作的工作特点,构建了含装箱约束条件的多目标货物拣选路径问题的数学模型,并提出一种带选择算子、插入点操作和动态自适应调整算法参数的改进蚁群算法.实验表明,该算法具有较好的全局寻优能力,收敛速度快,是解决货物拣选路径优化问题的有效算法.