基于云文化算法的装箱优化算法北大核心CSSCI

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。     

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。     

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。     

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。     

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。     

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。     

火工品包装技术研究

介绍了火工品包装概况,提出了火工品包装的通用技术要求,确定了包装容器的类型和常用的包装方法,提出了火工品防护包装设计中应考虑的因素,探讨和提出了火工品包装件的检验方法及验收规则,划分和确定了火工品防护包装等级和装箱等级。     

考虑蜂窝纸板箱缓冲作用的产品包装系统跌落冲击研究*

在实际缓冲包装设计中,忽略了外包装箱的缓冲作用,因此很难得到合理的缓冲结构。为了研究外包装箱对缓冲包装系统的影响,首先基于压缩试验分别确立了制作外包装箱的蜂窝纸板与缓冲材料发泡聚乙烯的本构关系;其次建立了发泡聚乙烯与蜂窝纸板的串联力学模型,并介绍了求解算法;最后基于物品响应加速度小于许用值及材料用量最小化两个原则,设计了串联缓冲包装结构目标优化函数并介绍了优化函数的求解步骤,通过试验数据验证了模型的正确性。结果表明,如果不考虑蜂窝纸板箱的缓冲作用,会造成很大程度的保守包装,因此考虑外包装箱的缓冲作用能有效避免缓冲材料的过度使用。这些研究结果与方法为其他不同缓冲材料的串联提供了参考。     

面向汽车整车出厂物流的两阶段组合装箱调度优化模型与算法研究

研究组合装箱与道位分配的两阶段出厂物流的调度模型与算法,问题将考虑订单、驳运车、仓库道位资源、客户需求、配送成本等多种因素。首先将所研究问题划分为带装箱约束、方向约束和拼车约束的组合装箱子问题,和带驳运车到达时间及道位不可用时间段的道位分配问题。针对两个子问题建混合线性整数模型并分别设计了分支定界和启发式算法,实现两阶段整合求解。最后,通过数值实验和与人工调度结果的对比模型,表明了模型和算法的有效性。     

三维空间最优装载模式的算法研究与实现

在货物的包装、存储及装载过程中，如何提高三维空间的利用率，同时又兼顾货物的重心平稳等约束，这属于复杂装箱问题。基于微积分的思想，作者提出一种虚拟装载模式的装载时分片算法，即在装载的同时不断对三维体虚拟切割分片，然后利用改进的剩余空间法对片空间进行分析和虚拟装填，通过非完全树的结构和递归搜索过程来实现最优装载模式的求解，并通过若干片的重新组合实现货物的重心平稳最优化。最后运用VC调用OPENGL完成仿真模拟系统，以应用实例证明了算法的正确性与可行性。     

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。     

部分货箱指定的集装箱装载模型和算法

对部分货箱指定装载的集装箱装载货箱问题，基于分层思想建立多步决策模型，提出棱（面）判别矩阵法把三维装箱问题转化为二维乃至一维装箱问题而得到模型的求解算法。本文对货箱间的“体等价，面等价，棱等价”这类情形进行了研究。     

求解集装箱堆场堆垛问题的约束满足算法

集装箱堆垛问题普遍存在于港口码头堆场作业管理中,是在集装箱数目已知的前提下,要求满足交货期限制、重量限制以及垛位高度限制等约束条件,目标是实现占用垛位数最少。通过问题分析,将其归结为一类带顺序约束的装箱问题,并建立了约束满足优化模型,设计了嵌入经典装箱启发式原则的约束满足求解算法。为了验证模型和算法的可行性和有效性,根据某集装箱码头堆场的实际生产情况构造测试算例,实验结果表明,该算法对于实现垛位数最小化、求解复杂约束下的大规模堆场问题较现有的装箱启发式有一定程度的改善。     

基于无监督深度融合机制的货物在线装箱算法

目的 针对当前三维装箱算法存在的模型鲁棒性差、泛化性弱、装载率低等问题,设计一种无监督融合机制的在线装箱算法。方法 充分考虑货物“即到即码”的实时性需求,以容器空间利用率为优化目标,基于无监督深度融合指针网络端到端学习模型框架,将在线三维装箱的码垛过程公式化地表述为马尔科夫决策过程,设计强化学习要素,并以深度强化学习算法为主,融入蒙特卡洛树搜索,对智能体的决策动作进行训练,以生成具有较优“学习”能力的在线三维装箱模型。结果 采用125种不同尺寸和方向随机生成货物数据集,并在7种约束条件下验证,实验结果表明,容器的平均利用率可达84.6%。结论 该算法的泛化性较好,且其装载率远优于当前效果较好的启发式算法、深度学习方法,为货物的在线装箱提供了理论依据及参考。     

基于拣货员协同合作的订单拣选策略研究

本文对单区块人工作业系统中多个拣货员在拣货作业过程中发生的拣选堵塞问题展开研究。构建基于协同合作的拣选路径模型,通过交换拣选订单,动态调整拣选路径,减少拣选堵塞的产生。案例分析结果表明,与S型策略相比,协同合作策略在减少拣选堵塞、缩短订单服务时间方面具有明显的优越性。最后,从影响拣选作业效率的可控因素角度进行敏感性分析,了解不同情况下协同合作策略对拣选作业效率优化的具体表现。     

基于集成分类器的泡罩包装药品缺陷识别

目的 针对药品生产包装过程中常出现缺陷泡罩包装药品的问题,研究一种基于多特征构建与集成分类器的泡罩包装药品缺陷识别方法.方法 该方法通过集成2个不同的分类器算法分别对药品图像类别进行预测,并采用联合判定函数对2个预测输出值进行联合决策,得到最终分类结果.第1个分类器模型通过将图像转化到HSV颜色空间,分割出泡罩区域和药片区域,进行特征设计,并在提取多项特征参数后构建BP神经网络分类算法给定药品类别预测.第2个分类器模型应用多层卷积神经网络取代传统算法对图像特征进行提取,并输出药品图像类别的预测值.根据2个分类器的性能进行算法集成,构成最终集成分类器.结果 实验结果表明,该集成分类模型对数据集中泡罩包装药品图像进行分类识别测试,准确率达97％以上.结论 集成分类模型不仅提高了单一分类器的识别准确率,也具有更佳的稳定性.该方法取得了卓越的分类效果,具有较高应用性.     

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。