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。     

SPS模式下零部件配送质量的混流装配线总装排序

针对零部件供应不能实现JIT的混流装配线排序问题,提出在SPS物料配送模式下,以提高零部件配送质量为目的,分析拣选环节筐车排列顺序对零件拣选错配和漏配的影响,从两方面探讨通过安排筐车排列顺序以最小化拣选错配和漏配率;同时在总装环节,追求零部件消耗速率均衡化.从而建立同时考虑总装和零部件配送两阶段优化的混流装配线排序模型.结合排序案例,证明该排序模型能在平准化零部件消耗的同时提高配送质量.     

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。     

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。     

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。     

基于众包的外卖配送订单选择研究

各外卖平台均提供了兼职配送员参与众包服务的渠道。与专职配送员相比,兼职配送员有着“路径开放、时间有限、最终目的地确定”等诸多不同的特点。基于兼职配送特点,为了提高众包配送员的接单效率,提高兼职收益,对众包模式下的订单选择及订单执行路径进行深入分析,提出将二者进行统一考虑的双层算法：在底层建立众包外卖配送路径规划模型,并使用改进的遗传算法求解;第2层利用贪心算法调用底层模型,通过比较配送收益进行订单选择,使得兼职人员的配送收益最大。通过算例实验,验证模型及算法的合理性及有效性条件,发现算法的计算时间随备选订单数量增加线性增加。在现实应用中,需要通过对备选订单进行打分排序,控制“订单池”规模,则能在可接受时间内得到较高质量的选择结果。     

考虑空载损失的非集中式共同配送订单分派及路径优化研究

物流活动的空载率居高不下源于路径规划不合理及企业间缺少合作,共同配送是降低空载损失的有效模式,但非集中式共同配送下物流企业可能基于被分派的订单选择自身成本最小的配送路径,从而导致共同配送联盟的空载损失变大。本文研究考虑空载损失的非集中式共同配送订单分派及路径优化,首先提出空载损失定义,权衡整个配送过程的成本最小和空载损失最小两个目标,基于非集中式共同配送的特征设计订单分派策略,进而建立订单分派及路径优化模型。设计了基于ε约束法的精确算法、改进的MOPSO (multiple objective particle swarm optimization)算法、多项式时间快速算法进行求解,并结合算例验证算法的有效性。数值分析结果表明,即使物流企业均追求自身成本最小化,提出的订单分派策略也可得到与全局优化相近的结果。     

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。     

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。     

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。     

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。     

基于改进遗传算法的自动拣选系统 拣选位分配建模与优化

针对某自动拣选系统建立了拣选位分配优化模型,以拣选时间模型作为适应度函数,并通过判断海明距离添加一个惩罚函数对遗传算法进行了改进,对算例进行仿真实验,可以得到货位排序优化后,总拣选时间明显降低了27.85%。结果表明,货物拣选位的分配对自动拣选系统的拣选效率有很大的影响。要想降低总拣选时间,提高自动拣选系统的拣选效率,不能只考虑个别种类货物的位置分配,要从全局的方向去考虑。该研究对配送中心如何提高自动拣选系统的效率提供了理论支持。     

考虑并行分区的智能接力拣选系统储位分配问题研究

本文研究了一类考虑并行分区的智能接力拣选系统的储位分配问题,建立了多目标混合整数规划模型,旨在最大化订单拣选量的同时使各分区的工作负荷均衡,从而降低拣选时间。针对问题的特点,设计了求解该类问题的两阶段优化算法。经过对某第三方仓储企业进行实例研究,数值结果表明设计的算法可以有效求解本文的储位分配问题。     

多生产线且多节点环境下的订单选择模型

由于有限资源的约束,企业经常拒绝接受一些不能保证能按时交付的订单。因为延迟交付带来的惩罚往往使这些订单无利可图,其罚金一般与延期时间长度相关。Slotnick等人提出的延迟惩罚订单选择模型是优化决策此类问题的常用模型。本文将原模型由单节点扩展到较复杂的多节点且多生产线应用环境下,给出了相应的订单选择模型。并设计了多维交替优化的模拟退火算法来同时优化选择和排序两个维度,给出了详细的算法步骤。然后对模拟数据进行了仿真算例求解,验证算法的求解效果和计算效率。同时对比了两种不同订单排序策略,算例结果也表明：跨生产线的混合订单排序方式能比传统的订单不跨线同步方式获得更好的目标收益。     

基于城市配送平台的订单与车辆匹配优化策略

对于货物配送过程中零担订单与配送车辆的匹配问题,由于传统的人工匹配模式会导致较高的运输成本和空载率。针对此问题,根据实际业务情况,将订单体积与重量作为约束条件,以平台利润最大化为优化目标建立0-1整数规划模型。根据平台实际业务设计出GAPVR (Genetic Algorithm based on Price-Volume Ratio)算法,并将该算法与CPLEX和平台目前的业务操作采用的FCFS(First Come First Service)算法进行对比。通过在不同订单量下进行数值模拟分析,结果表明在大规模订单量下,设计的GAPVR算法可以有效节约17.24%的运输成本,并在此前提下,可以进一步将空载率降至平均4.73%,比平台当前FCFS算法的空载率降低50%,证明了模型的有效性,对平台的实际运营具有一定的指导意义。     

基于云文化算法的装箱优化算法

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。     

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。     

考虑半托盘出库的堆垛机复合作业拣选路径优化研究

结合自动化立体仓库中堆垛机执行出入库作业的实际情况，提出了考虑半托盘出库情况下的堆垛机复合作业拣选路径优化问题，并构建了该问题的数学模型。针对研究问题的特点，利用一种离散烟花算法进行模型求解，采用爆炸算子和变异算子执行烟花的爆炸操作，实现算法的全局搜索和局部搜索；应用精英选择策略和类似轮盘赌策略以提高收敛效果。最后以某烟草物流公司自动化立体仓库的堆垛机拣选作业为例，将离散烟花算法与其他算法的运算结果作对比，验证了该算法更具求解优势。     

考虑非对称情形的一类拣选问题的改进LK算法求解

分析并推证出单巷道固定货架的拣选优化问题可归结于对称或非对称旅行售货商问题，研究了一种新型的改进LinKernighan (LK)算法，并将其应用于固定货架的货物拣选优化过程中。实验仿真结果表明，用该算法能降低固定货架对称和非对称拣选优化时间和空间计算的复杂度，快速、稳定地找出最优解，满足了多次作业时待拣选货物数目变动范围较大的要求。