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。     

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...     

仓储系统拣货路径规划问题的研究

本文针对仓储系统的拣货路径规划问题展开研究.以拣货路径长度和拣货时间为评价指标,分别采用蚁群算法、遗传算法、禁忌搜索算法、模拟退火算法进行对比研究.把仓库内拣货路径规划问题转化为转换为N=M+1的TSP问题.经MATLAB仿真研究,获得最短路径和适应度进化曲线.经实验测试发现了当拣货数量较多即N值偏大时,蚁群算法得到的...     

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。     

自动化仓库巷道网络AGV货区遍历优化——设计基于优先权遗传算法实现

针对自动化仓库、自动化车间及自动化码头等自动化局部物流存储系统仓库巷道网络中AGV（自动化导引车）对仓库货区遍历作业的路径优化问题,以搜索遍历所有货区的最短路径为目标,建立混合整数线性规划模型,并设计基于优先权的遗传算法求解。通过Matlab仿真实验分析比较算子性能,验证算法的有效性。     

跨境电商保税仓库拣货策略研究

针对跨境电商客户订单的多品类且数量不稳定的特点，对跨境电商保税仓库拣货流程进行分析与优化。采用订单动态时间窗分拣策略，并在仓库拣货路径优化的基础上，建立了跨境电商保税仓库拣货模型。最后应用于某公司跨境电商保税仓库管理系统中，取得了较好的预期效果。     

一种关于旅行商问题适用范围的优化方法

针对旅行商问题适用范围存在的局限性,结合实际的仓库拣货作业优化实例开展研究.考虑仓库内各货位点之间的相对位置关系以及拣货员可能行走的路线,设计出关于拣货员行走路线的分类算法;提出虚拟点的概念来解决旅行商问题求解时起点、终点不一致的问题;利用虚拟点,根据任务单要求找出拣货员所有的最优位置访问顺序;比较每一种情况,得到拣货员的最优路径,以实现缩短拣货总时间、减少人力和物力的总目标,较好地提高拣货效率.     

仓库拣货员多任务路径优化

随着供应链思想在本世纪初的发展，越来越多的企业注意到仓库管理的重要性。为了有效提高仓库管理的工作效率，往往需要结合科学技术来实现。聚焦于优化仓库中的拣货路径，探究当拣货员在仓库执行多任务时如何实现最优路径规划。总结了拣货员从当前位置运动到下一位置的路程计算公式；提出了利用遗传算法，采用多次单目标规划策略求解拣货员多任务时的最短路径；引入了距离查找表以解决因大量计算两点间的距离而导致求解过程耗时的问题。通过实验，对比验证了所提方法的可行性和有效性。     

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。      

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.     

A storage assignment heuristic method based on genetic algorithm for a pick-and-pass warehousing system

An order storage assignment problem (SAP) is to find an effective way to locate products in a warehouse in order to improve the operational efficiency of order picking. Since SAP is an NP-hard problem, many heuristic algorithms have been proposed. Most of previous researches focused on picker-to-parts warehousing systems or automated storage and retrieval systems. However, pick-and-pass systems play an important role for the faster delivery of small and frequent orders of inventory with the rise of e-commerce and e-business in the global supply chain. Two factors lead to idle time of pickers in a pick-and-pass system: picking line imbalance and shortage replenishment of products. This paper develops a genetic based heuristic method to solve SAP for a pick-and-pass system with multiple pickers to determine the appropriate storage space for each product and balance the workload of each picking zone so that the performance of the system can be improved. A simulation model based on FlexSim is used to implement the proposed heuristic algorithm and compare the throughput for different storage assignment methods as well. The results indicate that the proposed heuristic policy outperforms existing assignment methods in a pick-and-pass system.     

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.     

双区型仓库订单分批与拣选协同优化研究

针对订单分拣效率低下导致商品出库缓慢的问题,提出一种基于双区型仓库订单分批与拣选的协同优化模型,设计求解模型的CWDP-BSA（clarke-wright and dynamic programming & backtracking search algorithm）协同优化算法。在节约算法中引入快速排序法对订单组合的距离节约值排序,考虑AGV承载量,运用多阶段决策过程最优策略得出状态转移方程求解订单分批模型,确定初始分批方案;并采取多因子选择的回溯搜索算法求解拣选路径模型,以此确定初始拣选方案。再以以上两方案为基础,建立新的基于订单时间窗的订单分批和拣选协同优化模型并求解,进一步优化订单分批和拣选方案。最后通过对比实验得出,平均每批次订单的拣选距离减少了约24.56%,优化后的拣选时间比优化前缩短了约11.4%,在求解不同规模算例时,CWDP-BSA算法的求解结果优于CPLEX软件和其他算法,验证了模型与算法的稳定性和有效性。实验表明,协同优化后的订单分批与物品拣选策略能够有效提升订单出库效率。     

基于蚁群遗传算法的自动化立体仓库拣选路径优化

合理优化货物的拣选路径是提高自动化立体仓库运行效率的一种有效方法。通过分析自动化立体仓库拣选作业的工作流程与特点,为自动化仓库拣选作业建立优化数学模型,首先利用蚁群算法生成优异的初始种群,然后通过遗传算法对该数学模型进行优化求解。仿真结果表明该模型是可行的,蚁群遗传算法的混合不仅得到更精确的结果而且加速了算法的求解速度,从而能够改善拣选作业的效率。