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。     

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...     

改进遗传算法求解订单分批优化模型

以流利式货架分区拣选系统为背景,考虑减小相邻拣选区域的作业时间差值以减少任务在缓存区中的滞留时间和拣货员在系统中的等待时间。建立以最小化订单分批数量和最小化所有相邻区域作业时间差值之和为目标的数学模型,设计遗传算法求解其订单分批结果及任务释放顺序;从拣货员拣选的便捷性出发,考虑将周转频率较高的货品存放至拣货员最易拣取的层数,提出了分类随机指派方式。案例分析结果表明：该模型结果在所有任务的总完成时间、总滞留时间、平均履行周期和所有拣货员在系统中的总等待时间等指标上均表现良好;分类随机指派方式从根本上减少了总拣货时间,进而缩短了任务的平均履行周期和总完成时间,提高了系统处理效率和订单响应速度。     

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。     

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。     

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。     

启发式路径下节约里程的订单分批算法

基于电商配送中心人到货整箱拣选系统,考虑拣选器具和商品包装体积,构造以最大化里程节约量为目标的订单分批模型,提出基于启发式拣选路径下节约里程的订单分批算法,并结合某企业物流中心订单数据对该算法进行仿真实验。研究结果表明,基于启发式路径下里程节约的订单分批方法（D-eco）的求解效果优于先到先服务分批方法（FCFS）和基于相似度的订单分批方法（SBBM）。在5种不同订单池容量下,采用D-eco进行订单分批后拣货人员总行走距离平均比FCFS和SBBM多缩减了12%和2%。     

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。     

并行分区拣货系统储位优化设计

主要讨论配送中心并行分区拣货系统的特性,在各分区拣货员拣货速度不同的情况下,提出储位指派算法,通过对品项在各分区间储位的安排以平衡各分区拣货员的作业量;根据拣货作业规则和优化目标,对相关模型及算法进行模拟测试以证明其有效性,为方法的选择与应用提供了依据。     

并行拣选策略下的自动拣选系统品项分配优化

基于自动拣选系统中并行拣选策略,提出货物品项分配优化问题,以平衡各拣货区工作量,提高系统拣选效率。该问题可归结为分类数已知的聚类问题。为解决此问题,借鉴了人工拣选系统中解决该问题的动态聚类方法,并针对自动拣选系统的特点做两方面改进：在品项间相似系数表达中考虑了各品项拣选数量的影响;在聚类过程中结合了最大最小蚁群算法（MAX-MIN Ant System,MMAS）。最后对两种聚类方法进行仿真分析,结果证明了改进的聚类方法可更大幅度地提高系统拣选效率。     

基于混合元启发式算法的订单分批问题

订单拣选是仓库运营管理中一项高劳动强度与高成本的操作,拣货员在仓库中从货位拣选出满足订单需求的货物.订单分批问题(order batching problem, OBP)是订单拣选中的重要规划问题,该问题以最小化拣选批次路径时长为目标,将用户订单分配至拣选批次中.首先,为了优化订单分配构造高质量批次,提出一种混合元启发式算法,在自适应大邻域搜索框架中融入基于不可行下降的局部搜索,同时引入自适应惩罚机制和一批基于订单与基于批次的移除启发式以及新的算法组件;其次,为了优化拣选路径进一步降低批次旅行时间,提出单向启发式,利用动态规划优化组合多个路径策略.实验表明,在合理计算时间内,所提出算法的求解质量优于多重启变邻域搜索(MS-VNS)、混合自适应大邻域搜索及禁忌搜索(ALNS/TS),而且所提出算法的最大路径长度减少率达到22.36%.     

具有订单完成时间约束的拣选机器人调度仿真

"货到人"智能仓储系统中,机器人的合理调度直接影响系统的运行效率.分析拣选机器人作业流程,在不改变已有任务拣选顺序的情况下,插入部分对完成时间有要求的订单,计算机器人行走时间、在拣选工作站排队等待时间以及空闲时间,利用时间窗理论,以最小化完成所有任务的总成本为目标,以机器人任务分配结果为决策变量,分别建立具有硬时间约束和软时间约束的拣选机器人调度模型,并利用遗传算法进行求解.通过实例仿真,对两种调度策略进行了验证,并发现随着具有时间约束的任务数量增加,采用软时间窗约束的方式进行调度能够使得系统的运行成本更小.所提调度策略同时解决了拣选机器人的调度与拣选序列问题,对智能仓储系统的实际应用具有指导作用.     

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。     

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。     

轴承超精密磨削生产线调度仿真系统设计与实现

流水线式生产车间中，面对小批量多品种订单时，合理安排产品加工顺序可以有效提高企业的生产效率，保证加工企业的经济效益。本文利用Plant Simulation软件对非标轴承超精密磨削生产线进行建模，并利用GA算法，求解典型订单的最小化最大完工时间。仿真结果表明本文中方法可以有效提高企业的排产能力，从而指导加工过程，提高产线加工效率。     

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。     

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。     

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。