基于嵌套分区算法的立体仓库货位分配优化

根据小型立体化仓库运营特点,基于顺序单目标优化思想,提出一种新的仓库货位分配策略。将考虑存储能耗、货架稳定性、运行效率的多目标仓库货位优化问题,转化为单目标优化,建立了仓库货位优化数学模型。根据数学模型特点,采用嵌套分区算法进行优化求解。通过算例分析证明该分配策略与优化方法,可有效处理多目标仓库库位优化问题,优化效果显著。     

基于免疫遗传算法的智能柔性仓库货位自动化分配方法

针对没有充分考虑到货物就近存储、分配不均、入库效率低等的问题,为了有效地提高工作效率,提高空间利用率,设计了一个基于免疫遗传算法的智能柔性仓库货位自动化分配方法。将保证上轻下重的货架承重原则、先入后出的目标、关联性货物就近存储作为分配目标,采用免疫遗传算法不断迭代计算,赋予其自动化属性,对各层的个体给予同样的虚拟适度值,实现智能柔性仓库货位自动化分配。结果表明,所提出方法在应用后,能够将较重货物分配在底层,提高算法搜索效率,保证入库时间较短,满足智能柔性仓库自动化运维模式需求。     

基于机器视觉的多巷道自动化立体仓库货位透明化分配方法

针对立体仓库内有效货位，设计透明化分配方案时主要通过人眼识别的方式掌握货位状态，使得最终分配方案的出库效率较低。因此，引入机器视觉技术，设计了一种新的仓库货位透明化分配方法。运用ABC分类法，对多巷道自动化立体仓库内所有货位进行分区。通过工业相机采集仓库内货架图像，通过机器视觉技术对采集图像进行识别，全面掌握仓库内处于空闲状态的货位位置。以最高出库效率为目标，建立货位透明化分配数学模型，再通过决策树搜索算法，生成最优货位分配方案。实验结果显示：应用所提方法进行货位分配，与基于粒子群算法、基于商品关联度的分配方法相比，使得出库效率提升了24.53%、23.92%。     

数字化仓储中货位优化分配的研究

货位分配数字化仓储的关键环节,合理的货位分配能够大大地提高出入库效率,降低仓储系统成本。传统的仓库管理系统根据基于经验的固定货物出入库频率设计货位分配策略,而企业的发展和市场的变化导致货物出库频率是一个动态变化的过程。市场的变化导致传统仓库管理系统的货位分配方案无法满足要求的现实情况,提出把RFID技术运用到数字化仓库结合相关算法中对产品入库货位进行动态优化来提高仓库的周转效率。     

智能化立体仓库入库货位分配的综合优化算法

智能化立体仓库对现代企业提高仓储利用率和生产效率具有重要作用。介绍了秦皇岛港务集团公司立体仓库管理系统中仓库货位计算机分配的智能化算法,该算法充分考虑了重量均匀分布、就近货位选择、备件品种均匀分布、备件使用率、货位空置时间等因素,根据整个仓库的当前状态计算入库货位,为入库货位的选择提供辅助决策。实际项目运行表明,所提的综合货位优化分配算法是有效的,对提高仓库的安全性、入库工作效率等具有非常重要的意义.     

基于精英多策略的货位分配优化方法

针对智能立体仓库货位分配问题,提出一种基于精英多策略的货位分配优化方法。首先,考虑货物重量、出入库频率和出入库时间等因素,以货架重心低、出入库频率高、货物离出入库口近等为原则建立货位分配优化模型;然后,提出一种精英多策略差分进化算法,通过提取部分精英个体的信息指导变异,并根据精英个体的拥挤度变化对不同的阶段使用不同的策略,从而产生高质量的解,同时加快算法的收敛速度;最后,通过10个经典测试函数验证了所提算法的有效性,并基于该方法对某智能制造企业的成品库进行了优化,得到了满意的货位分配方案。     

遗传算法在立体仓库货位优化分配中的研究

存储一定数量货物的自动化仓库中,以基于随机存储策略的库区和货位分配以及堆垛机行驶时间为优化控制目标,针对自动化立体仓库的库区和货位的分配策略问题进行了讨论,提出立体仓库的库区优化数学模型。在库区优化基础上,进一步提出货位优化数学模型,将Pareto最优解的概念与遗传算法相结合,提出了一种解决多目标优化问题的Pareto遗传算法解决货位优化问题,给出了仿真实验及分析。结果表明采用遗传算法优化策略可以有效地解决自动化立体仓库的货位优化分配问题。     

自动化立体仓库存储管理策略的优化

提出立体仓库存储分配最优目标模型，给出货位管理的优化原则和具体优化算法．并提供一种便于仓库管理的数据结构。     

自动化立体仓库存储管理策略的优化

提出立体仓库存储分配最优目标模型，给出货位管理的优化原则和具体优化算法，并提供一种仓库管理的数据结构。     

基于遗传算法的药品仓库货位布局优化研究

在研究遗传算法的基础上,结合某制药企业仓储管理的环境现状,提出一种有效的药品仓库货位布局算法,以实现货位的自动化分配并提高仓库的空间利用率和出/入库效率.     

基于RFID和遗传算法的实时炸药仓储优化操作

针对炸药仓储过程管理的优化问题,提出基于RFID和遗传算法的在线炸药仓储优化操作方法,使炸药仓储管理过程更具高效化、信息化、安全化和智能化。利用RFID技术实时获取炸药仓库信息,提出了炸药仓库库位分区策略。通过对炸药仓储工作特点及要求分析,建立炸药仓储的优化数学模型,并运用遗传算法求解模型得到优化解。实验仿真结果表明,该方法能够提高仓库的空间利用率,优化炸药存取过程的行走路径,较好地解决了受炸药有效期等约束的优化操作问题。     

基于遗传模拟退火算法的立体仓库储位优化

针对自动化立体仓库储位分配问题,结合仓库运作特点和安全性要求,构建了自动化立体仓库储位优化问题的多目标模型,并提出了求解模型的基于Sigmoid曲线的改进自适应遗传模拟退火算法（SAGA）。首先,以降低货品出入库时间、同组货品距离和货架重心为目标建立储位优化模型;然后,为了克服遗传算法（GA）局部搜索能力差和易陷入局部最优的缺点,引入基于Sigmoid曲线的自适应交叉变异操作和逆转操作,同时完成与SAGA的融合;最后,对改进遗传SAGA进行算法优化性、稳定性和收敛性测试。仿真实验表明,相比模拟退火（SA）算法的求解结果,该算法对货品出入库时间的优化度提高了37.7949个百分点、对同组货品距离提高了58.4630个百分点、对货架重心优化度提高了25.9275个百分点,并且该算法具有更好的稳定性和收敛性。由此验证了改进遗传SAGA求解问题的有效性,该算法可为自动化立体仓库储位优化提供决策方法。     

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.     

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.     

智能仓储中的多机器人调度方法

近年来,传统仓储系统已满足不了日益增长的订单需求并已渐渐向智能仓储转变。针对智能仓储中移动机器人的调度问题,以移动机器人执行任务时的转向次数、路程代价、最大任务等待时间为优化目标,提出一种兼顾任务分配和路径规划的调度算法。算法采用遗传算法进行任务分配,同时以多个移动机器人为目标进行任务分配,保证每个机器人分配到的任务没有重复。然后采用Q-learning算法对机器人分配到的任务进行路径规划,根据转向次数和路程代价约束路径,对于路径转向和每一步可行的动作均设有惩罚值,最终形成一条转向次数少、行程较短的路径。通过将该算法与其他算法进行对比,证实了该算法的有效性。     

基于混合果蝇优化算法的选址-库存联合优化策略

针对装备维修保障仓库系统运营费用高、仓库点位布局不合理、备件库存结构不合理等问题,建立以多品种联合补货问题为基础的装备维修备件仓库选址-库存控制决策联合优化模型,模型可用于求解仓库的开设位置、维修活动需求点的指派情况、仓库补货时间以及库存水平等.根据模型的结构特点,利用多种群协同进化的方法改进传统果蝇优化算法的位置更新方式,设计一种内外两层搜索策略的混合果蝇优化算法,外层搜索策略作为算法的主程序用于搜索仓库选址决策变量,内层搜索策略采用改进的RAND算法用于搜索库存控制决策变量.仿真结果表明,混合果蝇优化算法具有良好的求解效率,能够确保库存系统在一定服务水平的基础上有效降低库存运营总成本.     

智能搜索技术在管理系统中的应用与研究

采用智能化的仓库管理系统可以大大提高仓库的利用率和效率,从而极大地节省储存环节的费用,提高劳动效率。在对仓库自动化管理系统的关键技术进行了详细分析的基础上,选用A＊算法来寻找最优路径,并根据具体应用情况对A＊算法进行了改进,通过计算与仿真结果分析,验证了改进算法的正确性和有效性,最后将改进算法应用于一个现实的基于web的仓库管理系统中。