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。     

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。     

制造物联环境下智能仓库货位分配模型

仓库货位合理规划与分配是减少产品存取时间、提高仓库作业效率的关键。在构建基于制造物联技术的智能仓库环境下,针对多品种智能仓库的货位分配问题,建立了考虑多规则约束的多目标智能仓库货位分配模型,提出一种模型求解的改进遗传算法。实验表明：模型和算法能找到有效的仓库货位分配方案,验证了其有效性。     

自动化仓储系统不规则货位优化问题研究

针对不规则货位的自动化仓储系统的特点,以提高系统效率和空间利用率为优化控制目标,研究了自动化仓储系统不规则货位优化分配策略,提出了首先对不规则的货位进行货位区优化,对每个货位区进行货位优化的数学模型,提出两级遗传算法解决货位优化问题。结果表明,该优化方法有效地提高了系统的效率,实现了密集存储,为自动化仓储系统中不规则货位的货位分配优化提供了理论依据和实践途径。     

普通立体仓库的货位优化模型与算法研究

在物流仓储的总成本中,库存成本占很大比重。企业为了减少库存成本,不断设法去改进和优化仓库"存储"的过程。针对普通立体仓库的入库过程,在考虑叉车载重、货位容量和存储策略等限制条件下,建立了以入库作业过程中工作人员行走总路程最小为目标的货位优化模型。根据问题和模型特点,将货位优化问题分为两层优化:货位选择优化层和货位顺序优化层;然后将传统遗传算法同启发式算法相结合对模型进行求解;最后通过仿真实验验证了模型和算法的合理性和可行性。该成果可用于解决多数普通仓库的货位优化问题。     

遗传算法在货位分配中的应用研究

本文讨论了货位分配算法。首先建立了货位分配算法的数学模型,然后提出了采用遗传算法解决这个多目标组合优化的问题。最终通过应用验证了算法的适用性。     

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%。     

自动化立体仓库货位分配与作业调度集成优化

针对动态提高单载具堆垛机式自动化立体仓库拣选效率的问题,文中提出了一种基于共享货位存储与动态订单拣选策略下的货位分配与作业调度集成优化方法。将动态移库优化扩展到仓库的整个拣选生命周期,建立以双指令循环下堆垛机拣选任务所需的总作业时间最短为评价目标的数学模型,提出了一种基于K-Medoids聚类的粒子群优化(Particle Swarm Optimization,PSO)算法,用K-Medoids算法通过产品与订单的相关性进行初始货位的聚类分析,筛除劣质解的货位范围,并在K-Medoids聚类算法生成的解类簇基础上获得精确解。实验结果表明,考虑动态移库可以使仓库拣选效率提高20%,且该算法与传统PSO算法相比求解时间下降66%左右。     

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。     

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.     

货位分配优化研究综述

合理的货位分配可以有效降低企业仓储成本,提升仓储系统拣选和配送效率,进而提高企业运作的整体效率。为了深入分析国内外学者对货位分配优化研究的现状和趋势,对近年来国内外相关文献进行分析总结。归纳出了货位分配优化目标,介绍了各优化目标的模型建立和适用对象;分析了货位分配优化常用的算法,并对相关算法进行对比分析;探讨了货位分配优化研究的趋势,为进一步深入研究货位分配优化提供了参考。     

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。     

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ADEMO/D-ENS的飞控系统性能指标分配方法

针对目前飞行控制系统设计中部件/组件性能参数的确定存在反复多次迭代的问题,对飞控系统性能指标的分配进行了研究。通过对性能指标分配过程进行建模,确定了分配过程属于多目标优化问题。基于Tchebycheff方法将多目标优化问题转化为单目标优化子问题集合,基于自适应差分进化算法得到的单目标优化子问题集合的最优解即为多目标优化问题Pareto最优解,同时采用惩罚因子保持差分进化算法种群的多样性。通过仿真与性能指标未分配的系统进行对比,结果表明分配后的系统具有更好的动态性和跟踪性,说明所提出的分配方法是正确的、可行的,并能够为工程应用提供一定的理论指导。     

基于知识的集装箱堆场箱位分配计划研究

针对集装箱堆场箱位分配问题中规则因素较强的特点,建立基于知识的箱位分配计划方法.首先描述了该问题中知识构成和表示方法;并提出了基于知识的箱位分配模型,包括分配区域划分、作业模式及规则匹配、最优箱位选择三个部分.实例分析表明本方法可取得良好的箱位分配效果.     

自动化立体仓库货位分配优化研究

分析了自动化立体仓库货位优化问题,建立了自动化立体仓库货位优化数学模型,采用Pareto算法研究了货位优化方法,通过实例分析,优化后显著提高了货架稳定性,并且提高了货物存取效率。     

响应动态约束条件的多目标货位优化算法研究

针对自动化立库货位决策与优化问题,考虑到优化目标多样、托盘使用状态及可分配货位动态变化等因素,提出了一种响应动态约束条件的多目标货位优化算法。以巷道作业均衡、货架重心稳定及作业路径最短建立多目标优化模型,基于变异系数自适应差分进化算法,使用货位随机数编码,根据实时货位可行域进行个体解码,以响应动态货位约束条件。提出了基于层次分析的Pareto解评价方法,从而获得多批作业货位持续优化的目标权重,为仓储货位决策提供合理方案。多批作业算法实验结果表明:所提算法效果显著优于多目标简单加权算法,能够有效应用于动态货位决策与优化。