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。     

基于改进粒子群算法的立体仓库货位分配优化

研究自动化立体仓库固定货架的货位分配问题,货位分配综合考虑了货架的稳定性和出入库效率,建立了货位优化的数学模型,提出了基于Pareto最优解的改进粒子群算法（PSO）来解决此问题的方法。在优化过程中引用了置换的概念来计算粒子的速度,并且在算法中采用小生境技术提高非劣解集的分散性,用存档群体保存了非劣解。仿真实验证明,此优化策略可以有效地解决自动化立体仓库的货位分配问题。     

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。     

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。     

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。     

采用自适应优化权重的出库货位优化方法研究

当前出库货位优化研究对货物生产日期的考虑大多数仅仅是简单地使用先进先出原则,如何更合理考虑货物生产日期对货位优化的影响,是亟待解决的问题。针对此问题,提出以出库代价和货物剩余价值率为优化因素的货位优化模型,并采用基于自适应算子、精英策略和灾变算子的改进遗传算法结合基于仓库繁忙度的自适应优化权重对出库货位优化模型进行求解。采用企业实际生产数据进行验证,实验结果表明采用改进遗传算法的出库货位优化算法效果更优,并且使用基于仓库繁忙度的自适应优化权重,能够有效降低货物因过久存放而造成货物价值下降的风险同时又能在仓库繁忙时优先考虑出库效率。     

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。     

病毒协同进化遗传算法在自动化立体仓库货位优化中应用的研究

自动化立体仓库的存取效率直接影响着现代物流的整体效益,而存取效率高低的关键在于货位优化。针对自动化立体仓库实际应用中的货位规划难题,提出了利用病毒协同进化遗传算法来研究自动化立体仓库货位优化问题的方法,并将该算法和传统的遗传算法作比较。以提高货架稳定性和货物出入库效率为优化目标,建立了货位优化的多目标优化问题数学模型。最后利用MATLAB工具进行编程与仿真,实验结果表明,病毒协同进化遗传算法(VEGA)相比传统的遗传算法具有更好的收敛性和搜索效率。由此可见,利用病毒协同进化遗传算法对自动化立体仓库进行货位优化,可以很大程度上改善货物的出入库效率和货架的稳定性,进而提高货架的使用率。     

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。     

智能仓储货位规划与AGV路径规划协同优化算法

智能仓储的优化一般分为货架优化和路径优化两部分.货架优化针对货物与货架两者的关系,对货物摆放位置进行优化;而路径优化主要寻找自动引导小车（Automated Guided Vehicle,AGV）的最优路径规划.目前,大多的智能仓储优化仅对这两部分进行独立研究,在实际仓储应用中只能以线性叠加的方式解决问题,导致问题的求解易陷入局部最优中.本文通过对智能仓储环节中各部分的关系进行耦合分析,提出了货位和AGV路径协同优化数学模型,将货架优化和路径规划归为一个整体;此外,提出了智能仓储协同优化框架的求解算法,包括货品相似度求解算法和改进的路径规划算法;并在以上两种算法的基础上,使用改进的遗传算法,实现了货位路径协同优化.实验结果验证了本文提出的智能仓储协同优化算法的有效性和稳定性.通过使用该算法可有效提高仓储的出货效率,降低运输成本.     

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。     

Multi-objective optimization of electronic product goods location assignment in stereoscopic warehouse based on adaptive genetic algorithm

Storage is an important part of commodity circulation. A certain amount of material must be stored to meet the needs of social production and consumption within a certain time to maintain the smooth process of social reproduction. This study focuses on warehousing optimization and goods location assignment when electronic products are stored in a stereoscopic storehouse. Moreover, this study is based on a theoretical study on genetic algorithm. On the basis of the background of the current warehouse management and cargo distribution of LCM module products warehouse belonging to W company, this study uses the dynamic goods location assignment strategy of stochastic inventory, and builds a multi-objective goods location assignment model of a stereoscopic warehouse. To simplify the calculations and improve the efficiency, we conduct a Matlab simulation on the basis of practical data by adopting a modified genetic operator and converting multi-objective optimization by the changing weight coefficient. The adaptive genetic algorithm can be used to make a multi-objective goods location assignment model that efficiently converges to the optimal solution.     

基于精英改选机制的粒子群算法的空战纳什均衡策略逼近

针对无人机协同攻击的动态多策略性,应用纳什均衡概念,考虑联合生存概率和武器消耗等因素,融合双方价值函数计算和双矩阵对策纳什均衡点的求解方法,建立一种多战斗步空战动态目标分配优化模型.提出基于精英改选机制的粒子群(elite re-election particle swarm optimization,ERPSO)算法,在群体极值引导能力不足时,通过对其克隆、变异和重新初始化等操作增加个体的多样性,保留传统粒子群算法结构简单、快速收敛等优点,改善算法易于陷入局部极小的问题.将ERPSO算法应用于目标分配模型求解纳什均衡点,获取更为精确的双方混合策略,确保实时性和准确性,验证了模型和方法的有效性.     

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。