基于改进模拟退火遗传算法的自动化立体仓库 货位优化

针对自动化立体仓库出入库作业量大、品类复杂等特点,对仓库货位展开优化研究,遵循周转率原则、货架稳定原则、关联原则等,构建了提高出库效率、提高货架稳定性、增强货物相关性的货位优化模型。使用传统模拟退火算法、遗传算法与改进模拟退火遗传算法求解模型,得出货位优化结果。对比分析结果证明了在解决货位优化问题时,改进算法比传统基础算法更加有效,能更好地改善自动化立体仓库空间使用率低、拣选效率低、货位摆放混乱的现状。     

基于“货到人”拣选系统的动态货位分配研究

目的 为了提高“货到人”拣选系统的订单拣选效率，研究了电商仓库货位初始存储状态为非空情况下的商品货位分配问题。方法 考虑货架上现存商品信息、仓库空余货位数、待补货商品和新收入商品信息，提出基于商品关联度的分散存储策略，以极大化货架上所有存储商品的关联度之和为目标构建商品上架与下架的动态货位分配数学模型，并设计贪婪算法，再采用改进粒子群算法对贪婪算法得到的结果进行优化。结果 基于商品关联度的分散存储策略可以减少货架平均搬运次数29.32%左右。结论 与随机分配策略相比，文中提出的货位分配策略能够有效提升整个电商仓储中心的拣选速度。     

基于取送作业能耗分析的高架低温库货位与尺寸优化

目的 减少高架低温库内作业的碳排放,构建出入库效率最大、货架稳定性最高和取送作业能耗最小的货位优化模型。方法 从货品存放顺序出发,采用整数编码设计遗传模拟退火算法进行求解,依据案例实际需求及面积选取了3种尺寸的备选方案,并通过MATLAB仿真对比分析各算法的结果,利用BIM建模可视化3种方案的优化结果。结果 采用整数编码设计的遗传模拟退火算法较模拟退火算法、遗传算法分别约早41代、148代收敛到最优解,计算效率分别高出21.01%、13.24%,GASA适合解决同种货品集中放置的低温库货位优化问题,建议低温库尺寸长宽比为2.25∶1。结论 优化后的货位与尺寸能够有效地降低库内作业的碳排放,保证安全的同时提高出入库效率。     

考虑排产约束的汽车零部件出库订单排序优化北大核心CSSCI

针对TPL仓库面向汽车零部件企业的产前物料拣选和配送作业环节,研究了JIT生产模式下配送送达时间限定和生产线缓冲库容量有限条件下的出库作业拣选订单排序的优化模型及算法。在分析现有拣选订单排序模式的基础上,提出了融合现有模式优点的新作业模式,建立了该模式下拣选订单排序优化模型,并针对这一整数组合优化模型,设计了一套基于贪心理论的算法对其进行求解。通过实际案例分析表明,该模型及算法可以达到减少拣选作业空余时间、提高作业效率、降低作业成本的目的。     

考虑排产约束的汽车零部件出库订单排序优化

针对TPL仓库面向汽车零部件企业的产前物料拣选和配送作业环节,研究了JIT生产模式下配送送达时间限定和生产线缓冲库容量有限条件下的出库作业拣选订单排序的优化模型及算法。在分析现有拣选订单排序模式的基础上,提出了融合现有模式优点的新作业模式,建立了该模式下拣选订单排序优化模型,并针对这一整数组合优化模型,设计了一套基于贪心理论的算法对其进行求解。通过实际案例分析表明,该模型及算法可以达到减少拣选作业空余时间、提高作业效率、降低作业成本的目的。     

基于遗传算法的线束加工仓库货位优化研究

目的文中以减少汽车线束加工立体仓库堆垛机运行时间和距离,提高订单处理效率为目的,建立货位优化的数学模型。方法根据某汽车线束加工立体仓库的真实情况,在分析历史订单数据的基础上,通过基于定位储存策略的改进遗传算法对货位分配问题进行仿真和求解。结果仿真结果表明,定位存储策略优于就近存储策略、随机存储策略和分类存储策略,其减少堆垛机运行时间的比例分别达到了18.8%,16.9%和35.7%。结论采用定位存储模型能有效改善汽车线束加工立体仓库系统处理生产订单的效率。     

基于遗传算法的分区拣选系统储位优化实证研究

目的研究零售连锁企业区域配送中心分区拣选系统下的储位优化方法。方法以某药品连锁零售企业区域配送中心为研究对象,将不同分区的拣选时间趋于均衡作为储位优化目标,结合样本订单与历史订单的特点,建立储位优化数学模型,并采用遗传算法进行求解,以获取约束条件内该模型的最优解。结果在样本订单占80%权重的前提下,将所求得的分区与储位的解所对应的拣选时间,与研究对象的拣选现状进行对比,发现采用均衡各区拣选时间模型的求解结果提高了37.34%的效率,优化效果显著。结论实证研究证明了该模型和算法的有效性,该优化方法也广泛适用于其他分区拣选系统的储位分配作业。     

双载具式多层穿梭车立体仓库货位优化研究

目的为提高双载具式多层穿梭车立体仓库的运作效率,对其货位优化进行研究。方法针对双载具式多层穿梭车立体仓库货位优化作业系统的特点,考虑其运动过程中的加(减)速度特性,建立以入库时间最短为目标的货位分配优化模型。通过设计结合交叉变异算子的混合植物繁殖算法对该模型进行优化求解,从而确定最佳货位分配方案,缩短货位分配时间。结果实例分析表明,混合植物繁殖算法与遗传算法和物繁殖算法相比,收敛速度更快、优化效率更高。结论混合植物繁殖算法能够有效地缩短双载具式多层穿梭车立体仓库的货位分配时间,提高了仓库运作效率。     

面向货物装卸需求的越库仓门分配和货车排序

在货物种类多、批量少的越库调度系统中,货物的装卸顺序要求对于优化仓门分配和货车排序问题起着重要作用。针对这种情况,以最小化越库操作完工时间为目标,建立越库调度模型。分别基于优化仓门分配和货车排序问题,设计惯性权重非线性改变和增加交叉操作的改进粒子群算法进行迭代寻优。最后通过不同规模的数值实验,将改进粒子群算法与标准粒子群算法和遗传算法进行对比分析,实验结果表明改进粒子群算法在求解精度上比标准粒子群算法和遗传算法有明显优势,在求解时间上优于遗传算法,略逊色于标准粒子群算法。     

汽车零部件立体仓库货位优化问题研究

以立体仓库库存为研究对象,从物流仓储管理角度,研究了货位分配优化问题。分析了汽车零部件货位布局优化原则,建立多目标货位分配优化数学模型,对遗传算法进行了算子设计,运用Matlab软件实现模型的求解,得出可行的货位优化方案。最后结合实例进行多目标货位优化数学模型求解及应用,并以三维仿真图形展示了优化效果,验证了所设计的遗传算法的有效性,对同类问题的解决具有参考意义。     

双区型仓库动态拣货策略的设计及路径优化研究

目的 针对双区型仓库,以拣货时间最短为目标函数构建数学模型,进一步提高拣货效率。方法 提出并设计动态货位调整与人工拣货协同作业的动态拣货策略,分别采用GA算法和GASA算法进行最优化求解。结果 GASA算法优于GA算法,拣货单为1张情况下的拣货时间可减少4%;与静态拣货策略相比,拣货单为10张情况下,采用GASA算法时,文中设计动态拣货策略下的拣货时间可减少6%,且随着拣货单数量的增加,拣货时间节约占比越大。结论 GASA算法较GA算法其求解动态拣货路径优化问题更高效、优化结果更好。文中所提动态拣货策略更方便实施,在静态拣货路径优化基础上,可进一步提高拣货效率,且拣货单越多,效果就越显著。     

多色集合在仓配一体化仓库货位分配建模中的应用

目的为了提高仓配一体化仓库的货物存储以及货物周转效率,对仓库货位分配进行研究。方法以西北地区某快消品仓配一体化配送中心仓库为背景,应用多色集合理论建立仓配一体化仓库中货位信息模型,通过实际案例对建立的模型进行仿真实验,得出仓库中货位的最优分区。结果对仓库在货物就近原则放置和货物分区管理下车辆的等待时间进行仿真,限定在100 d的时间里,得出仓库在运用多色集合理论分区的情况下装卸车辆等待时间相比之前未分区时间下降了20.84%。结论运用多色集合理论有效提高了城市快消品仓配一体化中货位优化的效率。     

基于鱼骨型仓库布局的多车拣选路径问题优化

为了推动鱼骨型仓库在实际场景下的应用,针对鱼骨型仓库布局下的拣货路径优化问题,构建待拣货点距离计算模型和以有载重、容积限制的多车拣货距离最短为总目标的拣选路径优化模型。考虑遗传算法(GA)全局搜索能力强、粒子群算法(GAPSO)收敛速度快以及蚁群算法(ACO)较强的局部寻优能力,提出一种解决拣选路径优化模型的混合算法(GA-PSO-ACO)。通过不同订单规模的仿真实验,得出该混合算法在适应度值、迭代次数、收敛速度等方面均优于GA算法和GAPSO算法,且在订单规模较大时,平均适应度值约降低8%,有效缩短了总拣选距离,验证了混合算法在解决鱼骨型仓库布局下的拣货路径问题的先进性和有效性,为解决此类仓库内部的拣货路径问题提供新的解决方法和思路。     

新型无人仓AutoStore的货物合箱方法研究

目的 为减少AutoStore系统在共同存储策略下的订单处理时间,解决经营品类繁多,但仓储面积有限的企业货物存储问题。方法 提出货物合箱的存储方法,设计关联规则挖掘算法与混沌种子优化算法的混合优化算法进行求解。从机器人翻箱操作、料箱的分配规则、系统布局三方面进行分析,结合AutoStore运作规律,建立以机器人拣货行走距离最短为目标函数的数学模型,通过Apriori算法输出货物热度,输入混沌种子算法,得到储位分配结果,实现联动决策。在基本种子算法的迭代中加入混沌序列,帮助种子避开局部极小值。结果 实例分析表明,货物合箱方法能够显著减少共同存储下AutoStore系统的订单处理时间,缩小与指定存储策略订单处理时间的差距,与粒子群算法和基本种子优化算法相比,混沌种子优化算法的优化效率更高、稳定性更好。结论 文中的研究为经营品类繁多,但仓储面积有限的企业提供了一种更适合的货物存储策略,具有较强的操作性和实际意义。     

A hybrid optimisation model for pallet loading

This study adopts a hybrid approach that integrates the genetic algorithm (GA) and fuzzy logic in order to assist in the generation of an optimal pallet loading plan. The proposed model enables the maximisation of profits for freight forwarders through the most efficient use of space and weight in pallet loading. The model uses fuzzy controllers to determine the numbers and size of cargo units on a pallet as well as the mutation rate in the GA approach within the optimisation process and enables the capture of tacit knowledge vested in industry practitioners. The pragmatic use of the model is illustrated using a freight-forwarding scenario that demonstrates the inherent limitations of the standard GA method, followed by the application of the proposed fuzzy GA model. To further demonstrate the benefits of the hybrid model, simulated annealing and Tabu search are used to benchmark the results achieved using various approaches; the proposed hybrid model is demonstrated to exceed these other approaches in overall performance. The application of the proposed hybrid approach across a range of scenarios is also discussed.     

多人拣选系统拥堵的马尔科夫建模与仿真研究

目的 为了降低拣选系统拥堵率提高应急物资的运输效率,文中提出一种基于马尔科夫的多人拥堵模型。方法 分别构建窄通道货位单件拣选和货位多件拣选情况下的马尔科夫状态转移矩阵,求解平稳分布,获得拣选概率与拥堵率的函数关系式,并通过仿真分析不同因素变化对拥堵率的影响。结果 研究发现在货位单件拣选情况下,拣选概率取值为0.3左右时,系统拥堵率达到峰值,之后随拣选概率的增大而减小;在货位多件拣选情况下,拣选概率与系统拥堵率呈正相关,系统拥堵率随着拣选概率的增加而增加。结论 在实际拣选作业中,为了降低系统拥堵率,货位单件拣选应尽量避免拣选概率在0.3左右;货位多件拣选应尽量降低拣选概率。     

基于有限缓存区的多任务并行分拣调度研究

通过对某物流车间的实际调研,将自动化立体仓库出货台空间限制作为优化问题的约束条件,建立订单并行分拣模式下堆垛机调度问题的模型,并采用蚁群算法进行求解。在求解过程中,根据问题假设设定了算法相关的状态转移概率公式,并采用动态更新信息素浓度的改进型方式避免传统蚁群算法早熟的情况。最后根据工厂的实际订单信息给出了算例,并通过两种不同算法和不同参数设置的比较,说明通过蚁群算法求解该优化问题的有效性。数值试验显示该蚁群算法相比传统优化算法效率提升了10.5%。     

基于批量划分的无等待流水车间订单接受问题研究

在无等待流水车间环境下,考虑订单分批量加工策略的订单接受问题,建立问题的数学模型。由于问题的NP难特性,提出改进的遗传算法对模型进行求解。改进的算法采用正向和反向NEH算法与随机方法产生初始种群,在算法更新过程中将禁忌搜索算法嵌入到遗传算法中来实现局部搜索,避免算法陷入局部最优。最后,算例表明批量划分策略能够有效减少订单的完成时间,实现订单总收益的最大化。通过算法对比,说明了改进遗传算法具有较好的求解效果。     

基于HCGA的三坐标测量路径优化

针对传统遗传算法(GA)进行三坐标测量路径优化时收敛速度慢且过早收敛的问题,提出基于爬山遗传算法(HCGA)的三坐标测量路径优化方法。根据三坐标测量路径优化的数学模型,构造适合于测量路径优化问题的遗传编码、初始种群、选择、交叉、变异等参数,通过增加爬山操作,加快GA的迭代收敛速度。仿真实验结果表明,基于HCGA的三坐标测量路径优化方法能有效提高局部寻优能力与收敛速度,可获得很好的最优解并提高了测量效率。