城市物流配送订单分配排序优化研究

针对城市物流配送小批量、多频次、时效性强的特点,研究装载和配送组合优化的城市配送订单分配排序问题,以提高整体配送效率和客户满意度。利用成组分批排序理论对解决资源和任务分配组合优化问题的优势,将订单和车辆分别看作工件和机器,以总完工时间最短作为目标,建立城市物流配送订单分配排序模型,设计启发式算法并且进行算例模拟,结果表明设计的模型和算法能有效的解决城市配送订单分配排序问题。     

考虑拆分策略的智能仓库订单拣选优化问题

智能仓库中用智能拣货车和拣货机器人代替了传统的拣货员,从而能实行更加有效的拣货方案.针对以最小化总延误时间为目标的智能仓库的订单拣选问题,考虑订单可以被拆分的情形,提出订单拆分策略,并建立了相应的非线性0-1整数规划模型.为高效求解智能仓库订单拣选优化问题,将问题的模型分解为订单分批阶段和批次分配阶段,并分别设计订单分批算法和智能果蝇优化算法.数值实验结果表明,拆分策略能明显减小智能仓库中订单拣选的总延误时间;通过与同类型算法的比较发现,所提出的智能果蝇优化算法具有更优越的性能.     

基于遗传算法的“货到人”拣选系统订单分批优化

针对物流仓库“货到人”拣选系统中的拣货员拣选次数过多和拣货效率低的问题,提出一种基于遗传算法的订单分批优化策略,使大量多元化和零散化的订单得到高效分批并减少物料箱出库频率和拣货次数。首先建立以所有订单拣货总次数最小为目标的订单分批优化模型。其次,以标准遗传算法为基础改进遗传算法的交叉策略,验证相比于不使用遗传算法的情况下,使用本文的遗传算法优化策略的高效性。最后,为了找出更优异的优化策略,对改进的三种交叉策略进行对比实验,发现随着物料种类增多时,文中改进的第一种交叉策略拣选次数比其他两种少。仿真实验结果表明,该订单分批优化策略提高了系统的拣选效率,证明了此遗传算法解决订单分批问题的有效性。     

基于改进遗传算法的托盘拣选延误时间优化

针对船企集配中心舾装件托盘拣选延误时间过长的问题,分析在多拣选人员条件下舾装件托盘的分批、指派及排序流程,提出基于改进遗传算法的舾装件托盘智能拣选方法。研究建立以总延误时间为优化目标的数学模型,并设计改进遗传算法求解模型。算法采用基于托盘的单层整数编码方式,通过用各染色体代表不同的托盘排序序列,在选择、交叉和变异操作后引入进化逆转和插入操作,来提高算法的整体优化效率。通过实例对比分析验证了该算法的有效性。     

双拣货区自动分拣系统品项分配优化

提前拣选、压缩合流的分拣策略使双拣货区自动分拣系统的拣选效率明显高于单拣货区自动分拣系统,基于此提出该策略下品项分配优化问题。介绍压缩合流的工作原理,确定双拣货区的品项分配对订单的压缩程度及提前拣选时间的影响。以负的各订单提前拣选时间之和最小为目标函数建立数学模型,该模型可归结为0-1规划问题并应用最大最小蚂蚁系统算法求解。实例仿真与分析证明了该算法的有效性。     

基于聚类算法的订单分批策略研究

订单分批是物流中心提高作业分拣效率的一个有效方法。主要针对“货到人”模式下的订单分批问题,构造了基于聚类算法的数学模型,并以最小化货物搬运次数为目标函数进行求解。通过在不同规模的订单数据下,比较基于聚类算法的分批策略与采用先到先分批策略、不分批策略在拣选作业中的实际效果,表明该算法能有效提高分拣任务的作业效率。     

无人仓系统订单分批问题及K-max聚类算法

为了提高订单拣选效率、降低拣选成本,研究了以自动引导小车(AGV)为搬运工具的无人仓库系统订单分批问题.分析了影响订单拣选成本和效率的两种主要因素,建立了以订单分批拣选总成本极小化为目标的整数规划模型.根据K-means聚类算法思想,结合订单分批问题的优化目标,基于每批订单中包含的商品种类和拣选每批订单需要搬运的货架信息,利用取大(max)运算符分别定义了能够反映订单拣选成本的两种类中心,以及订单到两种类中心的距离.进一步以工作人员拣选每种商品的单位成本和AGV搬运一个货架的成本为权重,构造了订单到批次(类中心)的加权距离.在此基础上设计了K-max聚类算法求解订单分批问题.采用具体算例验证了K-max聚类算法的有效性.     

“货到人”拣选系统订单排序优化

"货到人"拣选系统采用"出库-拣选-回库"的拣选模式,货箱出入库频率高成为制约拣选效率的关键。为降低货箱出入库频率,进而提高系统拣选效率,提出订单排序优化模型。定义订单耦合因子表示两个订单之间可放置于拣选缓存中的共用货箱数量,并以此作为模型参数,将优化目标由提高拣选效率转化为降低货箱出入库频率。模型中,每个拣选台内的订单排序优化问题可归结为旅行商(Tranvelling salesman problem,TSP)问题。为求解模型,提出改进的K-Means聚类算法。计算每个订单与其他订单间的耦合因子,并对其进行排序;以单拣选台所有订单的耦合因子之和最大为目标,为每个拣选台分配订单并对订单进行排序。仿真结果显示,优化后系统拣选效率提高15.9%。     

基于遗传算法的订单分批策略研究

选择合理且有效的订单分批策略,在优化分拣作业流程、减少作业处理时间方面起着关键的作用。基于遗传算法,对"货到人"工作场景下的订单分批问题构造了相应的数学模型进行求解。通过设定初始种群、选择、交叉、变异等遗传操作设计得到了有效的分批结果,验证了采用基于遗传算法的订单分批策略能够有效提升物流中心的拣选效率。     

基于改进多目标粒子群优化算法的企业再制造物流网络优化

为解决碳税政策下的多目标企业再制造物流网络优化问题,综合考虑设施选址与运输方式选择,建立了总成本和碳排放最小化的混合整数规划模型。设计了约束处理机制改进多目标粒子群优化算法,并结合水泥企业运营管理数据验证了模型和算法的有效性。将改进多目标粒子群算法与第二代约束非支配排序遗传算法比较,凸显了改进多目标粒子群算法在求解中、大规模问题时的优越性。     

自动化集装箱码头装卸系统的协同调度优化

为提高自动化集装箱码头装卸系统多阶段混合作业的效率,将双循环模式下的岸边吊桥-自动引导车-场地吊桥协同调度问题抽象为混合整数规划模型,利用基于启发式的自适应遗传算法进行求解,以达到优化集装箱任务集合完成时间的目的。通过数值试验验证了所提出模型与算法的有效性。     

准时制生产模式下预制构件订单间调度与订单内调度的联合优化

在预制构件实际生产过程中，通常一个订单中包含多个工件。为满足客户交货期和方便管理，来自同一订单的工件需要连续生产，就需要解决订单间调度与订单内调度的联合优化问题(JOP＿IOSIOS)。该问题是比传统流水线调度问题更为复杂的问题，是典型的NP-hard问题。为解决该问题，通过对工序约束、订单间、订单内约束等的深入分析，基于准时制生产模式，以最小化总提前和拖期惩罚费用为目标建立了混合整数规划模型。鉴于问题的复杂性，基于分解与协同进化框架，提出一种有效的协同进化混合遗传—离散差分进化算法(CoHGA-DDE)。其主要思想是首先构造订单间调度种群和订单内调度种群，然后对两个种群分别采用离散差分进化策略和遗传进化策略，并通过两个种群之间的交互作用来提高各自性能。为验证协同进化框架和CoHGA-DDE的有效性，设计了协同进化遗传算法(CoGA)、协同进化离散差分进化算法(CoDDE)、遗传算法(GA)、离散差分进化算法(DDE)、和迭代贪婪(IG)算法。对不同规模订单进行测试，计算结果显示，与GA,DDE和IG相比，协同进化方法具有更好的求解质量和鲁棒性，而在协同进化方法中，CoHGA-DDE具...     

并行机作业车间等量分批多目标优化调度

为降低并行机作业车间等量分批多目标优化调度问题的复杂度,提高优化效率,提出了一种基于仿真技术和改进非支配排序遗传算法的分步优化方法.建立了一类以完工时间最短和总制造成本最低为优化目标的并行机作业车间等量分批多目标优化调度模型;将各产品进行等量分批,以Witness为仿真平台建立并行机作业车间等量分批生产仿真模型,通过组合仿真优化得到产品理想的等量分批方案,从而将原问题转化为并行机作业车间多目标优化调度问题;设计了一种改进的非支配排序遗传算法,对并行机作业车间多目标优化调度进行求解.通过算例分析验证了该方法的有效性.     

基于混合优化算法的飞机总装脉动生产线平衡问题

为提高飞机装配效率和人员利用率,根据飞机总装脉动生产线的特点和平衡优化需求,构建多目标多约束的E类飞机总装脉动生产线平衡问题模型,并设计一种结合非支配排序遗传算法、布谷鸟搜索算法和动态搜索算法的混合优化算法进行求解。其中动态搜索算法解决E类装配线平衡问题求解效率低下以及质量不佳的问题;非支配排序遗传算法通过改进个体距离计算方法提高装配序列的优化效果;布谷鸟搜索算法则借助改进莱维飞行距离计算式提高最优站位数量的搜索能力。最后通过基准问题测试证明算法的性能优于相关问题算法,并借助应用实例验证了模型的有效性。     

订单分批问题的数学模型及节约启发式算法

构造了拣货作业中订单分批问题的数学模型,在一些模型假设的基础上,提出了解决该问题的节约启发式算法。算例分析表明,该算法的订单分批结果优于传统的先到先服务分批结果,为实现订单优化分批拣货作业提供了新方法。     

基于群体智能的农产品供应链网络多目标优化设计

针对产出单一产品的多级农产品供应链网络优化设计问题,同时考虑最小化总成本和最大化客户需求满足率两个目标,建立了集成生产设施选址、产能决策和物流网络运输模式选择的农产品供应链网络优化设计的多目标混合整数规划数学模型。基于一种新型的改进二元粒子群算法并融合拥挤距离计算和外部Pareto档案构建等技术,提出一种Pareto多目标粒子群优化算法求解农产品供应链网络设计问题。通过将该算法与基础二元粒子群优化扩展而来的多目标粒子群优化,以及非支配排序遗传算法应用于三个案例的计算对比,验证了算法的有效性和优越性。     

基于遗传模拟退火算法的柔性制造系统设备配置优化

针对柔性制造系统多品种少批量生产模式,考虑规划期内产品零件需求约束及车间零件加工工艺路径可选的特点,建立了设备配置优化的0-1混合整数规划模型,并设计采用了遗传模拟退火算法求解。算法结合遗传算法的全局并行搜索特性及模拟退火算法的优良局部搜索能力,采用约束满足技术转换成目标函数值进行优化。实例结果表明模型实用性强且求解算法的收敛精度高、稳定性好。     

送提一体与终端共享下的最后一公里配送选址—路径问题

为有效解决电商物流最后一公里配送问题,基于最后一公里配送特征分析,从系统集成优化的角度出发,对送提一体与终端共享下的多主体共同配送选址—路径问题进行了研究。在该问题中,任意客户均存在两种服务方式,自提点可同时服务不同企业的客户,且能够被不同企业的配送车辆访问。针对该问题,建立了以系统总成本最小化为目标的整数规划模型,并设计了一种融合遗传算法、局部搜索算法及多种先进进化与搜索策略的混合遗传算法予以求解。在此基础上,通过基于标准算例库和实际案例的对比仿真实验验证了算法和模型的有效性。     

改进自适应遗传算法求解“货到人”拣选系统订单分批问题

“货到人”拣选系统采用自动导引运输车(Automated guided vehicle,AGV)实现自动拣选作业,由AGV搬运货架到拣选站台,再由拣选人员从货架上拣取商品。订单分批作为拣选作业的准备工作,是影响AGV搬运次数和人工拣货次数的关键因素,优化订单分批策略对提高“货到人”拣选系统效率至关重要。在电商智能仓库背景下,综合考虑订单需求多种商品、商品多货架分布存储、订单与货架供需匹配关系未知等实际因素,以人工拣选成本和AGV搬运成本之和最小为目标构建数学模型,并设计改进自适应遗传算法求解。该算法采用启发式策略生成初始种群,引入具有自适应变换概率的交叉和变异算子,并加入局部搜索过程以增强寻优能力。最后通过试验测试验证模型和算法的有效性,证明种群初始化方法的优势,并采用灵敏度分析给出合理的周转箱数量配置建议。研究可为电商企业通过订单分批优化提高拣选效率、降低拣选成本提供实践指导,为“货到人”拣选系统的实际应用提供科学依据。     

基于遗传算法的航天零件仓库货位优化研究CSCD

为提高航天零件仓储系统中零件出库效率和货架稳定性,建立多目标货位优化模型,并通过简单加权处理,将其转换成单目标优化模型。对仓储系统三个月的历史订单数据进行处理,提出基于遗传算法的存储策略。对模型仿真求解时,引入模拟退火算法解决了遗传算法出现早熟的问题。结果表明,提出的策略结果明显优于随机存储策略(RS)、ABC分类存储策略(ABC)、就近存储策略(COL),能有效提高立体仓库货物出库效率及货架稳定性。