基于遗传算法的双区型仓库人工拣货路径优化

为获取捡货作业的最优路径,本文以某配送中心双区型仓库中人工拣货作业为研究对象,探讨了订单批量处理和拣货路径优化问题,建立了拣货车容量受限的TSP模型,并基于遗传算法,设计一种启发式算法对拣货路径进行优化处理,同时,应用Visual 6.0C++程序进行仿真实验,以快速获得任意订单中所有待拣货物的拣取顺序,计算出最短路程。仿真结果表明,将考虑拣货车容量限制的情况下求得的最优路径与未考虑拣货车容量限制的情况下求得的最优路径进行对比,结果拣货的先后次序完全不同,说明考虑运载量是有效的,且更符合实际情况。该研究不但提高拣货效率,而且节约各项成本,对现实仓库的拣货作业具有实际应用价值。     

JIT供应物流的短驳合并运输集成优化研究

针对及时化(just in time,JIT)供应模式的入场物流短驳合并优化问题,本文以某汽车制造厂的入厂物流为例,并以供应物流总成本最小为目标,建立数学模型,同时利用基于递降最佳适合算法(best fit decreasing,BFD)思想的启发式算法和改进的单亲遗传算法(partheno genetic algorithm,PGA)求解,并分析在此运作模式下的成本与效率。仿真结果表明,单亲遗传算法取消了传统遗传算法的交叉算子,取而代之仅在一条染色体上操作基因换位算子,即使种群中每个个体均相同,它也可以通过基因换位、基因到位等遗传算子来实现遗传迭代,不需要初始群体具有广泛多样性,也就不存在早熟收敛的现象。因此,本文提出的算法比BFD启发式算法的供应成本明显降低。该研究可降低供应成本,提高经济效益。