一种fishbone仓储布局下拣选路径存取协同策略的优化

为了提升仓储物流中心的生产运作效益,基于一种非传统fishbone布局路径优化特点研究的基础上,提出了一种质量、体积双负载约束下的存取协同的策略模式,并构建了拣选路径的优化模型。针对该模型,设计了改进的禁忌搜索算法(TS)进行模拟仿真试验,该算法的初始值部分由遗传算法生成,有效地克服了禁忌搜索算法对初始值的依赖性。应用该算法,针对不同的订单规模和不同的初始负载比例,将传统的拣选模式和存取协同的策略模式下的最短拣货路径距离进行了比较,结果显示存取协同策略模式能够缩短fishbone布局下拣货路径的距离,其优化比例最高可达38%左右,最差的优化结果也有12%,从而提升生产作业效率。     

一种鱼骨仓储布局下的拣选路径优化方法

根据一种非传统鱼骨(fishbone)布局的特点，基于仓储运作约束条件建立了拣选路径优化模型，构造了非传统货位距离矩阵；在标准遗传算法基础上，通过进化逆转算子克服标准遗传算法存在早熟收敛和局部搜索能力较差等问题，给出了一种多种群遗传算法；为验证算法的有效性，在不同订单规模下，将多种群遗传算法与标准遗传算法和S-Shape算法进行比较，应用MATLAB软件仿真分析，一系列实验结果表明多种群遗传算法计算结果最优，并且寻优速度更快于标准遗传算法，能够很好地解决鱼骨仓储布局下的拣选路径优化问题，提高仓储智能化水平。     

Flying-Ⅴ型仓储布局下的拣货路径优化

为了提高现代仓库作业中的拣货作业这一核心环节的拣货效率,提出了一种以蚁群算法作为优化算法来解决仓库订单拣选的路径优化问题.这种算法采用正反馈机制,其使得搜索过程不断收敛,最终逼近最优解.而根据Flying-Ⅴ型仓库布局的特点,建立了订单拣选优化路径模型,并通过仿真实验,对传统穿越策略,S形启发式算法,蚁群算法三种算法的性能进行了比较,比较结果表明蚁群算法优化拣货路径可以明显地缩短拣货距离,大大提高拣货效率,在实际运用中也具有良好的实用性.