基于启发式算法的自动化立体仓库拣货路径优化研究

为了对自动化立体仓库拣货系统进行优化,本文根据自动化仓库订单拣货问题的特点,以拣货时间最小化为目标建立了相应的数学模型,设计了基于启发式规则的求解算法,并用MATLAB实现了算法,经仿真验证以及将启发式算法与文献其它算法进行比较,结果表明,应用本文模型以及改进的启发式算法进行拣选路径的设计,能够有效地缩短拣选时间和距离,从而提高拣选效率,本算法具有一定的实用性。     

基于强化学习算法的供应链自适应随机库存控制研究

针对非平稳随机需求的多级多周期供应链库存控制,本文建立了一种包括一个供应商和多个零售商的供应链分散式自适应库存控制模型,以满足给定的零售商服务水平。同时,运用强化学习算法,并根据需求变化情况,供应商和零售商分别自适应地调整库存控制参量。仿真试验表明,当相对需求分布已知,而需求未知时,订货量和服务水平都相对不稳定;安全因子范围大的,订货量和服务水平的波动相对较大,且能够更快的把服务水平调整到目标服务水平区间内。该模型是合理和有效的。     

入厂物流中短驳合并运输问题的建模与优化

为建立合理有效的入厂物流方案,本文建立了入厂物流短驳合并优化问题的数学模型,利用基于递降最佳适合算法（best fit decreasing,BFD）的启发式算法和基于整数编码的单亲遗传算法进行求解,并以某汽车组装厂入厂物流为例进行仿真,仿真结果表明,本文提出的算法与BFD算法相比,可以有效降低物料供应的总成本。