基于AGV的智能仓库系统储位分配问题研究

研究了基于自动引导机器人(AGV)的"货到人"拣选模式下的智能仓库系统补货阶段的储位分配问题.根据待拣选订单信息计算出商品之间的关联度,考虑了货架上存放的物品信息、空余储位数量、待补货物品信息,以同一货架上的各种商品之间的关联度之和最大化为目标函数,建立了补货阶段储位分配问题的整数规划模型;设计了求解模型的贪婪算法,并分析了算法复杂度.利用一个具体实例进行模拟计算,分析了贪婪算法的求解效果.进一步利用不同规模算例进行模拟计算,分析了贪婪算法的计算时间和近似比,结果显示贪婪算法可以在很短的时间内得到近似最优解,近似比不超过1.15.设计的贪婪算法可以作为智能仓库管理信息系统的核心算法.     

基于商品关联度的智能仓库储位分配问题研究

储位分配方案是直接影响智能仓库工作效率和拣选成本的关键因素.根据历史订单信息定义了商品之间的关联度,以同一货架上的商品之间的关联度之和极大化为目标建立了智能仓库储位分配问题的数学模型,并设计了求解模型的算法.首先根据历史订单信息计算商品之间的关联度,然后结合商品的周转率、商品之间的关联度等信息,设计了启发式算法求解智能仓库储位分配问题,并且分析了启发式算法的时间复杂度.通过大量的模拟计算验证了本文建立的数学模型和设计的启发式算法的有效性,证明了以同一货架上商品之间关联度极大化为目标和以订单拣选过程中搬运货架总次数极小化为目标的一致性.通过对比分析本文算法得到的储位分配结果与随机储位分配结果可以看出,利用基于商品关联度的启发式算法得到的储位分配方案比随机储位分配方案对应的货架搬运次数平均减少了30.08%.     

基于移动机器人的拣选系统货架动态储位分配研究

为了提高基于移动机器人的拣选系统拣货效率,更好地满足客户动态需求和订单时效要求,提出了考虑货架后续需求频次、需求紧迫程度以及拥堵因素的货架动态储位分配策略,构建了最小化货架搬运距离的动态储位分配模型,并设计了启发式算法进行模型求解.首先,基于货架需求紧迫程度,构造贪婪算法生成动态货架储位分配的初始解;然后,基于货架在后续批次订单的需求频次及通道间负载均衡,采用邻域搜索算法进行动态货架储位优化.最后,通过与其他静态和动态储位分配方法对比,验证文章提出的模型和算法的有效性.     

考虑商品数量和商品拣选成本的AGV智能仓库订单分批问题研究

AGV(Automated Guided Vehicle,自动导引车)智能仓库是一种基于“货到人”拣选模式的自动化仓库。本文考虑了订单中商品的需求量和货架上商品的存储量,以极小化货架搬运成本和商品拣选成本为目标,建立了AGV智能仓库订单分批问题的整数规划模型。本文针对订单分批问题的特点,提出了一种基于订单和货架交替选择的贪婪求解算法。对比CPLEX求解器的精确最优解,本文提出的贪婪算法的误差百分比不超过10%,平均误差百分比为5.38%;对比基于相似性的分批算法的求解结果,本文提出的贪婪算法不仅运算时间更短,解的质量也更好。进一步地,对比不考虑商品拣选成本的订单分批模型,本文提出的模型在不明显增加货架搬运成本的前提下,可以大幅度降低商品拣选成本。因此,在订单分批模型中考虑商品拣选成本是非常必要的。     

基于AGV的智能仓库系统订单分批问题研究

研究了基于自动引导小车(AGV)的“货到人”智能仓库订单分批拣选问题, 在同时考虑工作人员拣选商品成本和AGV搬运货架成本的前提下, 建立了以总成本极小化为目标函数的订单分批问题整数规划模型。根据订单中包含的商品信息和商品所在的货架信息构建了描述订单之间关系的加权相似度指标, 分析了加权相似度与总拣选成本之间的正相关关系。基于订单之间的加权相似度设计了求解模型的贪婪算法。利用具体算例进行模拟计算, 分析了加权系数的变化对订单分批结果的影响, 以及加权系数λ的取值与工作人员拣取一件商品的成本c₁和AGV搬运一次货架的成本c₂之间的关系, 得到了贪婪算法中加权系数λ的确定方法。进一步分析了贪婪算法的计算时间和计算效果, 结果显示, 通过适当选取加权系数, 利用贪婪算法可以在短时间内得到订单分批问题的近似最优解;对于小规模算例, 贪婪算法在最坏情况下近似比不超过1.35。利用本文的模型和算法进行订单分批, 兼顾了工作人员拣取商品的成本和AGV搬运货架的成本, 可以有效提高订单拣选效率, 降低订单拣选总成本。     

并列选择单亲遗传算法在自动化立体仓库货位优化中的应用

针对传统遗传算法在求解自动化立体仓库货位优化多目标模型中容易陷于局部最优解以及交叉变异过程中产生大量不可行解等问题,提出了并列选择单亲遗传算法.算法采用了0,1矩阵编码、并列选择算子、单亲变异算子等,有效避免了交叉变异操作产生不可行解的问题.通过对控制参数进行较合理地选取,算法能够综合考虑各子目标的相对优秀个体,从中选取出全局近似最优解,有效降低了算法陷于局部最优解的概率.利用该算法对36种货物的自动化立体仓库货位进行优化,通过比较优化前后的货位对应的拣选时间及货架重心可以看出,优化后的货位对应的拣选效率及货架稳定性均有明显提高.     

“货到人”拣选系统中电商订单分批优化研究

本文在电商行业迅速发展及人工智能日趋成熟的背景下,研究以自动导引车(AGV)为搬运工具的“货到人”拣选系统订单分批问题。首先以最小化AGV搬运货架次数为目标建立订单分批模型,然后提出了基于货架相似度的两阶段订单分批算法,在第一阶段分为新批次创建及订单加入批次两个步骤得到初始解;在第二阶段采用局部搜索改进初始解。在算法中构造订单选取货架规则,定义货架相似度函数并设计两种方法创建新批次,同时考虑周转箱数量限制求解订单分批方案。最后通过实验测试验证了模型和算法的有效性,分析了两种批次创建方法的适用性,并通过灵敏度分析给出了合理的周转箱数量配置建议。本研究可为采用“货到人”拣选系统的企业通过订单分批优化进一步提高AGV拣选效率提供理论依据和实践指导。     

基于物流AGV的“货到人”订单拣选系统任务调度研究

基于物流AGV的“货到人”订单拣选模式由于其高效率和灵活性,逐渐成为电商物流配送中心订单拣选系统发展趋势。本文通过对基于物流AGV的电商物流配送中心订单拣选作业流程分析,提出多拣选台同步拣选和多拣选台异步拣选两种作业模式。然后对基于物流AGV的订单拣选任务调度问题进行描述,以物流AGV完成所有任务的时间最短为目标,分别建立同步和异步两种拣选模式下物流AGV任务调度模型;针对物流AGV任务调度问题特性,对共同进化遗传算法粗粒度模型进行改进用于模型求解。最后,通过改进前后算法的对比,验证了改进共同进化遗传算法在求解物流AGV任务调度问题中的有效性;通过在求解速度和优化结果上对多拣选台同步拣选和异步拣选两种作业模式进行比较,得出同步拣选优于异步拣选的结果。     

基于移动机器人的订单拣选系统货位优化模型和算法研究

为了提高基于移动机器人的订单拣选系统的拣选效率,文章提出了基于货品相关性和货架中货品总出库频次的货位优化方法.将货位优化分为货品存放到货架及货架布局到仓库中现有位置两个阶段,为避免拥堵采用分散存储策略建立了最小化货架搬运次数以及最小化机器人总拣选路程的数学模型,并设计两阶段启发式算法求解.结合A网上药店的历史订单数据进行了仿真实验,实验结果表明,文章提出的货位优化方法有效提高了订单拣选效率.     

基于遗传算法的多通道密集式移动货架订单拣选研究

密集式移动货架越来越多地应用到仓储实践中,提高了仓储空间利用率,但增加了订单拣选的时间成本。本文根据密集式移动货架的仓储布局特点,针对多条通道可同时打开的情况,将货架移动时间转换成通道移动距离进行计算,提出了多条通道依次移动的优化规则,以整批订单拣选所耗费的总时间最少为目标,建立了订单拣选顺序优化的数学模型。针对该模型的特点,设计了实数编码且全局寻优的遗传算法,并进行了不同规模的算例模拟。计算结果表明,该算法具有较强的适用性,针对不同规模的问题,均有显著的优化效果;货架数量、订单数量以及移动通道数量的小幅度增减,将会导致总拣选时间较大幅度的波动;多条移动通道初始位置居于中部或均匀分散,总拣选时间略优于其集中于仓储系统一端。     

基于背包模型的人员优化配置问题

运用背包模型解决油库人员在各岗位的优化配置问题,并运用贪婪算法进行求解.考虑到各人员的总工作时间的均衡性,运用反向排序的方法对原有的贪婪算法进行改进.最后,通过举例对两种算法进行评价.     

Solving the forward-reserve allocation problem in warehouse order picking systems

Many warehouses store at least some goods in two areas, a reserve areathat is efficient for storage and a forward area that is efficient fororder picking. The forward-reserve allocation problem determines the set ofStock-Keeping Units and their space allocations in the forward area to maximizethe forward area's benefit by trading off the relevant costs of orderpicking and internal replenishment. The mathematical model of this decisionresembles the classical knapsack problem with the additional complexity that ithas a discontinuous nonlinear cost function. A simple greedy heuristic has beenproposed in the literature to solve this problem. This paper proposes analternative branch-and-bound algorithm that can quickly solve the problem tooptimality. Heuristic and optimal solutions are numerically compared usingproblem instances based on real warehouse data. Results suggest that theheuristic solutions are very close to the optimal ones in terms of both theobjective value and the forward assignment.     

Optimizing multi-item multi-period inventory control system with discounted cash flow and inflation: Two calibrated meta-heuristic algorithms

A mixed binary integer mathematical programming model is developed in this paper for ordering items in multi-item multi-period inventory control systems, in which unit and incremental quantity discounts as well as interest and inflation factors are considered. Although the demand rates are assumed deterministic, they may vary in different periods. The situation considered for the problem at hand is similar to a seasonal inventory control model in which orders and sales happen in a given season. To make the model more realistic, three types of constraints including storage space, budget, and order quantity are simultaneously considered. The goal is to find optimal order quantities of the products so that the net present value of total system cost over a finite planning horizon is minimized. Since the model is NP-hard, a genetic algorithm (GA) is presented to solve the proposed mathematical problem. Further, since no benchmarks can be found in the literature to assess the performance of the proposed algorithm, a branch and bound and a simulated annealing (SA) algorithm are employed to solve the problem as well. In addition, to make the algorithms more effective, the Taguchi method is utilized to tune different parameters of GA and SA algorithms. At the end, some numerical examples are generated to analyze and to statistically and graphically compare the performances of the proposed solving algorithms.     

带有资源转移时间的RCPSP资源流模型及算法

本文在传统资源受限项目调度问题(resource-constrained project scheduling problem, RCPSP)中引入资源转移时间,为有效获得问题的最优解,采用资源流编码方式表示可行解,建立了带有资源转移时间的RCPSP资源流优化模型,目标为最小化项目工期。根据问题特征设计了改进的资源流重构邻域算子,分别设计了改进的禁忌搜索算法和贪心随机自适应禁忌搜索算法求解模型。数据实验结果表明,相较于现有文献中的方法,所提两种算法均可针对更多的项目实例求得最优解,并且得到最优解的时间更短,求解效率更高。此外,分析了算法在求解具有不同特征的项目实例时的性能,所得结果为项目经理结合项目特征评价算法适用性提供了指导。     

最小化总反馈长度的耦合活动排程研究

耦合活动的排程直接影响新产品开发的周期和成本,因而受到了学者和研发管理人员的普遍关注。本文针对最小化总反馈长度这一耦合活动排程常用目标,将遗传算法与局部搜索算法相结合,提出了一种新的混合优化算法,并系统分析了参数对算法性能的影响。然后将算法应用到实际案例和大量随机算例中,实验结果表明混合优化算法较大幅度提高了现有局部搜索算法解的质量;同等情形下,混合优化算法所获得解比单纯运用遗传算法所获得解更好。