基于学习效果的蔬菜电商成组拣货排序方法

按单拣货是电子商务背景下物流配送中心最关键、最复杂的作业环节.它直接衔接着物流配送和客户,且大部分是劳动密集型作业,因此按单拣货也是出错率最多,耗费时间最长的环节.在拣货之前对订单考虑配送因素和相似性成组,能够大大降低拣货成本.蔬菜电商拣货系统是基于人的柔性作业系统,拣货人员的学习效果导致作业效率随时间变化,从而订单的拣货时间不确定,对按单拣货作业有着不可忽视的影响.本文针对蔬菜B2C电子商务直销背景下拣货环节的订单成组作业优化问题进行研究,基于拣货人员的学习效果,建立最小化订单拣货完成时间之和的拣货序列优化模型.针对该问题多阶段,多层次决策特点,基于序贯决策思想,提出两阶段的求解方案:第一阶段订单成组,提出同时考虑订单配送距离,打包材料相似性和订单相似性三种指标融合的订单成组准则,并给出启发式算法对订单进行成组;第二阶段成组订单作业调度,提出基于修订式非递减的订单规模排序方法对组内订单进行排序,组间排序是基于具有降低搜索范围,提高搜索能力的改进模拟退火-遗传算法.通过数值实验和算法比较,验证了本文算法的有效性和实用性.研究结果表明,本文得到的方法能大大缩减拣货时间成本,为蔬果类商品网上直销企业生成拣货作业计划提供理论指导.     

双旋转货架拣货路径优化策略

讨论了由一个拣货员负责的双旋转货架系统,考虑拣货员每次拣取货物所需时间不同,目标是寻找一种最优拣货顺序使得总拣货时间最小。该问题被证明为强NP-难问题,提出了几种启发式算法寻找最优拣货顺序,并对相关模型及算法进行模拟测试以证明其有效性,为方法选择与应用提供了依据。     

随机存储下返回型与S型拣选路径随机模型的比较研究

研究物流配送中心人工订单拣选的服务效率优化问题,进而研究拣选路径的行走距离问题。在物品随机存储情况下,分别构建返回型与S型拣选方式下拣选距离的随机模型。实验结果表明两模型的近似计算结果均能在误差允许条件下较好的与仿真逼近。并就拣选件数对两模型影响进行分析,当物品件数较多时,S型拣选优于返回型拣选。这两个模型可为现实中物流配送中心订单拣选距离、拣选时间的估计以及拣选方式的选择提供参考。     

配送中心补货作业问题的启发式算法

研究在配送中心分拣区采取指定储存策略情形下,补货设备从储存区补充物品到拣货区的补货作业问题,提出复杂度为O(n3)的启发式算法,并模拟测试算法的性能,效果良好.     

波次分区拣货时装箱与货位指派问题协同优化的模型与算法

在一种常见的周期性"波次分区拣货、整体补货"的动态环境中, 货位指派和装箱问题发生的频率相同, 互为优化条件, 同时解决两个问题可使拣货效率获得更大的提升. 研究了基于SKUs相关性的装箱和货位指派的协同优化问题, 建立了以最小化最大分区拣货处理时间为目标的数学模型, 设计了"SKUs对"位置交换策略, 提出了基于SKUs相关性的SAC算法和基于货位位置的NFDP算法分别来求解两个问题, 在此基础上, 提出了协同解决两个NP-hard问题的SAC-NFDP算法. 测试结果表明, SAC-NFDP算法性能良好, 对拣货效率改进明显.     

穿梭车仓储系统复合作业路径优化

将入库任务和出库任务进行合理搭配构成复合作业是穿梭车仓储系统常用的作业模式,合理的复合作业路径优化对于提升作业效率,降低作业成本具有重要意义。为提高穿梭车仓储系统的出入库效率,将系统复合作业路径优化归结为任务指派问题,以完成一批拣货任务的总时间最小为目标建立优化模型。设计了一种改进的离散粒子群优化算法,重新定义了粒子的位置和速度及运动方程,将循环交叉和交换变异引入速度的加法运算,实现算法的快速收敛,同时通过排斥算子保持粒子群的多样性,减小算法陷入局部最优的可能性。仿真结果表明,该算法性能优于遗传算法,有效地缩短了复合作业的时间,提高了拣货效率。     

随机订单拣选系统建模及仿真分析

针对随机订单模式下自动拣选系统复杂、并发、同步等特点,采用对象Petri网建立了自动拣选系统模型。该模型规模小、直观、灵活、可探作性好,解决了其他建模方法在自动拣选系统建模上的状态爆炸问题。在该模型的基础上,建立了仿真系统,并首次提出采用均衡令牌数的策略提高拣选效率。仿真结果表明,在相同订单结构下,平均拣选效率提高19.8%。     

旋转货架系统配货作业优化问题启发式算法

旋转货架系统配置配货作业是现代配送中心中一项非常重要的作业活动.研究具有多个水平旋转货架系统的配货作业问题,建立对应的模型.在分析该类型作业中,整个货架系统配货顺序最优单个货架物品拣选顺序必然最优的特点基础上,设计改进临近域算法,并提出随机确定位置启发式算法.最后,通过模拟测试,效果良好.     

无人仓订单拣选效率影响因素分析

自动引导车(automated guided vehicle, AGV)的应用极大优化了订单拣选过程中的货物搬运流程,同时也使员工行为以及员工与AGV的有效配合逐渐成为制约电商企业订单履约中心(order fulfillment center, OFC)拣选效率的关键因素.本文基于京东OFC运作业务与实时数据,首先从员工行为视角识别出了包含员工类型、工作时段、当日已连续工作时长等影响订单拣选效率的核心因素.进一步建立生存分析回归模型,分析了各因素对不同类型员工的拣选效率影响差异,指出员工类型是影响拣选效率的主要因素.最后基于仿真平台将员工行为因素引入拣选任务指派,验证了生存分析模型及影响因素的有效性,结果显示考虑员工行为因素下可提升约23%订单拣选效率.     

基于改进遗传算法的货箱机器人拣选路径规划

针对智能仓库中新型“货箱到人”拣选模式下多个货箱机器人拣选路径规划问题，给出了一种新的优化模型和改进遗传算法。基于货箱机器人的拣选方式及特点，将其转化为非对称车辆路径问题，以机器人总拣选路径最短和完成时间最少为双目标建立混合整数规划模型，设计改进的混合遗传算法对模型进行求解，并通过大规模算例验证了算法的有效性与稳定性。算例计算结果表明：所建模型及算法提高了货箱机器人的拣选效率，降低了运行成本。     

遗传算法在卫星数传调度问题中的应用

研究了一种基于遗传算法的卫星数传混合调度算法.首先建立了卫星数传任务模型和卫星数传调度模型,提出了卫星数传可能冲突及任务执行冲突度等概念,然后对基于冲突消解的遗传算法进行了设计,并给出了基于该遗传算法的卫星数传混合调度算法.该调度算法包括三部分:一是通过确定冲突任务集来限定问题规模,以此限定了遗传算法中个体的长度;二是利用遗传算法确定出冲突任务集中每个任务分配地面资源及执行时间的次序;三是在对每个任务具体分配地面资源及执行时间时,利用了任务执行冲突度的启发式信息,以尽可能降低冲突.最后给出一个算例仿真.     

基于改进Fishbone的物流仓库布局优化

针对物流仓库内部布局的优化设计问题, 通过在Fishbone布局方法中结合贯通式货架系统的思想, 给出一种改进Fishbone仓库布局方法. 在方法中, 分三种情况对仓库主通道角度和拣货通道角度进行建模, 用Matlab求解并确定了最佳仓库布局角度, 进而考虑托盘尺寸对总移动距离的影响, 建立了最小化总移动距离的数学模型. 结合实际案例结果分析表明, 该方法在基本保持仓库面积利用率的前提下, 有效地缩短了仓库总拣货距离, 不失为一种良好的仓库布局方法.     

基于协商视角的食品质量链冲突消解策略

针对食品质量链多主体企业协同过程中的冲突问题, 提出一种基于协商的冲突消解方法.首先,基于Pareto最优解对食品质量链协同冲突的本质从数学上进行界定;然后,在充分考虑食品质量链特点的基础上, 提出食品制造商、食品供应商以及食品质量链的收益模型;接着,确定冲突双方之间的讨价还价过程参数:食品供应商提供的质量水平以及制造商成本和对方质量水平所提供的质量检测水平,并构建双方以自身收益最大化为目标的协商过程.最后,应用到具体乳制品质量链中,验证了出方法的有效性.研究表明:所提出的协商策略不仅使得每个企业成员的收益最大,而且使质量链总体收益最大,从而既消解了食品质量链冲突,又提高了质量链的质量水平.     

考虑总人工时约束的MTO企业订单竞争决策方法

针对竞争环境下MTO企业订单的接受决策问题,提出以价格竞争的策略获取订单并建立了订单竞标决策过程模型。考虑订单竞价与赢取订单可能性的效益背反关系,以企业利润最大化为目标,建立了订单竞价决策数学模型;以订单竞价决策模型为基础,分析了企业总人工时与订单成本估算准确率以及企业利润的关系,提出了合理有效的企业总人工时分配策略;最后以实例验证了模型及策略的有效性。     

自动化立体仓库拣选作业路径优化问题研究

合理优化货物的拣选路径是提高自动化仓库运行效率的一种有效方法.通过分析自动化仓库拣选作业的工作特点,为自动化仓库拣选作业创建了含装箱约束条件的多目标优化新型数学模型,用遗传算法对该数学模型进行了求解,基于不可行程度和作业次数对遗传算法初始种群的生成进行了改进.实验仿真和工程实际应用表明该模型和算法是可行、有效的.     

基于时变需求的供应链网络动态均衡模型

在时变需求下, 供应链网络静态均衡模型不能描述上下游成员的订单、库存以及采购价格随时间的变化的传播过程. 通过在静态均衡模型中引入了时间变量, 本文构建了供应链网络动态均衡模型, 以描述供应链网络各成员订单、库存和价格的时变特征. 基于历史的订单、采购销售价格等信息, 给出了供应链成员考虑订单提前期和库存成本的订单生成策略的数学描述. 建立了供应链网络动态竞争均衡变分不等式模型, 利用变分不等式方法给出了等价的动态均衡条件, 并设计了求解模型的有效算法. 算例研究表明: 文中建立的动态模型不仅能嵌入不同的订单生成策略, 还能分析包括牛鞭效应在内的多种供应链网络问题. 本文所提出的模型为探究供应链网络时空演化行为提供了有力的工具.     

基于蚁群算法的拣选作业优化问题

蚁群算法是一种新型的启发式算法,研究表明该算法具有较强发现较好解的能力,但同时存在一些缺点如易出现停滞现象、 收敛速度慢等.在蚁群算法的基础上结合自动化立体仓库固定货架拣选作业的特点,构建了货物拣选路径问题的数学模型,设计了新型的改进蚁群算法用于合理优化货物拣选路径以减少作业时间,并在算法中 采取了三个改进措施, 改善基本蚁群算法的搜索能力.候选节点集合策略和自适应调整算法参数能有效提高算法的搜索速度,选择算子使问题的解始终保持最优.实验表明该算法具有较好的全局寻优能力, 收敛速度大幅度提高,能够很好地满足中大规模的拣选作业要求.     

基于遗传算法的医院膳食供应模式优化

本文讨论了具有确定目标时间窗的并行批处理机生产配送组合问题,且订单最后一道工序需要在目标时间窗内发生并完成。本文提出分组生产配送策略,在该系统中,全部订单被分为若干组,按组在并行批处理机上加工完成后,各订单被分别配送至对应目的地。研究目的在于安排合理的订单分组及加工机器分配,从而最小化全部订单的配送提早时间及延迟时间之和。提出了混合整数规划模型及两种遗传算法来解决此生产调度问题。实验结果显示本文提出的启发式算法明显优于传统方法,算法有一定借鉴意义。     

动态需求下考虑订单聚类的外卖配送路径优化

外卖配送路径优化包括骑手间订单分配和骑手配送路径规划两部分。针对其中订单动态产生和骑手位置不断变化的问题,基于预优化后动态调整的思想建立以最小化超时订单比例、单均配送时间和单均行驶距离为目标的两阶段优化模型。在预优化阶段,设计改进变邻域搜索算法获得初始配送方案;在动态调整阶段,采用周期性优化策略,将不断变换的骑手位置转化为虚拟配送中心车辆问题进行求解;在每一阶段采用不同的聚类方法对订单进行聚类,优化初始解的质量以更快求解。结果验证了本文策略和算法在求解动态外卖配送路径问题时的有效性和可行性。研究成果不仅深化拓展了PDVRP(pickup and delivery vehicle routing problem with time window)相关理论研究,也为外卖平台提供一种科学的优化方案。     

考虑拆分策略的智能仓库订单分拣建模与优化

针对一种两类订单混合分拣的自动小车分拣问题,考虑其在订单分拣过程中出现的分拣AGV(automatic guided vehicle)堵塞和人工收集站闲置的现象,提出一种订单拆分的策略及拆分后子订单批次调整的方法,并以总订单完工时间最小化为优化目标,建立了订单拆分的订单分拣整数规划模型;提出一种改进离散灰狼优化算法,将订单分批、批次排序以及下架库位选取3个子问题进行联合优化。数值实验结果表明,订单拆分策略使总订单完工时间显著减少,并且通过与经典算法以及其他同类型算法的对比,验证了所提算法的优越性。