考虑物料需求关联与周转率的仓储货位优化方法

在仓储配送中心常见的"波次拣货、整体补货"的分区拣选环境中,为减少整体作业时间,基于谱聚类(spectral clustering,SC)算法及货位指派规则,提出了综合考虑物料需求关联与周转率的货位优化方法。构建了物料关联性计算模型、物料相似性度量模型、聚合类存储优化模型及物料存储优化模型,通过肘方法确定聚类的最佳簇数后,在基于拉普拉斯矩阵分解的SC算法中引入KMeans++算法对物料进行聚类,以降低初始聚类中心点选择的随机性,最后基于货位指派规则对聚合类及货位的布局进行优化调整。试验结果表明,考虑物料需求关联与周转率的货位优化方法,不仅能够有效缩短订单拣选路径,而且可以提高订单拣选效率。     

多出/入口仓库的货位优化研究

在“人到货”多出/入口仓库货位优化问题中,为了减少库内整体作业时间,提高拣选效率,基于多维标度分析算法(dimensional scaling analysis algorithm, MDS)与峰值聚类算法(peak clustering algorithm, DPC),提出以货品相关性为基础的货位优化方法。首先通过历史订单数据进行分析获得货品相关度矩阵,并利用多维标度分析算法对相关度矩阵进行数据处理,在仓库实际情况下确定合适数量聚类簇后,采用峰值聚类算法将相关性高的货品聚类形成一个具有高相关性货品集合,再据货品集合优化存储区域。最后,通过实际案例进行分析,比较本文存储策略与原始存储策略在跨区域拣选条件下订单平均拣选距离,并通过本文优化策略与随机策略在相同规模订单情况下比较验证,结果显示,本文策略比随机策略优化平均优化24.56%,有效地提高了订单拣选效率。     

一种配送中心订单分拣优化问题的研究

研究一种配送中心订单分拣优化问题.目标函数设置为总的拣选订单行走的距离,使用遗传算法优化订单的分批组合,并且在本文中订单分批时,先挑选种子订单,通过对种子订单有策略的选取,最终达到优化拣选的总距离的目的.所采用的模型、方法对订单分拣有较好的优化.     

检修备品库的货位优化模型

为了对货位进行合理分配,以提高检修备品库的领料效率,分析了检修用料的特点,并综合生产环境和分销环境下仓库货位优化的思想,提出检修物料的确定相关性和统计相关性这两个概念.根据物料相关性及用料频率,建立了检修备品库货位分配的多目标优化数学模型.模型的优化目标是,既要尽量将关系密切的物料聚集摆放,又要尽量将使用频率高的物料靠近出入库口存储.最后采用蚁群算法求解了该NPC(non-deterministic polynomial complete)问题,与采用随机分配策略的仿真结果相比,领料效率提高了23%～28%.     

约束聚类下的B2C电商物流网络区域聚合

以城市群理论与引力模型为依托,将城市运输距离与订单量相结合,通过对欧式距离重新定义,以当量距离为约束条件,借助K-中心点聚类算法完成全国物流网络的区域划分,并对划分的结果根据类内差指数进行评估,找出聚类较为合理的方案.以2013年的网购订单量数据对全国86个地级市进行了区域划分,对聚合模型加以验证.     

基于混合粒子群算法的货位优化分配问题

基于COI分类存放的思想,同时考虑到货位分配问题中存取开销和占地花费的平衡,提出了一种混合粒子群算法以解决仓库货位优化分配问题．建立货位分配模型,并引入了货物的COI值对货物进行重新分类．将粒子群算法同人工蜂群算法相结合,通过优化COI值从而对货位进行优化分配．最后,进行实验分析并证明了混合粒子群算法的正确性,可有效地应用分类存放策对货位进行优化分配,减少货位数和存货代价．     

基于遗传算法的立体仓库货位动态分配优化

针对企业仓储管理中货位分配效率低的现状,提出立体仓库货位动态分配优化问题的数学模型和约束条件并对货位分配策略进行了讨论.采用基于遗传算法的权重系数变换法对优化模型进行求解.通过仿真验证了算法的有效性.     

基于PSC-IGA算法的数字化车间仓配一体化研究

文章针对数字化车间内部的仓配一体化问题,以装配生产线的物料需求时间和数量为拉动因素,考虑物料配送效率和立库运行效率,将仓配问题分为2个层次,首先通过生产排程确定时间窗,以配送效率最大化为目标构建物料配送路径规划模型,然后构建货位分配多目标优化模型.采用两阶段的遗传算法进行求解,提出基于多色集合约束的遗传算法(polyc...     

基于广义线性模型的混合属性数据聚类方法

针对混合属性数据聚类难度高的问题,提出一种基于广义线性模型的混合属性数据聚类方法.首先,构建低阶多元广义线性模型处理海量数据聚类问题,考虑数据属性的时间特性,获取属性时间序列矩阵;然后,基于优化K-prototypes聚类方法处理混合属性数据时,考虑属性的时间序列矩阵;最后,在考虑样本同聚类中心距离基础上兼顾已知样本信息内容,采用优化方法计算数据相异度、样本与聚类集间距离,当聚类结果趋于平稳时终止运算,输出聚类结果.为验证基于广义线性模型的混合属性数据聚类方法的有效性展开实验分析.结果显示,该方法经过较少次迭代即可优化划分混合属性数据聚类集,聚类适应度值为0.88～0.94,适应度优,可准确体现样本间差异,是一种准确度高的混合属性数据聚类方法.     

基于NSGAⅡ的生产线缓存与设备布局协同优化

为解决因布局过程忽略或粗略设置缓冲区占地面积而造成的生产拥挤或空间浪费问题,针对缓存配置与设备布局问题展开协同优化.基于连续时间Markov随机过程原理建立排队网节点状态模型,求解生产线设备平均利用率.以设备利用率、物料搬运距离和占地面积为优化目标,建立缓存配置与设备布局协同优化模型.通过改进的NSGA-Ⅱ算法对该模型进行优化.最终,通过某柴油机缸体生产线实例验证了本文提出方法的有效性.     

基于离散粒子群算法的AVS／RS货位优化

为了提高自动小车存取系统的存取效率和方便货位管理,提出了基于离散粒子群算法的货位优化方法.该方法首先建立了系统货位优化的数学模型,在此基础上,结合货位优化的原则提出了货位分区的策略,并基于离散粒子群算法实现了货位分配的优化,从而保证自动小车在不发生死锁的前提下调度货物时,能较好地缩短小车行走时间.最后,通过仿真实例验证了算法的有效性.     

面积约束下船舶舱室声学布局优化设计的理性准则法

给出了船舶舱室声学布局优化通用模型的数学表达式,解决了舱室声学布局优化设计难以定量化描述的难题.基于该通用模型,研究考虑舱室面积约束和非标准空间约束的声学布局优化设计问题,给出了求解这类问题的理性准则法.针对常规舱室面积约束的声学布局设计,通过建立改进的计权指派系数矩阵,采用基于匈牙利算法的准则法求解;针对待分配空间数量不等于待分配舱室数量的非标准空间约束,提出基于排序不等式的非标准空间布局准则法.通过算例分析,验证了面积约束条件下舱室总体声学布局优化的理性准则法有效性.     

基于无监督聚类算法的入侵检测

针对应用聚类方法检测入侵中参数人为指定的问题,提出了一种新的基于无监督的聚类算法.该方法不需要人为设置参数并且不受数据输入顺序的影响,聚类的形状是任意的,能够较真实地反映数据分布的具体性状.算法通过比较无类标训练集样本间的距离,根据距离最近的样本首先聚合成类的特性,在每一步聚类结束时,再次比较类间距离以及计算类内数据占总数据的比率来确定异常数据类.实验证明该算法处理未知入侵检测问题的检测率为89.5%,误报率为0.4%.     

面向低能耗的密集仓储货位分配优化

针对四向车式密集仓储系统的货位分配问题，提出一种四向车及提升机的能耗计算模型，并考虑动态货位可行域约束等因素，建立了以减少能耗为主要目标且兼顾降低货架重心与作业分布均衡的货位分配优化模型。设计自适应变异的差分进化算法对模型进行求解，向量个体表示单批作业的目标货位集合，将个体基因位的值域映射为相应出入库作业的货位可行域，根据此动态货位可行域进行个体解码后得出可行货位解，通过综合评价个体的优劣及种群迭代进化获得作业的最优货位解。在3种预设库存和3种载荷类型的情况下分别进行试验，结果表明，与考虑最短距离的货位分配优化模型相比，所提出的模型及算法可有效降低仓储能耗且其性能优势明显。     

基于菌群优化的K均值聚类算法研究

为了提高数据挖掘的聚类准确度,提出了一种基于菌群优化的K均值(K-means)聚类算法.采用K均值算法建立数据聚类模型.根据聚类类别数设定多个聚类中心坐标.设定所属类别距离阈值,然后计算待聚类点和所有中心点距离来划分该聚类点的类别.根据参与聚类各节点和各自中心点的距离值建立适应度函数.引入菌群优化算法对K均值聚类过程进...     

基于聚类选址的区域能源系统站网布局优化规划

区域能源系统中能源站选址和管网布局规划是影响区域能源系统经济性的重要因素.综合考虑能源站选址、管网布局与负荷分布的特点,提出了基于聚类和最短路径算法的站网布局优化方法.首先,将最短路径权重作为聚类相似性度量,建立站网布局结构模型.然后以系统年均经济成本最小为目标,构架优化目标函数.最后以实际工程案例进行仿真分析,验证了该方法的有效性.所提出的方法可以对区域内能源站数量、选址以及管网布局进行综合优化,为区域能源系统站网布局规划提供理论参考.     

基于Canopy和k-means算法的订单分批优化

文章针对物流企业的订单分批问题,提出了改进的Canopy-k-means算法。该算法是采用Canopy算法依据最大最小原则生成初始聚类中心,并使用k-means聚类算法对其进行优化获取分批结果的。此外,文章针对不同规模的订单数据集,比较了该算法和先来先服务(first come first served,FCFS)、k-means以及Canopy-k-means算法的实际效果,实验结果表明:该算法可以避免k-means算法中k值选取的盲目性,同时可以有效地提高分拣效率以及降低分拣批次。     

自动化立体仓库的货位分配模糊算法研究

针对自动化立体仓库的入库货位分配优化问题,提出了基于模糊数学的货位分配算法.该算法将货品的质量和使用频率属性设为模糊量,并将该模糊量带入最优货位分配算法中计算,再从计算所得模糊量结果中得到精确的货品位置.结果表明,该算法能够有效地提高入库的效率.     

模糊K-m eans算法在临床路径决策中的应用

针对临床路径决策分析聚类算法中聚类效果依赖于样本数据分布且处理数据效率低的问题,提出基于均衡分配方法的模糊K-means算法的临床路径决策方法.该算法利用文字数字化处理与加权计算来建立数据格式统一且关键属性突出的样本特征值矩阵;利用基于均衡分配方法的模糊K-means算法对上述样本进行聚类分析,得到最终的聚类中心与聚类结果,以此辅助医生进行临床路径决策.采用ECLIPSE编程进行仿真,与传统模糊K-means算法和基于减法聚类的FCM算法相比,采用该算法的迭代时间分别降低了26%与70%,迭代次数分别减少了33%和82%,平均目标函数最小值分别减小了32%和28%.实验表明,该算法能够有效降低聚类效果对于样本数据分布的依赖,同时数据聚类效率与质量也有显著的提高.     

基于鱼骨型仓库的拣选路径问题优化

为提高鱼骨型仓库布局下的订单拣选效率,基于拣货路径距离计算模型和以最小化拣货路径总距离为优化目标的拣选路径优化模型,提出一种混沌模拟退火粒子群优化算法,引入混沌理论使粒子更高效地遍历搜寻空间,同时结合了模拟退火算法的概率突跳特点使算法在迭代后期仍具有较好的全局寻优能力.最后,通过实例仿真验证了该算法在解决鱼骨型仓库布局拣选路径优化问题上的有效性,并通过与其他算法比较,证明了该算法的先进性,为鱼骨型仓库布局下拣选路径规划问题提供了新的解决思路.