配送中心动态分区拣货系统优化设计

主要讨论配送中心分区拣货系统中的拣货策略,目标是最小化总拣货时间.由于为NP-难问题,所以在常见的静态分区拣货系统的基础上提出动态分区拣货策略,通过订单拣货顺序的优化及拣货员所在分区的动态分配,提出了“排序-动态分区-平衡”思想,设计启发式算法并对算法性能进行了测试,使分区间等待时间减少,提高拣货效率.     

运用蚁群算法解决物流中心拣货路径问题

研究了运用蚁群优化算法解决物流中心拣货路径问题,并与传统的基于穿越策略的拣货路径策略做比较.执行结果显示以蚁群优化算法解决物流中心仓储拣货作业,可明显减少拣货路径的距离及拣货时间,提高物流中心的作业效率与服务水平.     

基于混合遗传算法的多拣货小车路径规划研究

仓库的路径规划通过优化拣货小车行走路径,减少拣选时间,提高分拣效率,是影响仓库拣选的关键环节。文章基于分拣仓库模型,以最小化最大搬运完成时间为优化目标,建立多车路径规划模型。考虑到该问题是NP-难的,设计基于遗传算法与A^*算法的混合遗传算法(hybrid genetic algorithm, HGA),并通过仿真实验和问题参数分析,验证HGA的稳定性、可扩展性和高效性。实验结果表明,HGA优化后相比于优化前最大可节约31.56%的时间,在解决分拣仓库中的路径优化问题上有良好的稳定性、可扩展性和高效性。     

基于人工鱼群算法的多区型仓库人工拣货路径优化研究

拣货作业是仓库核心作业之一,占据着仓库大量的时间成本和资金成本。为了提高拣货作业效率,降低拣货成本,本文研究了多区型仓库拣货路径的优化问题。基于TSP对拣货路径建模,利用人工鱼群算法对路径问题进行求解,并与H仓库采用的"U+S"型启发式策略进行对比。案例分析的结果表明,人工鱼群算法设计的拣货路径缩短路程约20%,具有良好的实用性。     

试论摘取式与播种式拣货的异同

本文简述电子标签拣货的两种方式摘取式和播种式拣货的定义以及电子标签拣货的适用范围,重点介绍了摘取式和播种式拣货的异同点,总结了电子标签拣货的优点。     

议论摘取式与播种式拣货的异同

本文简述电子标签拣货的两种方式摘取式和播种式拣货的定义以及电子标签拣货的适用范围，重点介绍了摘取式和播种式拣货的异同点，总结了电子标签拣货的优点。     

某配送中心拣货作业的仿真分析

订单拣取过程是配送中心最耗时耗力的作业环节,因此提高拣货效率成了配送中心主要的改善方向,而货位的选择成为提高拣货效率的有效措施之一。本文本章以配送中心拣货流程为研究对象,对拣货作业进行了分析,运用仿真的方法,借助Arena仿真工具建立了拣货流程的仿真模型,得到仿真运行报告,并通过运行报告分析得出结论,对货位调整是否合理提供了依据。     

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.     

电子标签拣货系统在仓储配送中的应用

本文以第三方物流拣货配送系统为例,重点介绍了拣货系统中的电子标签自动拣货流程以及双重复核流程,并用实践证明了这两个核心流程的有效性.电子标签自动拣货功能能大幅度的提高配送中心的拣货速度,降低人员的工作力度,而双重复核功能更能把拣货准确率提高到99%以上.它运用到配送中心的仓储配送作业中,可增加物流企业的经济效率.     

基于离散时空网络的多自动引导车路径规划问题

针对多AGV（automatic guided vehicle）在仓储物流搬运系统中的巷道拥堵问题,提出一种规避拥堵的系统优化策略,将产生的AGV拣货路径作为约束生成后续AGV运行轨迹。对仓库相邻节点赋予时间链接,构建时空网络地图,在此环境建立基于离散时空网络的考虑拥堵的路径优化模型,并设计了时空网络与SA(simulated annealing)相结合的全局优化算法ST-SA(space time simulated annealing) 以求解该模型,通过仿真实验对模型及算法的有效性进行验证。实验结果表明：系统优化策略可以对AGV路径规划过程进行控制与优化,ST-SA能够很快搜索到合理、高效的AGV拣货路径方案,缩短AGV在巷道的作业时间,避免了多AGV在智能仓储系统中的碰撞及拥堵。     

电子标签在智能拣货系统中的应用研究

以电子标签和单片机原理为基础,在此基础上完成软件和硬件设计.系统介绍了拣货系统的原理,单片机等在电子标签中的应用.实验表明系统提高了仓库管理的效率,并大大降低拣货的出错率.     

基于订单整零分批的医药电商配送中心拣货效率

为了提高医药电商物流企业的拣货效率,本文根据拣货过程中存在的信息偏差问题,提出拣选订单整零分批拣选方式。引入医药品整箱规格和中包装规格作为拣选订单分批依据,设计带有箱规约束的三阶段订单分批程序实现订单分批,并构建基于修正系数（Modified Coefficient）和宽裕时间（Slack Time）的最小拣选标准时间模型,对比分析订单分批前后的时效性,验证订单整零拆分的必要性和模型的有效性和可行性。结合某公司的实际数据验证了拣选订单整零分批的优越性。研究发现,订单实现整零分批后拣货路程缩短,拣货效率由原来的48.8% 提高到65.6%,拣选时间由5.6h 缩短到3.8h ,整体上提升了医药电商物流企业配送中心的运作效率。     

鱼骨型布局拣货路径多车调度混合优化方法

针对一种新型非传统鱼骨型仓储布局模式,建立非传统鱼骨型布局结构中任意货物点之间的距离矩阵计算模型;考虑拣货小车载重约束条件,建立多车协同拣选调度优化模型;在传统遗传算法与粒子群算法结合的基础上,给出一种混合粒子群优化算法.为验证该算法的有效性,在不同订单规模情况下,将该算法与传统粒子群算法、遗传算法和多种群遗传算法进行比较,应用Matlab软件仿真分析,实验结果表明:该算法不但具有粒子群算法收敛快、耗时短的优点,还具备遗传算法寻优能力强的特点.     

随机需求下定制公交站点及路径动态优化模型

针对定制公交的站点及路径动态优化问题,分析定制公交特性,结合复杂网络理论与动态需求特征,对站点进行重要度评估,并按照重要度高低进行排序,筛选出前50%与前70%的站点作为路径寻优时考虑的停靠站点.以最大服务率和最小动态行程时间为综合目标,以最大载客量、运营成本、行程时间为约束,建立随机需求下的定制公交动态路径优化模型.对A~*算法进行改进,综合动态行程时间与乘客需求作为当前节点到达终点的估计代价求解目标函数.以福州市为例,检验模型和算法的有效性.结果表明,模型与算法能够在随机需求下对定制公交停靠站点按重要度进行动态筛选并优化动态路径,且按照站点重要度前50%进行筛选得到的路径结果优于前70%.     

多规则产品协同设计任务动态排序

针对基于单一特征的任务排序规则的局限性,提出了一种基于复合规则的协同设计任务动态排序方法.在该方法中,建立了协同产品开发中任务完成时间模型、任务排序特征体系.通过仿真方法并在仿真结果基础上,构建了规则权重的多目标函数,求得了各规则的权重.然后用权重对各规则下的排序进行复合和优序处理,确定出优化的设计任务排序.     

考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型

针对自动化集装箱码头水平运输系统的调度优化,提出一种自动引导车(AGV)动态路径规划策略,即在多AGV系统路径生成的同时进行动态路径优化.从AGV运输作业时间角度,建立考虑拥堵的多AGV路径优化模型,优化AGV路径方案.为求解模型,设计了基于动态路径规划策略的多种群蚁群算法,并对模型与算法的有效性进行验证.结果表明:基于动态路径规划策略可以对路径规划过程进行动态控制与优化;同时,考虑拥堵因素可以有效地解决水平运输路网中的拥堵问题,提高运输作业效率.     

随机型作业计划动态排序方法研究

分析了随机型作业计划静态和动态排序问题及其研究现状,用排队论和概率论方法推导了静态和动态作业计划的排序方案数算式,得出了随机型作业排序问题实际方案数远小于传统理论方案数的结论,分析了排序问题的目标函数及其优化要求,根据任务到达和作业时间具有随机性和变动性的特点,提出了相应的排序准则,并提出变准则策略实现多目标动态排序,是解决随机型作业计划排序问题的有效方法。     

考虑观测次数的无人机交通巡视时空网络模型

针对传统道路信息检测方式不能获得实时连续的道路信息的问题,提出使用无人机进行路网巡视的方法。通过时空路网建立多机飞行路径优化模型,解决无人机的路径优化问题。模型可分别以完成所有任务条件下最小化所有飞机总飞行时间或最小化单机的最长飞行时间为优化目标,不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,将动态路径规划转化为静态路径规划,而且还加入了对重点路段多次巡视和多次巡视的时间间隔约束。对某一案例进行分析的结果表明,与不考虑巡视次数的路径规划相比,无人机的总飞行时间和单机飞行时间分别增加15.87%和15.15%,即可完成对2条重要路段巡视3次的任务目标。算例分析表明,优化后的巡视路径更加切合实际需要。     

丝绸之路经济带危险货物公铁联运路径优化

以丝绸之路经济带为背景,研究危险货物公铁联路径优化问题。组织危险货物公铁联运时,运输路径的选择对于降低作业风险和运输成本至关重要。本文系统分析了公路与铁路的运输成本及风险,建立了兼顾成本（运输成本、碳排放成本、软时间窗惩罚成本）和风险（运输风险）的多目标非线性优化模型,通过线性加权转化为单目标优化问题,并设计了改进非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm-Ⅱ）求解。改进种群初始化过程,引入协同选择的精英策略,并改进了交叉算子。最后,结合算例进行求解,结果表明：改进后的NSGA-Ⅱ算法空间分布更为均匀,且前沿跨度更大,优化的运输方案中运输节点更少、运输路径更短;总成本、总风险相比NSGA-Ⅱ算法更低,算法搜索性和求解精度明显提高。     

基于启发式回溯算法的平面移动式立体车库RGV调度策略

为了提高立体车库路径规划阶段的兑现率,对有轨引导小车(rail guided vehicle,RGV)运行过程及行程时间进行分析,给出了符合并行调度模式的路径重叠率计算方法,针对立体车库作业特征提出了一种值排序启发式(value ordering heuristics,VOH)回溯算法,构建路径节点滑动时间窗,以单位时间窗内任务请求数作为约束函数,通过评估函数对扩展结点性能进行估值并排序,并利用VOH-预剪枝策略对部分结点进行剪枝,以此提高算法求解速度。在非齐次泊松到达过程下进行仿真,实验结果表明,值排序启发式回溯算法可有效降低RGV并行运行过程中时间、空间的路径重叠率,在该实验规模的立体车库模型中发挥稳定,表现为在RGV平均利用率基本不变的前提下具有更小的平均服务时间,当顾客到达率为40、25、10、5 veh/h时,RGV平均服务时间分别减少18.07%、13.29%、12.46%、4.27%,为提升立体车库运行效率提供参考。