基于轴辐式网络的电商云仓配送的多主体决策模型研究

针对电商仓配模式中仓储爆仓、配送延迟和配送成本高等不足,提出基于轴辐式网络的电商云仓配送优化方案。以各运营主体的收益最大化为目标函数建立云仓轴辐式网络决策分析模型,并基于编码方式不同设计两阶段遗传算法求解模型。构造算例验证模型和算法,设置两阶段遗传算法与单一遗传算法、基础轴辐式网络与云仓轴辐式网络两组对照实验。结果表明:两阶段遗传算法较单一遗传算法对于投资回报率的提升为136.7%;建立云仓之后,轴辐式网络的投资回报率从178.5%提升至213.3%,证明了提出的模型和算法对于解决轴辐式网络优化问题的有效性,为未来电商物流的转型升级与降本增效提供了可行方向。

智能自动化导引车配对调度的混合整数规划模型

为了提高自动化集装箱码头中混合尺寸集装箱搬运作业的效率,研究了由20 ft的智能自动化导引车(Intelligent and Autonomous Vehicle,IAV)配对并协调完成搬运作业:以最小化整体作业完成时间、空载时间和最大化闲置时间为目标,建立多目标混合整数规划模型,确定导引车配对调度方案;设计实验研究参数变化对模型特征的影响;对目标函数进行Pareto分析.通过实例验证了模型的有效性和可行性,为自动化集装箱码头提供IAV配对调度的参考方法.

任务可选的自动化集装箱码头AGV配对调度优化

为了提高自动化导引车(AGV)的装载率和利用率,采用由20 ft AGV独立搬运20 ft集装箱和配对搬运40 ft集装箱的自动化集装箱码头新工艺,在车辆资源有限且集装箱装卸搬运作业密集环境下,考虑计划期内任务可选,以运输成本、完成时间和空载时间最小化为目标,建立AGV配对调度的混合整数规划模型并求解。设计自动化集装箱码头算例和数据集,研究AGV数量、运输时间和操作时间的敏感性,通过数值仿真验证了模型的有效性,并获得合理的配对调度方案。

自动化集装箱码头AGV混合配对调度优化

为了提高自动化导引车(AGV)的作业效率和空间利用率,针对40ft集装箱的搬运作业问题,采用由20ftAGV配对搬运和40ftAGV独立搬运的混合配对调度的新工艺,以最小化完成时间和空载时间为目标,建立混合整数规划模型并求解。设计算例和数据集,研究AGV和搬运任务的数量配置、规格配置与运输时间的敏感性。实验结果说明了模型的有效性,并为自动化集装箱码头AGV数量和规格配置、配对调度提供了参考。