基于数据挖掘的动态货位指派系统

目的为提高需求快速变化、波动较大的在线零售企业的仓库货位优化效率。方法利用数据仓库和数据挖掘法,研究基于复合规则的动态货位指派策略。对该货位指派的数据集成分析、指标计算、规则生成和货位指派等4个模块进行分析,并设计库区标定算法和规则生成算法来生成货位指派规则集。结果基于复合规则动态货位指派不仅能够节约拣货距离,而且拣货效率受需求变化的影响非常小。结论数值实验表明,与传统的货位指派策略相比,基于复合规则动态货位的指派系统可以得到更好的结果,并且在平均订单规模较大和需求偏度大的情况下效果更加明显。

RMFS订单拣选系统动态货位再指派研究

针对动态需求背景下的基于移动机器人的拣货系统(RMFS)货架储位再指派问题,提出了考虑货架与储位匹配程度的动态储位再指派策略,并以货架需求频率与储位距离关联性为优化目标,构建了反映仓库布局连续动态变化关系的混合整数规划模型,设计了求解大规模动态货架储位再指派问题的单时刻交换模拟退火(SA-STE)算法。结果表明,SA-STE算法能在合理的时间内寻找到接近CPLEX的近优解,而且在求解大规模问题时具有明显的时间优势。与传统的随机和固定位置指派策略相比,提出的模型和算法可以实现库存存货单元存储结构与需求模式相匹配的优化效果,缩短了30%左右的拣货距离,大幅度提高了RMFS的拣货效率。

基于并行遗传算法的物流中心货位优化研究

随着机械化与信息化的发展,及物流效率要求的提升,物流中心货位指派科学化已显得非常迫切。该论文从基础货位指派原则着手,从以货位优化提升后续作业效率出发,将其量化拟合为多目标货位指派模型,并设计并行遗传算法对模型进行求解,求解结果比较理想,为货位的动态指派奠定基础。