基于相关性的周期性货位优化的模型与算法

传统的货位优化方法没有充分利用库存量单位(Stock keeping units,SKUs)之间的相关性关系。以一种存在相关性需求的'波次分区拣货、整体补货'的周期性环境为对象,以最小化最大的分区拣货时间为目标建立货位优化的数学模型,提出相关性强度的概念和计算方法,设计出基于相关性的货位指派算法(Storage allocation based on correlations,SABC)和不考虑相关性的随机货位指派算法(Storage allocation based on random,SABR)算法,SABC算法以体积—订单指数(Cube per order index,COI)法则的解为初始解,通过定量化的'相关性位置交换策略'将相关性强的'SKUs对'指派到相近的货位中来提高拣货效率。测试结果表明:SABC算法具有较好的收敛性,其收敛速度明显优于SABR算法,求解质量比COI法平均改进约7.6%～25.1%,比SABR算法平均改进约1.36%～14.50%;需求相关性强度越高,拣货效率提升潜力越大。

货位指派和拣货路径协同优化及算法研究

以人工拣货系统为研究对象,考虑货位指派和拣货路径协同优化问题,以所有拣货周期内拣货作业总行走时间最短为优化目标,建立了同时考虑货位指派和拣货路径的协同优化模型,在此基础上对该模型进行算法设计求解,并进行仿真实验分析。仿真结果表明,采用两者协同优化的方法与分别优化方法相比,能够有效地缩短拣货员总行走时间,进一步提升拣货效率。并得到考虑不同的平均订单规模和货位调整数量下的系统协同优化效果,指出在订单规模和货位调整量较小时,其获得的优化效果最好。最后综合考虑算法求解速度和精确度,结果显示采用蚁群算法可以较快获得最优解。

穿越策略下考虑相关性的货位优化方法

为研究品项相关性对拣货效率的影响规律,通过分析穿越策略下分区分批拣货时品项间相关性关系的特点,以批次拣货时间最短为目标建立了货位指派优化的数学模型,提出基于品项相关性的货位指派优化算法(SASC_C),该算法以COI法解为初始解,通过货位逐次变换策略将相关性强的品项尽可能的指派到尽可能少的巷道中来提高拣货效率.算法测试结果表明:SASC_C算法的收敛速度明显快于不考虑相关性的随机型算法(SASR);求解质量平均改进约1.06%～10.6%,比COI法的解平均改进0.73%～14.6%;相关性强度越高,改进效果越明显;在穿越策略下,改进效果随访问巷道数的增多而减弱.充分利用品项间的相关性关系进行货位优化,有利于提高穿越策略下的拣货效率.

考虑需求相关性的多巷道仓库货位分配问题

根据物料相关性及需求频率,建立了多巷道仓库中货位分配的优化数学模型。模型的优化目标是,既要尽量将关系密切的物料聚集摆放,又要尽量将需求频率高的物料靠近出入库口存储。为求解这一NP问题,提出一种结合启发式算法的混合遗传算法。数值实验表明,该模型与不考虑需求相关性的分配策略相比,可以得到更好的结果,并且随着需求相关性水平的提高,效果更加明显。

基于品项相关性的阵列式自动拣选机货位优化

为提高阵列式自动拣选机的拣选效率,提出基于品项相关性的货位优化方法。针对阵列式自动化拣选机通道列串行拣选、并行合流的工作特点,分析了设备通道列作业时序,建立了阵列式自动拣选机订单拣选总时间数学模型,将其归结为以最大总虚拟视窗时差为目标的货位分配问题。为求解该问题,设计了启发式聚类算法,将相关性强的品项分配至间隔距离远的通道列存储,以增大总虚拟视窗时差,提高设备拣选效率。通过某医药物流配送中心阵列式自动拣选机的实例分析表明,采用启发式算法可使订单拣选总时间减少约5%。

基于订单体积指数和需求相关性的多巷道货位分配优化

货位分配直接影响着仓库的拣选效率,为提高仓库的拣选效率,提出采用多巷道存储策略,构建以订单体积指数和需求相关性为优化指标的货位分配模型,并采用改进的遗传算法对模型进行仿真.最后对比小、中、大三种仓库规模及不同权重取值下的算例对优化情况的影响.结果表明,通过考虑订单体积指数和需求相关性并采用多巷道存储策略对货位分配进行优化,针对不同仓库规模及权重取值,均能有效提高拣选效率.

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。

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。

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。

零售业电子商务仓储中心货位指派问题研究

研究零售业电子商务仓储中心的中心货位指派问题。首先,结合实地调研,提炼零售行业的运作及产品特征,建立了基于产品出库频次与相关性的优化标准及指标。然后,建立该问题的整数线性规划数学模型。进一步,提出求解该类问题的模拟退火算法。最后,与现有或传统方法进行实证研究,结果表明,订单跨库区数平均减少48.6%,拣货距离平均减少12%。

摘要选登

摘要选登在证券品种可变情况下Ｍ┐Ｖ有效集的漂移分析陈伟忠（西安交通大学，７１００４９，西安）摘要证券品种不断增加是新兴证券市场的基本特征之一．本文运用Ｍ－Ｖ组合选择理论的思想方法，系统分析了证券品种的增加对投资有效集的影响．依据新增证券的收益与原证券...

基于双指令的倍深式货位优化

随着可利用土地资源的日益稀缺,仓储企业为降低成本,提高存储密度,对紧致化仓储要求愈加迫切。提高存储密度的一个重要途径是尽量减少巷道,与单倍货架相比,倍深式货架节约了巷道空间,从而实现了紧致化仓储。在考虑堆垛机的运行时间和堆垛机在货位的停留时间的基础上,建立堆垛机执行交叉存取指令的倍深式货位优化模型。为减少翻箱操作次数,根据倍深式货架特征提出Close&Open算法和指派算法对模型进行求解。仿真实验显示:批量存储的效率比单一存储的效率高;当存储密度为80%时,与随机存储算法对比,Close&Open算法提高了27.76%,指派算法提高了30.12%。