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。

基于多期搜索蚁群算法的多区型仓库拣货路径优化

在分析多区型仓库拣货问题的基础上,构建以拣货路径最短为目标函数的数学模型,为了避免传统蚁群算法陷入局部最优,采用改进的多期搜索蚁群算法对模型进行求解。将传统蚁群算法、自适应动态搜索蚁群算法和改进的多期搜索蚁群算法的优化结果从拣货成本、收敛代数、运行时间3个维度进行比较,结果表明,多期搜索蚁群算法具有一定的优越性。

考虑车载容量的多区型仓库拣货路径优化研究

拣货作业是仓库核心作业之一,占据仓库运营大量的时间成本和资金成本.针对多区型仓库拣货路径优化问题,对多区型仓库布局、货位坐标、路径等问题进行了定义,构建了多区型仓库拣货路径优化建模,接着通过大量实验确定了人工鱼群算法在求解拣货路径问题时的最优算法参数组合,通过演示性实验验证了模型与算法的有效性,最后从波次订单对实验结果的影响、车载容量对实验结果的影响和算法对比分析3个方面验证了人工鱼群算法的实用性和优越性.结果表明,所建立的多区型仓库拣货路径优化的模型及其求解方法,能够有效提高仓储拣货作业效率.