动车组检修物料拣选路径优化仿真

动车组检修物料拣选是备料过程的主要耗时环节,拣选路径优化有助于减少拣选时间,提高动车组检修效率。动车组检修物料分批次随机存放在多个储位,即1种物料对应多个储位,现有的拣选路径优化基于1种货物对应1个储位前提,现有方法难以解决该问题。在动车组检修物料仓储布局、物料需求、拣选车最大载量确定的前提下,以拣选路径总长度最短为目标,建立储位选择和路径规划进行整体优化模型,基于模拟退火算法设计求解算法。通过算例验证,与基于就近原则的拣选路径决策方法相比,通过储位选择和拣选路径整体优化,拣选路径能缩短12.5%。

自动化立体仓库固定货架拣选路径问题研究

为提高自动化立体仓库拣选效率,以存取时间最短为目标,针对单巷道固定货架拣选作业过程,构建了解决拣选作业路径优化问题的数学模型,提出结合模拟退火算法的混合粒子群算法.该算法在求解过程中用粒子群算法初始化种群,提高了优化效率,缩短了搜索时间;在迭代过程中采用模拟退火算法,利用其概率突跳能力,以避免基本粒子群算法迭代过程中陷入局部最优和早熟收敛.通过实例验证,该算法比标准粒子群算法所用时间短、收敛速度快、迭代次数少.

Max-Min蚁群算法在固定货架拣选路径优化中的应用

固定货架拣选路径优化问题是一个典型的TSP问题 .为NP完全难题 .使用Max MinAntSystemAlgorithm来求解该问题 ,计算机仿真结果表明该方法能较快地找到最优解 ,而且比神经网络。

随机存储下返回型与S型拣选路径随机模型的比较研究

研究物流配送中心人工订单拣选的服务效率优化问题,进而研究拣选路径的行走距离问题。在物品随机存储情况下,分别构建返回型与S型拣选方式下拣选距离的随机模型。实验结果表明两模型的近似计算结果均能在误差允许条件下较好的与仿真逼近。并就拣选件数对两模型影响进行分析,当物品件数较多时,S型拣选优于返回型拣选。这两个模型可为现实中物流配送中心订单拣选距离、拣选时间的估计以及拣选方式的选择提供参考。

基于蚁群遗传算法的自动化立体仓库拣选路径优化

合理优化货物的拣选路径是提高自动化立体仓库运行效率的一种有效方法。通过分析自动化立体仓库拣选作业的工作流程与特点,为自动化仓库拣选作业建立优化数学模型,首先利用蚁群算法生成优异的初始种群,然后通过遗传算法对该数学模型进行优化求解。仿真结果表明该模型是可行的,蚁群遗传算法的混合不仅得到更精确的结果而且加速了算法的求解速度,从而能够改善拣选作业的效率。

一种鱼骨仓储布局下的拣选路径优化方法

根据一种非传统鱼骨(fishbone)布局的特点,基于仓储运作约束条件建立了拣选路径优化模型,构造了非传统货位距离矩阵;在标准遗传算法基础上,通过进化逆转算子克服标准遗传算法存在早熟收敛和局部搜索能力较差等问题,给出了一种多种群遗传算法;为验证算法的有效性,在不同订单规模下,将多种群遗传算法与标准遗传算法和S-Shape算法进行比较,应用MATLAB软件仿真分析,一系列实验结果表明多种群遗传算法计算结果最优,并且寻优速度更快于标准遗传算法,能够很好地解决鱼骨仓储布局下的拣选路径优化问题,提高仓储智能化水平。

基于遗传算法的配送中心订单拣选路径优化案例研究

以行走距离最短为目标,对配送中心内订单分批拣选行走路径问题进行了优化研究,重点阐述了运用遗传算法来实现种子订单分批拣选方法(GASM)与中点型路径拣选方法的解题步骤,每一种算法都进行了四组算例试验研究,并在其它假设前提不变时,通过案例数据阐述了当拣选路径由S型变为中点型拣选之后,订单进行分批拣选的路程变化情况。

基于鱼骨型仓库布局的多车拣选路径问题优化

为了推动鱼骨型仓库在实际场景下的应用,针对鱼骨型仓库布局下的拣货路径优化问题,构建待拣货点距离计算模型和以有载重、容积限制的多车拣货距离最短为总目标的拣选路径优化模型。考虑遗传算法(GA)全局搜索能力强、粒子群算法(GAPSO)收敛速度快以及蚁群算法(ACO)较强的局部寻优能力,提出一种解决拣选路径优化模型的混合算法(GA-PSO-ACO)。通过不同订单规模的仿真实验,得出该混合算法在适应度值、迭代次数、收敛速度等方面均优于GA算法和GAPSO算法,且在订单规模较大时,平均适应度值约降低8%,有效缩短了总拣选距离,验证了混合算法在解决鱼骨型仓库布局下的拣货路径问题的先进性和有效性,为解决此类仓库内部的拣货路径问题提供新的解决方法和思路。

基于改进MMAS算法的堆垛机货物拣选路径优化

提出了一种基于改进最大最小蚁群算法(MMAS)的货物拣选路径优化算法.首先建立堆垛机货物拣选路径最短化的数学模型,然后利用改进的MMAS对其求解获得临时优化路径,最后融合2-opt策略进行局部调整获得最优拣选路径.实验结果表明,本算法可有效克服蚁群算法易陷入局部最优的不足,且较之遗传、粒子群等算法缩短了货物的拣选路径,提高了仓库作业的效率.

单旋转货架最优拣选路径求解

对拣选路径优化问题,提出了一种新的路径优化算法。建立了单旋转货架拣选路径数学模型,通过改进的离散粒子群算法求解,通过MATLAB实现算法,并用图论的方法分析和论证了该解决方法的可行性。针对山西某儿童医院的实际应用情况进行建模和求解,并在MATLAB中进行仿真,研究证明该算法应用在单回转智能存取系统能够有效求出其运行的最短路径。通过实际应用验证,新的算法能很好求出单垂直循环式药柜的最短路径。该方法为药房自动化控制系统设计提供了有价值的参考。

在线订单分批及拣选路径规划模型及算法

在人到货订单拣选系统中,客户下达订单后将由拣货员穿梭仓库进行拣选。在仓库的拣选设备容量和拣货人员数量有限制的条件下,研究在线订单分批优化问题,预防订单过早或延迟服务,以最短的时间完成拣货任务。构建考虑最小拣货路径的在线订单分批规划模型,以最小化平均有效订单服务时间。提出一种基于规则的启发式算法来求解模型,其中包含k-means聚类算法和遗传算法,分别处理订单的分批和拣选路径的规划。最后利用具体算例进行模拟计算,实验结果表明,与传统固定时间窗启发式算法相比,提出的基于规则的启发式算法能够显著提高拣货效率。

组合旋转货架拣选路径规划研究

在总结前人拣选路径优化问题的基础上,建立了组合旋转货架拣选路径数学模型,提出一种新的路径优化算法。把问题抽象成单源最短路径问题,通过改进的离散粒子群算法建模,用图论的方法对问题进行分析,对这种解决方法的可行性进行了论证,并通过MATLAB实现算法。针对山西某儿童医院的实际情况,建模并对优化结果在MATLAB中进行仿真,研究证明该算法应用在多回转智能存取系统能够有效求出其运行的最短路径。通过实验结果分析和验证,新的算法能很好求出多垂直循环式药柜的最短路径。该方法研究,为实现药房自动化控制系统设计提供了有价值的参考。

基于TSP仓库拣选路径优化研究——以A公司为例

我国许多中小企业,特别是在制造业当中,其物流管理水平有限,仓库管理较为粗放,拣选运作效率低,导致整体物流成本居高不下等问题,严重制约企业的长远发展,不利于企业经济效益的实现。文中将采用解决TSP问题的方式,利用图论求解哈密顿回路的方法,建立最优拣选路径的模型并进行求解,以达到拣选效率的提高。

自动化立体仓库拣选路径优化问题研究

利用蚁群算法结合遗传算法来求解固定货架拣选的TSP问题,通过MATLAB对随机产生的10个和30个待拣选货位点的拣选作业路径优化进行了仿真试验。仿真结果表明:对于待拣选货位点数目有较大范围变动的情况,该方法能够对拣选路径进行全局优化;利用蚁群算法结合遗传算法求解固定货架拣选TSP问题时,在拣选的货位点数量适中的情况下(10～30),变异概率值在(0.008～0.020)之间是最优的。

仓储物流机器人批量拣选路径规划仿真

本文对仓储物流机器人的发展情况进行了研究,首先结合物流企业的工作特点,建立一个灵活的仓储空间模型,建立机器人运动规则,道路要求。然后对整个机器人运行任务进行分解。根据机器人正常工作中的特点,修正A*算法,实现特殊情况下的路径拣选。通过加入时序算法,建立地图空间,进行三维路径规划。通过仿真实验得出数据,比较特殊路径规划算法与时序算法的优缺点,验证了批量路径规划方法的稳定性与高效性。

动态立体仓库中穿梭车货到人多目标拣选路径优化

近年来,穿梭车被广泛地应用到仓库拣选作业中,传统的"人到货"拣选方式正逐渐被"货到人"的自动化拣选方式取代,所以,穿梭车拣选路径的选择变得尤为重要。文中创新性的将禁忌搜索算法应用到自动化立体仓库中穿梭车的拣选路径优化,对于提高仓库的作业效率具有重要意义。

基于双层遗传算法的仓库拣选路径优化问题研究

为了提高存放轴承的普通立体仓库的拣选效率,降低库存成本,在考虑搬运设备载重、货物种类、订单需求等限制条件下,建立了以拣选货物过程中工作人员走过的总路程最小为目标的出库货位优化模型。根据问题和模型的特点,文章将该问题分为货位选择优化层和货位顺序优化层,并设计双层遗传算法对模型进行求解。最后通过仿真实验和结果分析,验证了模型及算法的可行性和合理性,为普通仓库的出库货位优化问题提供了新的思路。

仓库拣选路径问题研究综述

近年来,多品种、小批量的生产模式的盛行,给制造业的仓储带来了巨大的挑战,如何提高仓库的拣选效率是一个亟待解决的问题。因此,中外学者针对仓库拣选路径问题提出了多种分类及研究方法。通过查阅相关文献,从两个角度对仓库拣选路径问题进行综述。首先,从拣选作业类型的角度,将研究问题分为单一作业和复合作业,分析仓库拣选路径问题的研究现状及存在的问题;其次,从研究方法的角度,将求解方法分为启发式算法和强化学习,分析近年来二者在仓库拣选路径问题中的应用;最后,对现有文献进行总结,并提出未来仓库拣选路径问题的发展方向。

一种fishbone仓储布局下拣选路径存取协同策略的优化

为了提升仓储物流中心的生产运作效益,基于一种非传统fishbone布局路径优化特点研究的基础上,提出了一种质量、体积双负载约束下的存取协同的策略模式,并构建了拣选路径的优化模型。针对该模型,设计了改进的禁忌搜索算法(TS)进行模拟仿真试验,该算法的初始值部分由遗传算法生成,有效地克服了禁忌搜索算法对初始值的依赖性。应用该算法,针对不同的订单规模和不同的初始负载比例,将传统的拣选模式和存取协同的策略模式下的最短拣货路径距离进行了比较,结果显示存取协同策略模式能够缩短fishbone布局下拣货路径的距离,其优化比例最高可达38%左右,最差的优化结果也有12%,从而提升生产作业效率。

基于改进捕食搜索算法的堆垛机拣选路径优化

堆垛机拣选路径优化是提升自动化立体仓库作业效率的关键。针对堆垛机拣选路径优化问题存在的NP难题,采用一种基于键距限制的改进捕食搜索算法,对其进行研究。然后以算例进行可行性验证,通过与遗传算法和基本捕食搜索算法比较,结果表明改进捕食搜索算法在解决堆垛机拣选路径优化问题方面,是一种行之有效的方法,有助于提升拣选作业效率。