基于关联规则和遗传算法的服装辅料储位优化

针对服装行业受时尚潮流影响,物料型号更新迅速,导致仓库库存结构混乱、作业效率低下的问题,设计一种将Apriori算法同改进遗传算法结合(AIGA)的储位优化方法。首先Apriori算法挖掘物料组间关联规则,将相关性较强物料组合并形成大类库区,按照大类拣货频次动态调整库区位置;其次结合物料相关性和拣货频次,以最小化拣货距离为主要优化目标建立储位分配模型。通过遗传算法进行储位分配搜索,并改进遗传算法的初始化、交叉和变异算子,同时设计灾变机制,提高算法搜索性能。结果表明,与现有储位分配方案相比,拣货距离平均缩短23.85%,有效提高仓库作业效率。