可合流的自动分拣系统订单排序优化

现代自动分拣系统广泛采用先分区拣选后订单合流的分拣策略,其中存在着订单排序优化问题.对此,首先提出一种可压缩式订单合流方法,即提前各分区内订单货物的开始拣选时间,并在订单合流过程中将提前的拣选时间转化为对货物间距的压缩,从而既减少了订单总拣选时间,又避免了合单过程中货物的冲突.由于订单的拣选次序影响各订单的提前拣选时间,进而影响订单总拣选时间,故建立订单排序优化问题的数学模型并归结为旅行商问题(traveling salesman problem,TSP)问题,即各订单类似于待访问的城市,受订单排序影响的各订单拣选时间类似于各城市之间的距离,目标为求得合理的订单排序,从而使得总拣选时间最小.最后应用最大最小蚁群算法(max-minant system,MMAS)求解该模型.仿真结果显示,订单排序优化后自动分拣系统的拣选效率有了较大幅度的提高.

基于改进K-Means聚类电商物流仓储拣选优化策略

拣选作业是电商物流仓储作业中最核心的部分。由于电子商务环境下的订单具有多品种、少批量,且需求时间随机的特点,单纯按照先到先服务的拣选策略不仅难以保障订单履行的时效性,还会造成拣选效率低下,拣选成本居高不下等问题。文中基于节约算法的思想对K-Means聚类算法进行改进,以减少移动货架搬运次数为目标函数,计算两两拣选波次的耦合度,根据耦合度的大小对波次单进行分类,然后运用K-Means聚类算法建立模型并求解,得出波次单的拣选顺序。最后通过系统仿真验证,证实此方法能够有效优化拣选顺序,并提升拣选效率。