KIVA智能仓储系统中储位分配问题研究

亚马逊公司的KIVA智能仓储系统是目前正在使用且相对成熟的“货到人”拣选系统,在“货到人”拣选模式下如何分配货物的存储位置直接关系到KIVA智能仓储系统的拣选效率.依据ABC库存规则,实际中经常存在所需分配的货格数大于等于货架数的货品.基于该特点,对已有KIVA智能仓储系统中储位分配问题的数学模型进行改进,并提出了改进遗传算法.实验结果表明:改进模型的求解速度和求解规模都优于已有模型;改进遗传算法获得的近似解更接近于最优解.

B2C配送中心分散存储优化问题研究

由于B2C配送中心客户订单呈现出"单笔订单小、品种多、配送范围广、交货期紧"的特点,以SKU为最小存储单元的传统连续存储方式失去了优势.在这种背景下,本文针对现代化B2C配送中心提出考虑货品间关联关系的分散存储优化问题,目标是最小化所有货品对儿的加权最短距离之和,使得不同的货品总能分散存储在拣货员的附近以提高拣货效率.目标里的权重为货品间的关联关系矩阵,最短距离为每个位置上的具体货品与其他位置上其他货品的最短距离.对该问题建立整数规划模型并利用CPLEX标准优化软件进行求解.基于模型求解时间和求解规模的限制,提出两个具有不同适应值函数的遗传算法对该问题进行快速近似求解.实验结果表明,分散存储方式明显优于传统的连续存储方式;适应值函数取差值的遗传算法在求解精度和求解时间上比适应值函数取倒数的遗传算法的性能更好.