论文部分内容阅读
随着互联网行业的迅速发展,仓储物流的拣选效率成为影响企业效益的关键性因素。订单拣选被视为仓储作业中最耗费时间和生产成本的环节之一,约占在整个作业总量的60%,仓库运营成本的55%。现代化仓储物流行业的智能化、科学化管理是企业可持续发展的必由之路,转型升级有利于提升企业的生产运作做效率,减少运营成本,提升企业的收益,促进企业的良性发展。通过对仓储物流行业的生产运作过程进行叙述和分析,将订单拣选路径的最优距离作为衡量仓储物流作业效率问题的重要标准。对几种非传统仓储布局进行布局的实施和参数化设计,分别建立其拣选路径的距离矩阵。针对现有的拣选模式中载货小车往返存在空载的弊端,提出了一种有限负载能力约束下存取协同的策略模式,并分别建立了相应策略模式下拣选路径优化的数学模型。将蚁群算法(ACO)对于迭代前期初代值较优的特性引入到禁忌搜索算法(TS)中,提出了一种基于蚁群算法和禁忌搜索算法的混合算法(ACO-TS),该混合算法弥补了禁忌搜索算法对于初始值要求较高,稳定性较差的缺陷。详细的描述了该算法的运行流程和步骤,运用Matlab进行仿真试验,分别对混合算法和存取协同策略模式对仓储布局拣选路径优化问题的优化性能进行验证。采用三种经典的算法和该混合算法做比对,分别对三种不同的仓储布局拣选路径进行仿真优化。结果显示该混合算法(ACO-TS)相较于其他几种算法,其求解能力更强,收敛性能和稳定性都较为优异;对于存取协同策略模式,试验研究了针对不同的负载能力下载货小车的拣选路径优化问题,通过结论可以得出,其对于仓储布局的拣选路径有着较为显著的优化效果,其最大优化率高达33.46%,最差的优化效果也可达到7.03%,且随着负载能力的提升优化效果逐步增强。最后,应用现代化的手段,对整个拣选仿真过程进行了可视化、系统性的开发,建立了一套完整的拣选路径模拟仿真平台,方便使用者的操作和管理。