摘要：为提高拣货作业效率,提出了一种“路径优化-货物动态协同-拣货单排序”的循环拣货策略,设计了嵌套GASA算法进行求解。算例表明:在5、13、54张不同规模的拣货单条件下,相比于传统拣货策略,本文提出的排序协同拣货策略分别节约拣货时间12.8%、17.9%、24.7%,拣货路径节约了16.7%、23.8%、39.7%;相较于动态拣货策略,拣货时间分别节约5.13%、12.05%、15.69%,拣货路径节约了6.69%、16.02%、24.20%。随着拣货单数量的增加,节约的时间和距离越多,优化效果越明显。本文所提模型和方法为大批量拣货问题的优化提供了思路。

摘要：目的针对双区型仓库,以拣货时间最短为目标函数构建数学模型,进一步提高拣货效率。方法提出并设计动态货位调整与人工拣货协同作业的动态拣货策略,分别采用GA算法和GASA算法进行最优化求解。结果 GASA算法优于GA算法,拣货单为1张情况下的拣货时间可减少4%;与静态拣货策略相比,拣货单为10张情况下,采用GASA算法时,文中设计动态拣货策略下的拣货时间可减少6%,且随着拣货单数量的增加,拣货时间节约占比越大。结论 GASA算法较GA算法其求解动态拣货路径优化问题更高效、优化结果更好。文中所提动态拣货策略更方便实施,在静态拣货路径优化基础上,可进一步提高拣货效率,且拣货单越多,效果就越显著。

摘要：针对物流配送中心拣货作业过程中传统订单分批和拣货路径分步优化难以获得整体最优解的问题,为了提高拣货作业效率,提出了一种基于嵌套遗传算法的订单分批和路径优化的联合拣货策略。首先,建立了以拣货总时间最短为目标函数的订单分批与拣货路径联合优化模型;然后,考虑双重优化的复杂性,设计了一种嵌套遗传算法对模型进行求解,外层不断优化订单分批结果,内层根据外层订单分批结果优化拣货路径。算例结果表明,与传统的订单分步优化、分批分步优化策略相比,所提策略的拣货时间分别减少了45.6%、6%,基于嵌套遗传算法的联合优化模型得出的拣货路径更短、拣货时间更少。为验证该算法对不同规模订单均有较优性能,分别对10、20、50张订单规模的算例进行仿真实验,结果表明,随着订单量的增加,整体拣货距离和时间进一步减少,拣货时间的减少从6%增加到7.2%。基于嵌套遗传算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题,为配送中心拣选系统的优化提供依据。