论文部分内容阅读
物流行业的快速发展对仓库作业效率提出了更高要求,随着用户要求的多样化,仓库作业的复杂化,物流企业实现仓库快速拣货是提高作业效率、提升客户满意度和降低运行成本的关键举措。通过分析仓库作业流程发现:(1)目前物流仓库采用集中式架构的仓库管理自动化水平偏低,从而导致了利用率低、作业效率低和管理水平低等问题;(2)在货位分配阶段存在货物周转慢、货架稳定性差和货位相关性低等问题;(3)在拣选货物阶段存在最优路径选取问题。论文基于群智能架构,针对物流仓库管理,提出了仓库货位分配和拣选路径优化算法,具体研究工作和内容如下:(1)提出了基于群智能架构的物流仓库管理系统,该系统具有组网快、配置简单及控制算法通用性强等特点,提高了仓库管理智能化水平。(2)针对货位分配过程中周转慢、货架稳定性差和货位相关性低等问题,提出一种基于群智能架构的改进并行化多目标粒子群(Parallelized Multi-objective Particle Swarm Optimization,PMO-PSO)货位分配优化算法,应用粒子群优化算法,以典型的多目标测试函数模型为例,证明了改进算法的有效性。(3)针对拣货过程中存在的最优路径选取问题,结合蚁群算法和遗传算法的优点,对蚁群算法通过并行化策略提高算法的寻优能力,用遗传算法(Genetic Algorithm,GA)改进并行化蚁群(Parallelized Ant Colony,PAC)的参数,解决了参数设置的问题,提升了算法优化性能,同时采用典型的旅行商(Traveling Saleman Problem,TSP)问题来验证,说明该参数优化方法的有效性。(4)分别对两个问题进行案例仿真研究,结果表明,采用改进的PMO-PSO货位分配优化算法对四个目标的降低率分别为10.37%、30.86%、71.72%和88.48%,对于周转率、架位合成重心、架位的稳定性和货物关联性都有较大改进。采用遗传优化并行蚁群参数的群智能算法相比于传统的穿越式策略缩短了40%左右的拣选路程,显著提升了备货效率。综上所述,论文提出的基于群智能架构的物流仓库的货位分配与拣选路径优化算法,解决了当前物流仓库管理系统存在的自动化水平不高、利用率低、作业效率低和管理水平低等问题,对我国物流行业仓库管理智能化具有科学指导意义。