CN109190806A - 一种面向仓储的板材零部件动态货位优化方法 - Google Patents

一种面向仓储的板材零部件动态货位优化方法 Download PDF

Info

Publication number
CN109190806A
CN109190806A CN201810930069.2A CN201810930069A CN109190806A CN 109190806 A CN109190806 A CN 109190806A CN 201810930069 A CN201810930069 A CN 201810930069A CN 109190806 A CN109190806 A CN 109190806A
Authority
CN
China
Prior art keywords
population
storage
plate components
optimization method
sub
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810930069.2A
Other languages
English (en)
Inventor
陈威
朱有亭
朱丽娟
陈金凤
彭坚强
郭坚浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Youni Decoration Technology Co Ltd
Original Assignee
Zhejiang Youni Decoration Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Youni Decoration Technology Co Ltd filed Critical Zhejiang Youni Decoration Technology Co Ltd
Priority to CN201810930069.2A priority Critical patent/CN109190806A/zh
Publication of CN109190806A publication Critical patent/CN109190806A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Genetics & Genomics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了动态货位优化方法技术领域的一种面向仓储的板材零部件动态货位优化方法，主要考虑存储货物自身属性和周转率两大因素，设定仿真数学模型的优化目标，建立多目标优化模型，最终目标是为了降低货物出入库时间。根据对仓库的仓储管理现状分析，先设定合理的约束变量，再将最终优化目标量化处理，得到切合实际的货位优化模型，由于建立的是多目标数学模型，所以在算法设计时多会考虑选取遗传算法仿真设计，最后得到优化后的储位设计方案，降低仓储成本，提高仓储作业效率。

Description

一种面向仓储的板材零部件动态货位优化方法
技术领域
本发明涉及一种动态货位优化方法技术领域，具体为一种面向仓储的板材零部件动态货位优化方法。
背景技术
传统家居行业中小工厂的生产方式是不同的订单分别生产，这样的方式不仅因为板材利用率太低导致生产成本高，而且对于仓储会产生库存利用率低等问题。因此，现在家居行业中大工厂都是客单达到一定数量后一同生产，其中数量最多的同颜色和型号的家具零件优先生产，生产完成后按不同客单单独存储，这样的方式会大大提高板材利用率。但目前家居行业中大工厂的这种生产方式会导致交期大幅延后，并且使得家具零件入库出库频繁，每次生产完成之后入库所需的空间不固定，出库也可能分几次完成，使得日常管理复杂，因此，对仓库的优化管理十分必要。在当前的家具生产中，家居行业需要存储的是家具零部件，以及组装完成后的家具套件，如何合理安排各种零部件和整体家具的储位对于货物出入库效率有很大影响。
在现有技术中，也有不少人员已经开始研究动态货位分配的技术问题。如，专利文献CN103473616A提供了一种用于处理多品种物资仓储的动态货位分配规划方法与系统，其利用数据库管理模块将货位信息、货物类别、货物西咸存储至系统数据库中，然后利用优化计算模块对上述数据进行优化管理，以便得到最佳的货位分布解决方案。而在专利文献CN107808215A中，其给出了一种应用于Flying-V型非传统布局仓库的货位分配优化方法，针对现有技术中，在Flying-V型非传统布局仓库中如何合理的分配仓储货位一直是制约其进一步推广应用的重要阻碍。货物进入仓库之后，对货品如何处理、如何放置、放置在何处等进行合理有效的规划和管理是仓储行业不可避免的问题。不合理的货位分配不但不能发挥Flying-V型仓库在运作效率方面的优势，还将消耗大量的人力、物力和时间成本。而现有的货位分配优化方法和技术又不能直接应用在Flying-V型非传统布局仓库的货位分配。因此，基于Flying-V型非传统仓库货位分配优化问题的特殊性与复杂性，其设计出一种可以适用于Flying-V型非传统布局仓库的货位分配优化方法，以满足现代仓储管理的需要，适应市场需求，克服现有的货位分配技术和方法不能有效解决Flying-V型布局仓库的货位分配的缺陷，本发明提出一种基于遗传算法的Flying-V型仓库货位分配优化方法。
尽管如此，但是现有的优化算法依然搜索效率低，从而导致，设备优化时间加长，不利于快速获取结果的缺陷，为此，我们提出一种面向仓储的板材零部件动态货位优化方法,它能快速方便处理动态货位分配的技术问题。
发明内容
本发明的目的在于提供一种面向仓储的板材零部件动态货位优化方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种面向仓储的板材零部件动态货位优化方法，对用于仓储的货位的尺寸、位置、使用情况、周转周期的参数计入数据库中，同时，记录每个家具零部件的尺寸、占用的货柜数量、位置、家具零部件平均使用量的参数，也存入数据库中，具体步骤如下：
S1：选择编码策略，把上述参数集合转化为可行解集合，形成一个选定的可行解，即初始群体；
S2：定义适应函数，计算出上一代群体中的个体适应度，即每一个可行解所对应的适应函数值；
S3：将上一步的种群随机分为三组，且记为子种群1、子种群2和子种群3，且在子种群1和子种群2中进行个体相似度的计算，然后确定遗传策略，包括选择群体的大小、选择、交叉、变异方法以及确定交叉概率、变异概率等遗传参数，确定交叉、变异算子；在子种群3中进行个体适应度的计算，并且很具个体适应度计算出种群的平均适应度，然后调整交叉、变异算子；
S4：将在子种群3中确定的交叉、变异算子迁移至子种群1和子种群2中所共同确定的交叉、变异算子中，形成过渡群体，并且在过渡群体中运用选择、交叉和变异算子作用于群体，形成下一代群体；
S5：判断群体性能是否满足条件，或者是否已完成预定的迭代次数，不满足则种群代数加一，然后返回第一步重新计算，群体性能满足指标，则算法结束；
S6.输出动态货位的分配设计方案，因此在后续的零件存储中，对相应的货柜的使用情况进行调整，并调整新加入家具零部件的占用货位数和位置；
同时，所述数据库还储存按照每月存储历史家具出售信息和零部件信息，该信息用于为公司制作月报、公司运行和未来发展提供趋势研究。
优选的，S2步骤中的由适应函数确定个体适应度，适应度越大个体越好，反之适应度越小则个体越差；根据适应度的大小对个体进行选择，以保证适应性能好的个体有更多的机会繁殖后代，使优良特性得以遗传，故适应度函数值设置为非负数。
优选的，S3步骤中在过渡群体中运用选择、交叉和变异算子作用于群体的将经过交叉、变异计算后得到的子代染色体组成的子代种群和当前种群合并成为合并种群，计算每个染色体的适应度值，计算步骤为将染色体中对于一段业务区间所采取的入库和拣取方案，然后将该方案解码后映射到所有货位信息中托盘位的矩阵空间，该映射对应一段业务区间完成后货物在仓储中的全局布局，然后得到单个染色体的适应度。
优选的，S4步骤中的过渡群体为更新种群，更新种群与最优方案，将适应度值作为判断较优方案的标准找到当前合并种群中的最优方案，合并种群中的最优方案同全局最优方案进行比较，如合并种群中的最优方案更好，就将其作为全局最优方案。
优选的，S5步骤中，判断是否终止，如判断结果为是，则输出最优方案，反之则返回到种群交叉计算的步骤重新进行所述方法。
优选地，所述板材零部件动态货位优化方法每月自动生成报表，分析零部件出仓的记录，并根据当前出仓记录分析预计还可维持出仓时间，以便工厂及时补充零部件。
此外，本申请还提供一种执行面向仓储的板材零部件动态货位优化方法的程序，所述的程序用于执行前述的面向仓储的板材零部件动态货位优化方法。
此外，本申请还提供一种可读写式存储设备，所述可读写式存储设备存储了用于执行前述方法的程序，该可读写式存储设备用于安装于仓库的执行机器上执行该方法，以便实现仓库的货位管理。
此外，本申请还提供一种面向仓储的板材零部件动态货位的管理系统，其特征在于，所述管理系统包括执行模块，所述执行模块存储有前述的执行面向仓储的板材零部件动态货位优化方法的程序，从而货物的动态管理和分配。
优选地，所述管理系统还可以通讯连接远程终端，从而供管理人员可以在远离布置货位的仓库的办公区实现监控和管理。
与现有技术相比，本发明的有益效果是：
该发明主要考虑存储货物自身属性和周转率两大因素，设定仿真数学模型的优化目标，建立多目标优化模型，最终目标是为了降低货物出入库时间。根据对仓库的仓储管理现状分析，先设定合理的约束变量，再将最终优化目标量化处理，得到切合实际的货位优化模型，由于建立的是多目标数学模型，所以在算法设计时多会考虑选取遗传算法仿真设计，最后得到优化后的储位设计方案，降低仓储成本，提高仓储作业效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的一种面向仓储的板材零部件动态货位优化方法的动态货位优化方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种面向仓储的板材零部件动态货位优化方法，从企业实际情况出发，主要考虑存储货物自身属性和周转率两大因素，设定仿真数学模型的优化目标，建立多目标优化模型，最终目标是为了降低货物出入库时间。根据对仓库的仓储管理现状分析，先设定合理的约束变量，再将最终优化目标量化处理，得到切合实际的货位优化模型，由于建立的是多目标数学模型，所以在算法设计时多会考虑选取遗传算法仿真设计，最后得到优化后的储位设计方案，首先，对用于仓储的货位的尺寸、位置、使用情况、周转周期的参数计入数据库中，同时，记录每个家具零部件的尺寸、占用的货柜数量、位置、家具零部件平均使用量的参数，也存入数据库中，具体步骤如下：
S1：选择编码策略，把上述参数集合转化为可行解集合，形成一个选定的可行解，即初始群体；
S2：定义适应函数，计算出上一代群体中的个体适应度，即每一个可行解所对应的适应函数值；
S3：将上一步的种群随机分为三组，且记为子种群1、子种群2和子种群3，且在子种群1和子种群2中进行个体相似度的计算，然后确定遗传策略，包括选择群体的大小、选择、交叉、变异方法以及确定交叉概率、变异概率等遗传参数，确定交叉、变异算子；在子种群3中进行个体适应度的计算，并且很具个体适应度计算出种群的平均适应度，然后调整交叉、变异算子；
S4：将在子种群3中确定的交叉、变异算子迁移至子种群1和子种群2中所共同确定的交叉、变异算子中，形成过渡群体，并且在过渡群体中运用选择、交叉和变异算子作用于群体，形成下一代群体；
S5：判断群体性能是否满足条件，或者是否已完成预定的迭代次数，不满足则种群代数加一，然后返回第一步重新计算，群体性能满足指标，则算法结束；
S6.输出动态货位的分配设计方案，因此在后续的零件存储中，对相应的货柜的使用情况进行调整，并调整新加入家具零部件的占用货位数和位置；
同时，所述数据库还储存按照每月存储历史家具出售信息和零部件信息，该信息用于为公司制作月报、公司运行和未来发展提供趋势研究。
其中，S2步骤中的由适应函数确定个体适应度，适应度越大个体越好，反之适应度越小则个体越差；根据适应度的大小对个体进行选择，以保证适应性能好的个体有更多的机会繁殖后代，使优良特性得以遗传，故适应度函数值设置为非负数。
S3步骤中在过渡群体中运用选择、交叉和变异算子作用于群体的将经过交叉、变异计算后得到的子代染色体组成的子代种群和当前种群合并成为合并种群，计算每个染色体的适应度值，计算步骤为将染色体中对于一段业务区间所采取的入库和拣取方案，然后将该方案解码后映射到所有货位信息中托盘位的矩阵空间，该映射对应一段业务区间完成后货物在仓储中的全局布局，然后得到单个染色体的适应度。
S4步骤中的过渡群体为更新种群，更新种群与最优方案，将适应度值作为判断较优方案的标准找到当前合并种群中的最优方案，合并种群中的最优方案同全局最优方案进行比较，如合并种群中的最优方案更好，就将其作为全局最优方案。
S5步骤中，判断是否终止，如判断结果为是，则输出最优方案，反之则返回到种群交叉计算的步骤重新进行所述方法。
优选地，所述板材零部件动态货位优化方法每月自动生成报表，分析零部件出仓的记录，并根据当前出仓记录分析预计还可维持出仓时间，以便工厂及时补充零部件。
此外，本申请还提供一种执行面向仓储的板材零部件动态货位优化方法的程序，所述的程序用于执行前述的面向仓储的板材零部件动态货位优化方法。
此外，本申请还提供一种可读写式存储设备，所述可读写式存储设备存储了用于执行前述方法的程序，该可读写式存储设备用于安装于仓库的执行机器上执行该方法，以便实现仓库的货位管理。
此外，本申请还提供一种面向仓储的板材零部件动态货位的管理系统，其特征在于，所述管理系统包括执行模块，所述执行模块存储有前述的执行面向仓储的板材零部件动态货位优化方法的程序，从而货物的动态管理和分配。
优选地，所述管理系统还可以通讯连接远程终端，从而供管理人员可以在远离布置货位的仓库的办公区实现监控和管理。尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种面向仓储的板材零部件动态货位优化方法，对用于仓储的货位的尺寸、位置、使用情况、周转周期的参数计入数据库中，同时，记录每个家具零部件的尺寸、占用的货柜数量、位置、家具零部件平均使用量的参数，也存入数据库中，其特征在于：所述的板材零部件动态货位优化方法的具体步骤如下：
S1：选择编码策略，把上述参数集合转化为可行解集合，形成一个选定的可行解，即初始群体；
S2：定义适应函数，计算出上一代群体中的个体适应度，即每一个可行解所对应的适应函数值；
S3：将上一步的种群随机分为三组，且记为子种群1、子种群2和子种群3，且在子种群1和子种群2中进行个体相似度的计算，然后确定遗传策略，包括选择群体的大小、选择、交叉、变异方法以及确定交叉概率、变异概率等遗传参数，确定交叉、变异算子；在子种群3中进行个体适应度的计算，并且很具个体适应度计算出种群的平均适应度，然后调整交叉、变异算子；
S4：将在子种群3中确定的交叉、变异算子迁移至子种群1和子种群2中所共同确定的交叉、变异算子中，形成过渡群体，并且在过渡群体中运用选择、交叉和变异算子作用于群体，形成下一代群体；
S5：判断群体性能是否满足条件，或者是否已完成预定的迭代次数，不满足则种群代数加一，然后返回第一步重新计算，群体性能满足指标，则算法结束；
S6.输出动态货位的分配设计方案，因此在后续的零件存储中，对相应的货柜的使用情况进行调整，并调整新加入家具零部件的占用货位数和位置；
同时，所述数据库还储存按照每月存储历史家具出售信息和零部件信息，该信息用于为公司制作月报、公司运行和未来发展提供趋势研究。
2.根据权利要求1所述的一种面向仓储的板材零部件动态货位优化方法，其特征在于：S2步骤中的由适应函数确定个体适应度，适应度越大个体越好，反之适应度越小则个体越差；根据适应度的大小对个体进行选择，以保证适应性能好的个体有更多的机会繁殖后代，使优良特性得以遗传，故适应度函数值设置为非负数。
3.根据权利要求1所述的一种面向仓储的板材零部件动态货位优化方法，其特征在于：S3步骤中在过渡群体中运用选择、交叉和变异算子作用于群体的将经过交叉、变异计算后得到的子代染色体组成的子代种群和当前种群合并成为合并种群，计算每个染色体的适应度值，计算步骤为将染色体中对于一段业务区间所采取的入库和拣取方案，然后将该方案解码后映射到所有货位信息中托盘位的矩阵空间，该映射对应一段业务区间完成后货物在仓储中的全局布局，然后得到单个染色体的适应度。
4.根据权利要求1所述的一种面向仓储的板材零部件动态货位优化方法，其特征在于：S4步骤中的过渡群体为更新种群，更新种群与最优方案，将适应度值作为判断较优方案的标准找到当前合并种群中的最优方案，合并种群中的最优方案同全局最优方案进行比较，如合并种群中的最优方案更好，就将其作为全局最优方案。
5.根据权利要求1所述的一种面向仓储的板材零部件动态货位优化方法，其特征在于：S5步骤中，判断是否终止，如判断结果为是，则输出最优方案，反之则返回到种群交叉计算的步骤重新进行所述方法。
6.根据权利要求1所述的一种面向仓储的板材零部件动态货位优化方法，其特征在于：所述板材零部件动态货位优化方法每月自动生成报表，分析零部件出仓的记录，并根据当前出仓记录分析预计还可维持出仓时间，以便工厂及时补充零部件。
7.一种执行面向仓储的板材零部件动态货位优化方法的程序，所述的程序用于执行根据权利要求1-6所述的面向仓储的板材零部件动态货位优化方法。
8.一种可读写式存储设备，所述可读写式存储设备存储了用于执行如权利要求1-6所述方法的程序，该可读写式存储设备用于安装于仓库的执行机器上执行该方法，以便实现仓库的货位管理。
9.一种面向仓储的板材零部件动态货位的管理系统，其特征在于，所述管理系统包括执行模块，所述执行模块存储有如权利要求7所述的执行面向仓储的板材零部件动态货位优化方法的程序，从而货物的动态管理和分配。
10.根据权利要求9所述的一种面向仓储的板材零部件动态货位的管理系统，其特征还在于：所述管理系统还可以通讯连接远程终端，从而供管理人员可以在远离布置货位的仓库的办公区实现监控和管理。
CN201810930069.2A 2018-08-15 2018-08-15 一种面向仓储的板材零部件动态货位优化方法 Pending CN109190806A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810930069.2A CN109190806A (zh) 2018-08-15 2018-08-15 一种面向仓储的板材零部件动态货位优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810930069.2A CN109190806A (zh) 2018-08-15 2018-08-15 一种面向仓储的板材零部件动态货位优化方法

Publications (1)

Publication Number Publication Date
CN109190806A true CN109190806A (zh) 2019-01-11

Family

ID=64918031

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810930069.2A Pending CN109190806A (zh) 2018-08-15 2018-08-15 一种面向仓储的板材零部件动态货位优化方法

Country Status (1)

Country Link
CN (1) CN109190806A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110294251A (zh) * 2019-06-17 2019-10-01 上海航天设备制造总厂有限公司 一种多品种小批量物品的箱中箱式立体库库位设计方法
CN113636254A (zh) * 2021-07-28 2021-11-12 江苏大学 一种智能仓储系统储物槽自适应优化调整方法与系统
CN117557199A (zh) * 2024-01-03 2024-02-13 福州冰宇科技有限公司 一种基于数学模型的智慧仓储方法、系统及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120259584A1 (en) * 2010-05-17 2012-10-11 Portnoy David A Method for Optimizing Parameters for Detection Systems
US20130173512A1 (en) * 2012-01-04 2013-07-04 International Business Machines Corporation Using global and local catastrophes across sub-populations in parallel evolutionary computing
CN103942612A (zh) * 2014-04-08 2014-07-23 河海大学 基于自适应粒子群优化算法的梯级水库优化调度方法
CN104063778A (zh) * 2014-07-08 2014-09-24 深圳市远望谷信息技术股份有限公司 一种在立体货仓中为货物分配货位的方法
CN105868281A (zh) * 2016-03-23 2016-08-17 西安电子科技大学 基于非支配排序多目标方法的位置感知推荐系统
CN106021700A (zh) * 2016-05-17 2016-10-12 西安建筑科技大学 基于分散式出/入库布局模式下的货位分配模型建立方法
CN107808215A (zh) * 2017-10-23 2018-03-16 南昌大学 一种应用于Flying‑V型非传统布局仓库的货位分配优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120259584A1 (en) * 2010-05-17 2012-10-11 Portnoy David A Method for Optimizing Parameters for Detection Systems
US20130173512A1 (en) * 2012-01-04 2013-07-04 International Business Machines Corporation Using global and local catastrophes across sub-populations in parallel evolutionary computing
CN103942612A (zh) * 2014-04-08 2014-07-23 河海大学 基于自适应粒子群优化算法的梯级水库优化调度方法
CN104063778A (zh) * 2014-07-08 2014-09-24 深圳市远望谷信息技术股份有限公司 一种在立体货仓中为货物分配货位的方法
CN105868281A (zh) * 2016-03-23 2016-08-17 西安电子科技大学 基于非支配排序多目标方法的位置感知推荐系统
CN106021700A (zh) * 2016-05-17 2016-10-12 西安建筑科技大学 基于分散式出/入库布局模式下的货位分配模型建立方法
CN107808215A (zh) * 2017-10-23 2018-03-16 南昌大学 一种应用于Flying‑V型非传统布局仓库的货位分配优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘竞遥 等: "多精英协同进化遗传算法", 《清远职业技术学院学报》 *
印世乐: "基于改进多种群遗传算法的关联规则研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
董丽丽: "云计算中基于差分进化算法的任务调度研究", 《计算机工程与应用》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110294251A (zh) * 2019-06-17 2019-10-01 上海航天设备制造总厂有限公司 一种多品种小批量物品的箱中箱式立体库库位设计方法
CN113636254A (zh) * 2021-07-28 2021-11-12 江苏大学 一种智能仓储系统储物槽自适应优化调整方法与系统
CN117557199A (zh) * 2024-01-03 2024-02-13 福州冰宇科技有限公司 一种基于数学模型的智慧仓储方法、系统及存储介质
CN117557199B (zh) * 2024-01-03 2024-03-12 福州冰宇科技有限公司 一种基于数学模型的智慧仓储方法、系统及存储介质

Similar Documents

Publication Publication Date Title
Hiremath et al. Multi objective outbound logistics network design for a manufacturing supply chain
CN109190806A (zh) 一种面向仓储的板材零部件动态货位优化方法
US7213007B2 (en) Method for forecasting using a genetic algorithm
CN109886478A (zh) 一种成品酒自动化立体仓库的货位优化方法
US9141581B2 (en) Production scheduling management
CN106709692A (zh) 一种物流中心储位分配方法
CN110516998A (zh) 一种基于供应链需求关联的智能补货系统
CN114417696B (zh) 一种基于遗传算法的自动化立体仓库货位分配优化方法
CN103473616A (zh) 用于处理多品种物资仓储的动态货位分配规划方法与系统
CN107808215A (zh) 一种应用于Flying‑V型非传统布局仓库的货位分配优化方法
CN104063778A (zh) 一种在立体货仓中为货物分配货位的方法
Ang et al. How to optimize storage classes in a unit-load warehouse
CN108074004A (zh) 一种基于网格法的地理信息系统短期负荷预测方法
CN105976054A (zh) 一种计量器具仓储系统的货位优化方法
Javanmard et al. Solving a multi-product distribution planning problem in cross docking networks: An imperialist competitive algorithm
Karimi et al. Multi-objective multi-facility green manufacturing closed-loop supply chain under uncertain environment
CN112100861B (zh) 基于入侵杂草优化算法的卷烟生产物料货位分配方法
CN116402185A (zh) 基于aga多目标液压泵装配车间立体仓库货位分配优化方法
Curcio et al. Inventory and internal logistics management as critical factors affecting the supply chain performances
Pirayesh et al. GPSO-LS algorithm for a multi-item EPQ model with production capacity restriction
CN109359905A (zh) 一种自动化无人仓货位分配方法、装置和存储介质
CN106056330B (zh) 一种基于网络化系统的多级保障部署方法
CN114519297A (zh) 基于嵌套nsga-ii的多目标双层交互式优化方法
Mussoi et al. A multistage value-based model for prioritization of distribution projects using a multiobjective genetic algorithm
CN110348791A (zh) 一种应用于多agv任务调度的动态交叉遗传算法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190111