基于遗传算法的订单分批问题应用研究

摘要

订单分批分拣是为了提高拣选作业效率而把多张订单集合成一批,进行批次分拣作业,其目的是缩短分拣时平均行走搬运的距离和时间。在配送中心的所有作业中,拣货作业占配送中心总成本的60％-80％。同时,拣货作业中的任何差错都可能导致顾客的不满意和高昂成本,涉及整个物流系统。由此可见,拣货作业的优化设计对配送中心运作效率的高低具有决定性的影响。
　　 本文以配送中心人拣货作业为研究对象,结合国内外相关研究成果,对订单分批分拣问题进行相关研究。基于一定的假设,以成本最小为目标构建了订单分批分拣的数学模型。该成本综合考虑了拣货作业人员的行走距离和订单等待分拣的时间,并以不同的权重将这两个因素量化为成本。
　　 订单分批分拣问题是一个NP难题,本文采用遗传算法对其求解,将每一个订单抽象成一个基因,所有的订单组成一条染色体,利用遗传算法强大的全局搜索能力,在大规模的解空间中寻找最优解;同时,由于遗传算法具有的隐式并行处理能力和强鲁棒性等特点,可以尽可能的减少问题的求解时间,提高求解效率。这样既可以满足企业日常管理中对于求解时间应足够短的要求,也能够满足学术研究对于结果精确度的要求。
　　 最后,利用某医药中心的真实数据进行仿真,仿真结果表明,与传统先到先服务的分拣方法相比,该算法能够明显降低配送中心成本,提高拣货效益,具有良好的应用前景。

目录

文摘

英文文摘

论文说明:符号说明

第一章 绪论

1.1 课题研究的目的及意义

1.2 国外研究现状

1.3 国内研究现状

1.4 研究的主要内容

第二章 相关理论知识

2.1 订单分拣相关理论

2.1.1 影响分拣策略的因素

2.1.2 订单分拣路径的选择

2.2 遗传算法相关理论

2.2.1 遗传算法起源与应用

2.2.2 基本思想、理论及概念

2.2.3 遗传算法的基本步骤

2.2.4 参数设置与进化策略

2.2.5 遗传算法的优缺点

第三章 遗传算法在订单分批分拣中的应用

3.1 订单分批分拣问题概述

3.2 数学模型

3.2.1 模型假设

3.2.2 目标函数的确定

3.2.3 约束条件的确定

3.3 遗传算法设计

3.3.1 编码设计

3.3.2 操作算子设计

3.2.3 算法基本步骤

3.3.3 进化终止条件

第四章 仿真实验与分析

4.1 基础数据

4.2 模型及算法中常数取值

4.3 仿真结果及分析

第五章 结论与展望

5.1 结论

5.2 展望

附录 1:先到先服务算法程序代码

附录 2:遗传算法程序代码

参考文献

致谢

攻读硕士学位期问发表的论文及参加的科研情况

学位论文评阅及答辩情况表