单元配载模式下非传统仓储布局设计方法及分拣路径优化算法研究

At present, the study on none-traditional warehouse layout design and its order picking optimization are the beginning phase. Although there are researching results on V-shape layout and fishbone layout, both of them are just two practice cases, maybe more none-traditional warehouse layouts will be constructed. Hence, we should pay attention to build the basic model of none-traditional warehouse layout and the order picking optimization algorithm. In this program, first, based on the computer graphic theory, some feathers of warehouse are abstracted (such as cross aisle, picking aisle, interior nodes and exterior nodes). After setting the geometric parameters and constraints, a basic model for none-traditional warehouse is built, meanwhile, the parametric design method is provided. Next, a evolutionary strategies algorithm is introduced for order picking path optimization in the condition of none-traditional warehouse layout with (μ+λ) strategy and dynamic evaluator. Then, by analyzing the historic data, a reverse optimization method is provided. Finally, simulation software system will be developed, and many experiments will be done to verify its feasibility.

当前非传统型仓储布局及分拣路径优化的研究处于新兴阶段，研究成果主要体现在以鱼骨布局和V型布局具体个例层面分析，而对构建非传统型仓储布局建模的基础—非传统型仓储布局形式化描述理论与技术，没有具体的构建理论与实现方法;以及对非传统型仓储布局条件下的物流成本控制的关键—订单分拣路径优化理论与技术的研究不足。项目首先以非传统型仓储布局的泛化模型及表达为切入点，基于图形学理论，提取组成仓库实体的特征要素（如过道、拣货通道、货柜角度、内部节点和外部节点），设定特征参数，定义要素几何信息及拓扑信息，构建非传统仓储布局一般模型表达，研究提供一种面向非传统仓储布局的参数化设计方法。其次，探索性引入进化策略优化算法，使用(μ+λ)策略及动态评估算子，研究分拣路径优化算法。再次，根据历史数据分析，提供一种仓储布局逆向再优化的理论和方法。最后，研发实验原型系统，通过算例验证布局设计方法和路径优化算法的有效性。

非传统仓储布局及分拣路径优化的研究处于新兴阶段，是对传统仓储系统的变革与创新。项目以非传统型仓储布局的泛化模型及表达为切入点，基于图形学理论，提取仓库实体组成要素及其特征，设定特征参数和约束条件，构建了非传统仓储布局几何模型描述表达；通过将主通道抽象为若干个离散点连接而成的折线通道，每条拣货通道按物动量大小对仓库进行分区，采用非完全随机存储策略，以最小化平均拣货距离为优化目标，形成了非传统Flying-V型仓储布局主通道设计优化方法；深入剖析非传统仓储布局结构的变化规律，通过一系列实验揭示了非传统鱼骨布局不同深宽比结构参数下订单拣选性能优化动态特性和演化机理，为非传统仓储布局设计优化和拣选性能调控提供决策方法和参考依据；针对鱼骨型和Flying-V型两种非传统布局货位分配优化问题，以出入库效率和货架稳定性为优化目标，建立货位分配多目标优化模型，设计自适应遗传算法和改进的粒子群优化算法进行求解，优化算法整体性能；分别构建了有限能力/无限能力、单车/多车、时间窗、负载平衡、单目标/多目标等各类场景、作业规则及复杂约束条件的订单拣选路径优化模型，系统研究了粒子群算法、遗传算法、多种群遗传算法和进化策略等多种优化算法，并提出了改进遗传算法、改进蚁群算法以及改进模拟退火算法、多种群遗传算法以及混合优化算法，增强优化算法的全局搜索能力、鲁棒性和收敛性，通过一系列实验仿真验证所提出的路径优化算法的有效性，从而得到适用于非传统布局订单分拣路径优化问题的有效算法库；基于仓储系统数据的多源性分析，提出一种基于ETL的数据融合技术、Kettle和Spark的技术框架的分布式数据仓库系统，获得了面向非仓储布局业务再优化的方法和工具。项目研究成果能够广泛应用到企业仓储管理实践，推动生产智能驱动、服务增值和降本增效,将为企业产生巨大的经济效益，对于促进工业经济发展具有重要的工程应用价值和意义。