论文部分内容阅读
近年来随着企业竞争日益激烈,企业纷纷通过配送中心实现供应与销售的集中配送以降低企业的物流成本、满足客户多品种小批量多频次的订单需求、提高客户服务水平。配货作业是配送中心的核心业务流程,主要包括拣货作业和补货作业,其作业效率及作业质量直接影响到配送中心的的整体效益及服务质量。配货作业优化尤其是订单分批及补货路径优化是提升配送中心作业效率、降低运营成本的重要途径和手段。本文以D公司D配送中心为例,针对其以人工作业为主的拣货作业订单分批问题及补货路径问题进行了分析与优化研究,并通过实例及与其他相关算法对比验证了优化方案的可行性及优越性。论文主要内容如下:(1)基于对D公司D配送中心订单管理现状的分析,在国内外学者对人工分拣为主的配送中心拣货订单分批问题研究的基础上,构建了一种计算路径更加符合D公司D配送中心实际情况的订单分批数学模型,并针对S型策略分拣路径的储位距离计算方法予以改善。(2)针对D公司配送中心Transit订单分批问题,提出一种新的基于群智能的粒子群复分解反应优化算法,该算法可有效克服化学反应算法中分子间缺乏信息传递和算法收敛慢的缺陷;同时通过构建复分解反应机制提升分子跳出局部最优的能力以克服粒子群算法易早熟的缺陷,提高寻优的能力;运用该算法对D公司Transit订单分批问题进行优化求解,并与粒子群算法、化学反应算法进行对比,验证了基于群智能的粒子群复分解反应优化算法在解决订单分批优化问题中的有效性和优越性。(3)针对D公司配送中心整托存储区补货路径优化问题,构建了双区型补货路径优化的数学模型,探讨了实现便捷准确储位距离计算的储位编码方式,提出阶段初始化粒子群算法并运用该方法对模型进行求解,与基本粒子群算法、梯度粒子群算法、基于群智能的粒子群复分解反应优化算法对比,结果表明阶段初始化粒子群算法在求解D公司补货路径优化中表现优越。论文研究成果对于以人工分拣作业方式为主的配送中心具有较为重要的借鉴意义。