發(fā)布時(shí)間：2020-06-10 03:57

【摘要】：隨著互聯(lián)網(wǎng)+時(shí)代的推進(jìn),電商行業(yè)在這種趨勢下也逐漸壯大起來,電商的發(fā)展離不開物流的發(fā)展,物流成為各大電商的競爭力,也因此得到各個(gè)企業(yè)的重視,為了提高自身的競爭力,電商行業(yè)以及傳統(tǒng)物流行業(yè)紛紛對現(xiàn)有物流提出更高的要求。越庫調(diào)度是一種高效快速的調(diào)度策略,它的高效性正迎合當(dāng)下物流行業(yè)的快速發(fā)展,越庫策略的提出簡化了配送中心內(nèi)部操作流程,大大縮短了貨物的配送時(shí)間,也因此被廣泛的研究應(yīng)用,但由于計(jì)算復(fù)雜性,對越庫的研究大多針對單目標(biāo)問題,對多目標(biāo)的研究還相對較少,因此文章針對多目標(biāo)研究越庫車輛調(diào)度問題。在越庫調(diào)度中,倉門利用率和叉車對接次數(shù)在實(shí)際的操作中常作為衡量越庫系統(tǒng)效率的重要指標(biāo),被企業(yè)界所重視,但其優(yōu)化卻較少被研究,因此本文以優(yōu)化倉門利用率和叉車對接次數(shù)為目標(biāo),研究倉門的分配以及貨車排序的多目標(biāo)越庫問題,根據(jù)該問題構(gòu)建了多目標(biāo)越庫車輛調(diào)度的數(shù)學(xué)模型,并根據(jù)模型特點(diǎn),設(shè)計(jì)了兩類算法進(jìn)行求解,一類為單目標(biāo)優(yōu)化算法,本文采用單目標(biāo)遺傳算法(Genetic Algorithm,GA)將多目標(biāo)問題轉(zhuǎn)化為單目標(biāo)問題進(jìn)行求解,并在此基礎(chǔ)上對算法進(jìn)行改進(jìn);另一類為多目標(biāo)優(yōu)化算法,本文采用多目標(biāo)遺傳算法--快速非支配排序遺傳算法(Nondominated Sorting Genetic Algorithm-II,NSGA-II)對多目標(biāo)問題進(jìn)行求解,并在該算法基礎(chǔ)上進(jìn)行改進(jìn)。對于單目標(biāo)優(yōu)化算法,為比較單目標(biāo)遺傳算法在改進(jìn)前后的優(yōu)劣性,本文根據(jù)貨物種類數(shù)量、接收倉門/裝運(yùn)倉門的數(shù)量以及入庫貨車/出庫貨車數(shù)量將問題規(guī)模分為大、中、小三個(gè)規(guī)模,并進(jìn)行數(shù)值實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的遺傳算法在倉門利用率的優(yōu)化效率比傳統(tǒng)單目標(biāo)遺傳算法提高2.5%,而叉車對接次數(shù)提高1.04%,總體來說,改進(jìn)遺傳算法在求解質(zhì)量上優(yōu)于傳統(tǒng)單目標(biāo)遺傳算法。對于多目標(biāo)優(yōu)化算法,本文通過數(shù)值實(shí)驗(yàn)驗(yàn)證了改進(jìn)NSGA-II算法在求解質(zhì)量的優(yōu)勢,并提出了四個(gè)性能測試指標(biāo)對改進(jìn)前后的NSGA-II算法的性能進(jìn)行評估。最后,對本文所采用的單目標(biāo)優(yōu)化算法和多目標(biāo)優(yōu)化算法進(jìn)行數(shù)值實(shí)驗(yàn)比較,實(shí)驗(yàn)結(jié)果表明多目標(biāo)優(yōu)化算法在求解多目標(biāo)問題明顯優(yōu)于單目標(biāo)優(yōu)化算法。論文面向越庫倉門利用率和叉車對接次數(shù)進(jìn)行多目標(biāo)車輛調(diào)度優(yōu)化研究,提出的模型和改進(jìn)算法以及性能比較分析為實(shí)際越庫系統(tǒng)的有效運(yùn)作提供了理論和技術(shù)支持。
【圖文】：

經(jīng)過掃描、分揀等操作后，運(yùn)到排序以及倉門的分配直接影響貨物到達(dá)裝運(yùn)倉車的對接次數(shù)，決策者需決定入庫、出庫貨車間內(nèi)使倉門的利用率最大且叉車的對接次數(shù)最究的問題，本文對越庫系統(tǒng)進(jìn)行合理的簡化，面向倉門利用和叉車對接，為了便于求解，本從入庫到出庫的運(yùn)輸過程，另外，對于入庫站以直接卸貨，且貨車一離開，后車便可馬上停接收倉門的利用率并無多大研究意義，相對而不一定馬上�？�，可能還需等待貨物到達(dá)，貨的改善空間，因此本文不對入庫站的倉門利用，對于下文出現(xiàn)的倉門利用率都只針對出庫站實(shí)際上是叉車將貨物從入庫站運(yùn)輸?shù)匠鰩煺舅?

圖 3-1 染色體基因分布圖Fig 3-1 The distribution map of chromosome集建立基因?qū)觬i的每一維基因表示貨車�？宽樞�，隨機(jī)取[1，M+N貨車數(shù)量和出庫貨車數(shù)量，為了滿足模型中每輛貨車都必ri需包含取值范圍的所有整數(shù)，且每一維基因的取值不與其始化該維基因，直到滿足條件再按照取值大小確定對應(yīng)入序。倉門基因?qū)?vi的每維基因表示貨車分配的倉門，隨機(jī)取應(yīng)于接收倉門數(shù) O 或裝運(yùn)倉門數(shù) P，（下文所涉及的 A 都門數(shù) P），為保證每個(gè)倉門都有貨車�？�，vi前后兩部分都則重新初始化倉門基因，這種方式保證初始種群的每個(gè)個(gè)的復(fù)雜性，提高算法的運(yùn)算效率。
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U492.22

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李凱彬;葉艷;;基于改進(jìn)遺傳算法的倉門利用率優(yōu)化研究[J];工業(yè)控制計(jì)算機(jī);2018年04期

2 包華晟;吳斌;董敏;;基于果蠅優(yōu)化算法的越庫調(diào)度問題[J];計(jì)算機(jī)工程與設(shè)計(jì);2016年12期

3 李敬峰;葉艷;傅惠;;面向貨物裝卸需求的越庫倉門分配和貨車排序[J];工業(yè)工程;2016年02期

4 毛道曉;徐克林;張志英;侯麗清;;越庫中心選址模型與啟發(fā)式算法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

5 王訓(xùn)斌;陸慧娟;張火明;;物流動(dòng)態(tài)車輛調(diào)度問題的混合禁忌搜索算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年08期

6 曹道友;程家興;;基于改進(jìn)的選擇算子和交叉算子的遺傳算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年02期

7 陳杰;陳峰;;不確定環(huán)境下的越庫調(diào)度的模型及算法[J];工業(yè)工程與管理;2010年01期

8 別文群;李擁軍;;配送中心多車輛集散貨物路線的禁忌搜索研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年04期

9 俞亮;陳峰;;最小化誤工個(gè)數(shù)的越庫調(diào)度模型與啟發(fā)式算法[J];上海交通大學(xué)學(xué)報(bào);2009年12期

10 鳳偉;;越庫:未來倉庫管理的主流[J];科技資訊;2008年31期

相關(guān)碩士學(xué)位論文 前1條

1 馬東彥;兩階段越庫作業(yè)調(diào)度問題及其算法研究[D];上海交通大學(xué);2007年

，

本文編號：2705732