面向典型仓储作业的货位决策优化研究与应用

《面向典型仓储作业的货位决策优化研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10255学号：2160733面向典型仓储作业的货位决策优化研究与应用THERESEARCHANDAPPLICATIONOFLOCATIONDECISIONOPTIMIZATIONFORTYPICALWAREHOUSEINGOPERATIONS学科专业：机械工程作者姓名：余崇贵校内导师：项前副教授校外导师：管树林高级工程师答辩日期：2018年5月25日基金资助:上海市工程中心能力提升计划（17DZ2283800）2015松江区产学研创新项目计划东华大学硕士学位论文答辩委员会成员名单姓名职称职务工作单位备注张小龙研究员答辩委员会主席上海航天精密机械研究所彭倚天教授答辩委员会委员东华大

2、学秦威副教授答辩委员会委员上海交通大学鲍劲松副教授答辩委员会委员东华大学吕志军副教授答辩委员会委员东华大学李婕讲师答辩委员会秘书东华大学东华大学学位论文原创性声明本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或

3、机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本版权书。本学位论文属于不保密。学位论文作者签名：指导教师签名：日期：年月日日期：东华大学硕士学位论文摘要面向典型仓储作业的货位决策优化研究与应用摘要近年来，随着互联网电子商务的迅速发展，物流业逐渐成为带动国民经济增长的又一主流行业，在当今社会发展中占据着重要地位。仓储作业负责整个物流过程中产品生产、流通环节的暂时存放，作为物流过程中的重要一环，其所占用的成本最高、耗时最多，因此，仓储作业的

4、决策优化，不仅能保证仓储作业的稳定正常运行，还有利于仓储资源的优化配置，提升企业的核心竞争力，具有重要的理论意义与工程应用价值。但是，依据我国物流行业发展现状分析，仓储作业的货位决策优化应用研究还存在不足，在物流行业智能化发展的新趋势下，仓储作业智能决策优化受到了国内外学者及工业界的广泛关注。本文紧密结合现代物流管理发展的需求，充分利用数据挖掘技术及智能优化算法的优势，对典型仓储作业过程中的货位决策优化技术开展相关研究。主要研究工作如下：（1）面向典型仓储作业的货位决策系统分析与设计面向典型仓储作业流程，在系统需求分析的基础上，提出基于面向服务（Service-OrientedArchite

5、cture,SOA）的仓储作业决策系统架构，将智能货位决策优化方法设计为相对独立的、可重用的分布式服务，满足了系统的可重构需求，提升了系统的可扩展性和可维护性；基于面向服务的系统架构，给出了具有盘点优化与出入库货位优化功能的系统结构；基于实体关系分析（E-R），设计了系统数据库，为实现决策优化提供数据存储与访问技术基础。（2）提出基于谱聚类的盘点作业货位决策优化方法现代物流系统订单处理量越来越大，物料越来越多，物料间存在需求关联等统计特征，充分利用这些关联信息，可以优化仓储布局，I东华大学硕士学位论文摘要提高仓储效率，以并行分区拣选为研究对象，挖掘历史订单数据信息，提出了物料关联性度量模型、

6、物料聚合类存储优化模型及以最小化订单拣选路径为目标的盘点作业货位决策优化模型。在谱图理论基础上，将物料聚类转化为无向图的最优分割问题，设计了基于谱聚类（SpectralClustering,SC）的物料关联挖掘算法。最后，通过与基于COI规则及原始随机两种优化结果对比分析，验证了本文方法的有效性，结果表明该方法能够缩短订单拣选路径，减少订单占用人力，降低订单拣选成本。（3）提出基于差分进化的出入库作业货位决策优化方法在基于物料需求关联的分区存储环境下，为了提高订单整体作业效率，加快订单出入库速度，通过对单个订单拣选时间、订单整体作业时间进行分析，提出了以拣选作业均衡及效率最优为目标的出入库批

7、次及货位决策优化模型。设计了基于差分进化（DifferentialEvolution,DE）的货位优化求解算法，该算法基于DE基本框架，提出了一种浮点编码与订单货位、批次整数编码的映射方法，建立了满足模型约束的编码机制。最后，给出了一种算法参数优选策略，并试验决策了种群规模、缩放因子、交叉概率等算法控制参数；通过设计不同订单规模案例，并与粒子群优化作业效率进行比较分析，验证了模型及算法的有效性。（4）面向典型