物流倉(cāng)儲(chǔ)系統(tǒng)優(yōu)化理論與模型實(shí)踐

目錄
第1章　緒論　1
1.1　倉(cāng)儲(chǔ)揀選系統(tǒng)概述　1
1.1.1　倉(cāng)儲(chǔ)揀選的含義　1
1.1.2　倉(cāng)儲(chǔ)揀選系統(tǒng)的含義　1
1.1.3　倉(cāng)儲(chǔ)揀選系統(tǒng)的分類(lèi)　3
1.2　倉(cāng)儲(chǔ)揀選系統(tǒng)的優(yōu)化目標(biāo)　4
1.3　人工揀選系統(tǒng)與自動(dòng)揀選系統(tǒng)　5
1.3.1　人工揀選系統(tǒng)的研究現(xiàn)狀　6
1.3.2　自動(dòng)揀選系統(tǒng)的研究現(xiàn)狀　7
1.4　本章小結(jié)　8
第2章　倉(cāng)儲(chǔ)揀選作業(yè)過(guò)程概述　9
2.1　倉(cāng)儲(chǔ)作業(yè)概述　9
2.2　倉(cāng)儲(chǔ)存儲(chǔ)策略　10
2.2.1　定位存儲(chǔ)　11
2.2.2　隨機(jī)存儲(chǔ)　11
2.2.3　分類(lèi)存儲(chǔ)　12
2.2.4　關(guān)聯(lián)分組存儲(chǔ)　13
2.3　倉(cāng)儲(chǔ)揀選策略　13
2.3.1　分區(qū)　13
2.3.2　訂單分割　14
2.3.3　訂單分批　15
2.3.4　分類(lèi)　18
2.4　倉(cāng)儲(chǔ)揀選路徑策略　19
2.5　本章小結(jié)　22
第3章　倉(cāng)儲(chǔ)揀選系統(tǒng)優(yōu)化的理論與方法　23
3.1　運(yùn)作管理　23
3.2　隨機(jī)過(guò)程　24
3.2.1　隨機(jī)過(guò)程基礎(chǔ)概念　24
3.2.2　馬爾可夫過(guò)程　24
3.2.3　泊松過(guò)程　27
3.3　隨機(jī)服務(wù)系統(tǒng)　27
3.3.1　輸入過(guò)程　27
3.3.2　排隊(duì)規(guī)則　29
3.3.3　服務(wù)機(jī)構(gòu)　29
3.4　本章小結(jié)　31
第4章　貨位分類(lèi)存儲(chǔ)及其改進(jìn)策略　32
4.1　關(guān)于貨位存儲(chǔ)策略的文獻(xiàn)綜述　32
4.1.1　分類(lèi)存儲(chǔ)策略的研究　32
4.1.2　基于貨物相關(guān)性的貨位分配研究　33
4.2　基于聚類(lèi)方法的貨物分類(lèi)　34
4.2.1　聚類(lèi)分析的數(shù)據(jù)準(zhǔn)備　34
4.2.2　電商數(shù)據(jù)聚類(lèi)分析結(jié)果　35
4.3　基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)準(zhǔn)備　39
4.4　電商數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘結(jié)果　42
4.5　傳統(tǒng)ABC分類(lèi)存儲(chǔ)策略及貨位編碼規(guī)則　45
4.5.1　傳統(tǒng)ABC分類(lèi)存儲(chǔ)策略　45
4.5.2　貨位編碼規(guī)則　46
4.6　改進(jìn)ABC分類(lèi)存儲(chǔ)策略及貨位擺放規(guī)則　47
4.6.1　分類(lèi)存儲(chǔ)策略一次改進(jìn)　47
4.6.2　分類(lèi)存儲(chǔ)策略二次改進(jìn)　47
4.6.3　改進(jìn)ABC分類(lèi)存儲(chǔ)策略的貨位擺放規(guī)則　48
4.6.4　依據(jù)數(shù)據(jù)挖掘結(jié)果的分類(lèi)存儲(chǔ)方案　49
4.7　改進(jìn)ABC分類(lèi)存儲(chǔ)策略的效率檢驗(yàn)　52
4.7.1　揀選作業(yè)環(huán)境設(shè)定　52
4.7.2　仿真模型的研究目的　53
4.7.3　揀選行走距離的目標(biāo)函數(shù)　54
4.7.4　仿真模型的目標(biāo)函數(shù)　58
4.7.5　改進(jìn)前后揀選效率驗(yàn)證　58
4.7.6　傳統(tǒng)ABC分類(lèi)揀選效率的仿真結(jié)果　58
4.7.7　一次改進(jìn)后揀選效率的仿真結(jié)果　59
4.7.8　二次改進(jìn)后揀選效率的仿真結(jié)果　60
4.7.9　分類(lèi)存儲(chǔ)策略改進(jìn)前后的仿真結(jié)果對(duì)比　60
4.8　仿真結(jié)果分析　62
4.9　本章小結(jié)　62
第5章　倉(cāng)儲(chǔ)布局與優(yōu)化設(shè)計(jì)　63
5.1　關(guān)于倉(cāng)儲(chǔ)布局的國(guó)內(nèi)外研究進(jìn)展　63
5.1.1　倉(cāng)儲(chǔ)布局的國(guó)外研究進(jìn)展　63
5.1.2　倉(cāng)儲(chǔ)布局的國(guó)內(nèi)研究進(jìn)展　64
5.2　傳統(tǒng)布局的設(shè)計(jì)　65
5.3　魚(yú)骨布局的優(yōu)化設(shè)計(jì)　66
5.3.1　直線(xiàn)型主通道的魚(yú)骨布局　66
5.3.2　曲線(xiàn)型主通道的魚(yú)骨布局　78
5.4　V型布局的優(yōu)化設(shè)計(jì)　81
5.4.1　直線(xiàn)通道V型布局的設(shè)計(jì)　81
5.4.2　曲線(xiàn)通道V型布局的設(shè)計(jì)　87
5.5　本章小結(jié)　90
第6章　傳統(tǒng)布局下倉(cāng)儲(chǔ)揀選的路徑策略　91
6.1　關(guān)于揀選路徑的研究綜述　91
6.1.1　國(guó)外研究綜述　91
6.1.2　國(guó)內(nèi)研究綜述　92
6.2　隨機(jī)存儲(chǔ)下返回型揀選路徑的距離模型　93
6.2.1　模型假設(shè)　93
6.2.2　返回型揀選路徑的隨機(jī)模型　94
6.2.3　隨機(jī)存儲(chǔ)下返回型揀選模型與仿真比較　96
6.3　隨機(jī)存儲(chǔ)下S型揀選路徑的距離模型　97
6.3.1　模型假設(shè)　97
6.3.2　S型揀選路徑的隨機(jī)模型　98
6.3.3　隨機(jī)存儲(chǔ)下S型揀選模型與仿真比較　99
6.4　分類(lèi)存儲(chǔ)下返回型揀選路徑的距離模型　100
6.4.1　模型假設(shè)　100
6.4.2　返回型揀選路徑的隨機(jī)模型　101
6.4.3　分類(lèi)存儲(chǔ)下返回型揀選模型與仿真比較　103
6.5　分類(lèi)存儲(chǔ)下S型揀選路徑的距離模型　106
6.5.1　模型假設(shè)　106
6.5.2　S型揀選路徑的隨機(jī)模型　107
6.5.3　分類(lèi)存儲(chǔ)下S型揀選模型與仿真比較　109
6.6　本章小結(jié)　111
第7章　改進(jìn)布局下倉(cāng)儲(chǔ)揀選的路徑策略　112
7.1　本章研究綜述　112
7.1.1　國(guó)外研究綜述　112
7.1.2　國(guó)內(nèi)研究綜述　113
7.2　魚(yú)骨布局下返回型揀選路徑策略　114
7.2.1　隨機(jī)存儲(chǔ)揀選路徑　114
7.2.2　分類(lèi)存儲(chǔ)揀選路徑　120
7.3　魚(yú)骨布局下S型揀選路徑策略　127
7.3.1　隨機(jī)存儲(chǔ)揀選路徑　127
7.3.2　分類(lèi)存儲(chǔ)揀選路徑　130
7.4　魚(yú)骨曲線(xiàn)布局下返回型揀選路徑策略　135
7.4.1　返回型揀選路徑距離模型的假設(shè)　135
7.4.2　返回型揀選路徑距離模型的構(gòu)建　135
7.4.3　模型仿真與驗(yàn)證　139
7.5　V型布局下分類(lèi)存儲(chǔ)路徑策略　140
7.5.1　返回型揀選路徑策略　140
7.5.2　S型揀選路徑策略　147
7.6　V型曲線(xiàn)布局下返回型揀選路徑策略　152
7.6.1　返回型揀選路徑距離模型的假設(shè)　152
7.6.2　返回型揀選路徑距離模型的構(gòu)建　152
7.6.3　模型仿真與驗(yàn)證　156
7.7　本章小結(jié)　157
第8章　人工智能算法在揀選路徑中的應(yīng)用　159
8.1　揀選路徑優(yōu)化遺傳算法的設(shè)計(jì)　159
8.1.1　遺傳算法的研究現(xiàn)狀　159
8.1.2　遺傳算法的運(yùn)算步驟與算法設(shè)計(jì)　160
8.1.3　遺傳算法的過(guò)程結(jié)構(gòu)流程圖　161
8.2　揀選路徑優(yōu)化蟻群算法的設(shè)計(jì)　161
8.2.1　蟻群算法的研究現(xiàn)狀　161
8.2.2　蟻群算法的運(yùn)算步驟與算法設(shè)計(jì)　162
8.2.3　蟻群算法的過(guò)程結(jié)構(gòu)流程圖　163
8.3　揀選路徑優(yōu)化布谷鳥(niǎo)算法的設(shè)計(jì)　164
8.3.1　布谷鳥(niǎo)算法的研究現(xiàn)狀　164
8.3.2　布谷鳥(niǎo)算法的運(yùn)算步驟與算法設(shè)計(jì)　165
8.3.3　布谷鳥(niǎo)算法的過(guò)程結(jié)構(gòu)流程圖　167
8.4　三種優(yōu)化算法的計(jì)算與比較研究　168
8.4.1　求解算例　168
8.4.2　統(tǒng)計(jì)分析　177
8.4.3　三種優(yōu)化算法的性能比較　179
8.5　本章小結(jié)　180
第9章　傳統(tǒng)布局的訂單分批策略　181
9.1　相關(guān)理論研究綜述　181
9.1.1　國(guó)外研究綜述　181
9.1.2　國(guó)內(nèi)研究綜述　182
9.2　訂單分批問(wèn)題概述　183
9.3　訂單分批隨機(jī)服務(wù)系統(tǒng)模型構(gòu)建　184
9.3.1　模型假設(shè)與符號(hào)定義　184
9.3.2　行走時(shí)間估計(jì)　186
9.3.3　訂單分批隨機(jī)服務(wù)系統(tǒng)模型　189
9.4　訂單分批隨機(jī)服務(wù)系統(tǒng)模型仿真　194
9.4.1　參數(shù)設(shè)置　194
9.4.2　仿真計(jì)算平均服務(wù)時(shí)間S　195
9.4.3　仿真計(jì)算平均等待批形成時(shí)間W1　199
9.4.4　仿真隨機(jī)服務(wù)系統(tǒng)Ek/G/1　200
9.4.5　仿真結(jié)果和近似計(jì)算結(jié)果比較分析　205
9.5　本章小結(jié)　207
本章附錄　208
第10章　改進(jìn)布局的訂單分批策略　209
10.1　本章研究綜述　209
10.1.1　貨位布局和存儲(chǔ)策略研究現(xiàn)狀　209
10.1.2　揀選路徑策略的研究現(xiàn)狀　211
10.1.3　訂單分批策略的研究現(xiàn)狀　212
10.1.4　研究現(xiàn)狀總結(jié)與分析　213
10.2　數(shù)據(jù)挖掘在訂單分批中的應(yīng)用　214
10.2.1　關(guān)聯(lián)規(guī)則分批　214
10.2.2　自組織神經(jīng)網(wǎng)絡(luò)分批　218
10.2.3　K-均值聚類(lèi)分批　221
10.3　貨位布局對(duì)系統(tǒng)輸入的影響　222
10.3.1　揀選作業(yè)環(huán)境設(shè)定　222
10.3.2　仿真模型的構(gòu)建　224
10.3.3　訂單分批揀選效率仿真計(jì)算　226
10.4　本章小結(jié)　228
第11章　倉(cāng)儲(chǔ)揀選系統(tǒng)擁堵率的估計(jì)　229
11.1　本章研究綜述　229
11.2　揀選系統(tǒng)擁堵問(wèn)題的闡述　231
11.2.1　揀選系統(tǒng)擁堵的產(chǎn)生　231
11.2.2　多人揀選擁堵的產(chǎn)生　234
11.3　寬通道兩人揀選系統(tǒng)的擁堵率　235
11.3.1　前提假設(shè)：一個(gè)揀選面可以?huà)x多件貨物　235
11.3.2　揀選者行走和揀選速度一致　235
11.3.3　平穩(wěn)態(tài)與擁堵率　237
11.3.4　揀選者行走和揀選速度懸殊較大　237
11.3.5　仿真模擬與應(yīng)用　242
11.3.6　揀選速度與揀選者數(shù)量的仿真分析　243
11.4　窄通道兩人揀選系統(tǒng)的擁堵率　245
11.4.1　一個(gè)揀選面只揀選一件貨物的擁堵模型　245
11.4.2　一個(gè)揀選面可揀選多件貨物的擁堵模型　254
11.5　分類(lèi)存儲(chǔ)窄通道兩人揀選系統(tǒng)的擁堵率　262
11.5.1　模型假設(shè)和符號(hào)說(shuō)明　262
11.5.2　揀選者揀選速度與行走速度一致情況下的擁堵分析　265
11.5.3　揀選者揀選速度與行走速度相差懸殊情況下的擁堵分析　285
11.6　隨機(jī)存儲(chǔ)窄通道多人揀選系統(tǒng)的擁堵率　296
11.6.1　多人揀選擁堵模型的建立　296
11.6.2　基于元胞自動(dòng)機(jī)的擁堵模型仿真　304
本章附錄　312
第12章　結(jié)論與展望　314
12.1　倉(cāng)儲(chǔ)布局對(duì)整個(gè)倉(cāng)庫(kù)內(nèi)的物流活動(dòng)的重要作用　314
12.2　傳統(tǒng)算法在處理揀選路徑優(yōu)化問(wèn)題時(shí)存在的缺陷　314
12.3　倉(cāng)儲(chǔ)中心的作業(yè)方式研究　315
12.4　采用多種智能算法對(duì)揀選路徑進(jìn)行研究　315
12.5　訂單分批策略研究　316
12.6　倉(cāng)儲(chǔ)揀選系統(tǒng)擁堵率研究　317
參考文獻(xiàn)　318