启发式路径下节约里程的订单分批算法

doi:10.3778/j.issn.1002-8331.1808-0255

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (23): 203-209.DOI: 10.3778/j.issn.1002-8331.1808-0255

启发式路径下节约里程的订单分批算法

王转，裴泽平

北京科技大学机械工程学院，北京 100083

出版日期:2018-12-01 发布日期:2018-11-30

Order batching algorithm based on heuristic picking route for saving mileage

WANG Zhuan, PEI Zeping

School of Mechanical Engineering, University of Science and Technology Beijing, Beijing 100083, China

Online:2018-12-01 Published:2018-11-30

摘要/Abstract

摘要： 基于电商配送中心人到货整箱拣选系统，考虑拣选器具和商品包装体积，构造以最大化里程节约量为目标的订单分批模型，提出基于启发式拣选路径下节约里程的订单分批算法，并结合某企业物流中心订单数据对该算法进行仿真实验。研究结果表明，基于启发式路径下里程节约的订单分批方法（D-eco）的求解效果优于先到先服务分批方法（FCFS）和基于相似度的订单分批方法（SBBM）。在5种不同订单池容量下，采用D-eco进行订单分批后拣货人员总行走距离平均比FCFS和SBBM多缩减了12%和2%。

关键词: 批量拣选, 订单分批, 节约里程, 路径优化, 启发式算法

Abstract: Based on a people-to-parts batch picking system of full container load, an order batching model takes picking equipment and commodity packaging volume into consideration is constructed, the objective of the model is to maximize the picking mileage. To solve the model, an order batching heuristic algorithm is proposed. With the data from a specific logistic center, a simulation experiment has been carried out. The results show that, the performance of D-eco（based on heuristic routing and mileage saving） is superior to FCFS（First Come First Service） and SBBM（Similarity Based Batching Method）, under 5 different order pool situations, the total picking distance optimized by D-eco is reduced by 12% and 2% compared with FCFS and SBBM.

Key words: batch picking, order batching, mileage saving, optimization of picking route, heuristic algorithm

王转，裴泽平. 启发式路径下节约里程的订单分批算法[J]. 计算机工程与应用, 2018, 54(23): 203-209.

WANG Zhuan, PEI Zeping. Order batching algorithm based on heuristic picking route for saving mileage[J]. Computer Engineering and Applications, 2018, 54(23): 203-209.

[1]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[2]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[3]	熊兴隆，刘佳，李猛，马愈昭. 基于无人机-配送车联合配送的优化算法研究[J]. 计算机工程与应用, 2021, 57(19): 259-266.
[4]	张呈玲，李进金，林艺东. 基于OE-概念格的形式背景属性约简[J]. 计算机工程与应用, 2021, 57(15): 82-89.
[5]	冯爱兰，王晨西，孔继利. 改进遗传算法求解订单分批优化模型[J]. 计算机工程与应用, 2020, 56(8): 261-269.
[6]	孟鑫，杨琴，郝婷婷，张洁，曹策俊. 不同订单分配和算法下的拣货路径优化组合[J]. 计算机工程与应用, 2020, 56(23): 229-236.
[7]	李雅丽，王淑琴，陈倩茹，王小钢. 若干新型群智能优化算法的对比研究[J]. 计算机工程与应用, 2020, 56(22): 1-12.
[8]	魏念巍，姜媛媛，刘延彬，辛元芳，洪炎. 关键节点和平滑处理的PRM路径优化方法[J]. 计算机工程与应用, 2020, 56(16): 118-123.
[9]	易成岐，郭鑫，童楠楠，窦悦，陈东，王建冬. 基于启发式社团发现模型的创新态势研判算法[J]. 计算机工程与应用, 2020, 56(15): 74-79.
[10]	彭露，陈淮莉. 改进遗传算法下的无水港集货路径优化研究[J]. 计算机工程与应用, 2020, 56(14): 250-256.
[11]	胡晓敏，梁天毅，王明丰，李敏. 新型树启发式搜索算法的机器人路径规划[J]. 计算机工程与应用, 2020, 56(11): 164-171.
[12]	蒋丽，王静，梁昌勇，赵树平. 基于改进蚁群算法的众包配送路径研究[J]. 计算机工程与应用, 2019, 55(8): 244-249.
[13]	迟宗正，董绍正，郭童，任志磊，周宽久，郭禾. 求解风力发电机布局问题的超启发式算法研究[J]. 计算机工程与应用, 2019, 55(7): 220-225.
[14]	尚正阳1，顾寄南2，唐仕喜2，孙晓红2. 高效求解三维装箱问题的剩余空间最优化算法[J]. 计算机工程与应用, 2019, 55(5): 44-50.
[15]	姚坤，杨斌，朱小林. 考虑时变交通状况的低碳车辆路径优化[J]. 计算机工程与应用, 2019, 55(3): 231-237.

启发式路径下节约里程的订单分批算法

Order batching algorithm based on heuristic picking route for saving mileage

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics