基于相关性的周期性货位优化的模型与算法
传统的货位优化方法没有充分利用库存量单位(Stock keeping units,SKUs)之间的相关性关系.以一种存在相关性需求的“波次分区拣货、整体补货”的周期性环境为对象,以最小化最大的分区拣货时间为目标建立货位优化的数学模型,提出相关性强度的概念和计算方法,设计出基于相关性的货位指派算法(Storage allocation based on correlations,SABC)和不考虑相关性的随机货位指派算法(Storage allocation based on random,SABR)算法,SABC算法以体积—订单指数(Cube per order index,COI)法则的解为初始解,通过定量化的“相关性位置交换策略”将相关性强的“SKUs对”指派到相近的货位中来提高拣货效率.测试结果表明:SABC算法具有较好的收敛性,其收敛速度明显优于SABR算法,求解质量比COI法平均改进约7.6%~25.1%,比SABR算法平均改进约1.36%~14.50%;需求相关性强度越高,拣货效率提升潜力越大.
货位优化、库存量单位相关性、基于相关性的货位指派算法算法、位置变换策略、负荷均衡、拣货效率
47
TP391(计算技术、计算机技术)
浙江省科技厅2009C31025;浙江省教育厅Y201018235
2012-03-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
75-80,88