【正文】 參考文獻(xiàn)[1] 李詩珍, 配送中心揀貨作業(yè)優(yōu)化設(shè)計(jì)與控制研究[D].西安: 西南交通大學(xué)博士學(xué)位論文，2008 .[2] 郭毓東,第三方物流配送管理信息系統(tǒng)分析與設(shè)計(jì)[D]. 株洲: 湖南工業(yè)大學(xué)碩士學(xué)位論文，2008. [3] 張彥,錢焱,黃燕美,端傳海. 基于精益思想的配送中心作業(yè)系統(tǒng)研究[J]. 物流科技. 2006 (135):8284. [4] [J]. 起重運(yùn)輸機(jī)械, 2008 (6):8487. [5] 李家齊，樊雙蛟．分揀作業(yè)方式的效率效益[J]．中國(guó)物流與采購(gòu)2006 (6)：4042． [6] 董福慶．物流中心揀貨作[M]．臺(tái)北：工業(yè)技術(shù)研究院機(jī)械工業(yè)研究所，1997． [7] C G Petersen，G Aase．A parison of picking storage and routing policies in manual order picking[J]．ProduCtion Economics．2004（92）：11 19．[8] 劉昌祺．物流配送中心揀貨系統(tǒng)選擇及設(shè)計(jì)[M]．北京：機(jī)械工業(yè)出版社， 2005． [9] 哀祥勇. 配送中心庫(kù)存控制模型及其應(yīng)用研究[D].長(zhǎng)沙: 長(zhǎng)沙理工大學(xué)碩士學(xué)位論文,2004.[10] 李詩珍，王轉(zhuǎn)，[J].計(jì)算機(jī)應(yīng)用2003 (2):9496. [11] [D].石家莊：河北工業(yè)大學(xué)碩士學(xué)位論文，2009.[12] 李詩珍，[J]. :6770. [13] [D].濟(jì)南：山東大學(xué)碩士學(xué)問論文，2010.[14] 李詩珍，王 轉(zhuǎn)，[J]. 物流技術(shù) 2002 (115):3133. [15] [D]. 武漢: 武漢工業(yè)學(xué)院碩士學(xué)位論文,2003.[16] 馬士華,[J]. 工業(yè)工程與管理 2004(6):14. [17] 伍經(jīng)緯,[J].2007(4):104107. [18] 譚俊華，[J]. 起重運(yùn)輸機(jī)械 2008 (3):1820. [19] [J].(11)：6567. [20] 李詩珍，[J].(264)：5356. [21] 王雄志. 配送中心配貨作業(yè)計(jì)劃方法研究[D].廣州: 暨南大學(xué)博士論文,2007. [22] Chen,Wu,An associationbased clustering approach to order batching considering customer demand patterns[J]. Omega International Journal of Management Science 2005. 33(4)333–343. [23] LeDuc, T., De Koster, R., Determining the optimal number of zones in a pickandpack order picking system[J].Report ERS2005029LIS, RSM Erasmus University, the Netherlands. [24] 李詩珍. 配送中心訂單分批揀貨模型及種籽啟發(fā)式算法[J]. 起重運(yùn)輸機(jī)械 2009 (1):4547[25] 譚俊華，[J]. 起重運(yùn)輸機(jī)械 2008 (3):1820[26] [D].武漢：武漢理工大學(xué)碩士學(xué)位論文，2008.致 謝XXXX。（4）本文工人的揀選策略為S型，S形揀選路徑也有其自身的弊端，比如本巷道僅需揀取一種物品且物品處在兩端的情況。本文只是簡(jiǎn)章地進(jìn)行實(shí)驗(yàn)仿真，日后可以繼續(xù)完善的算法的便捷性來方便配送中心管理人員使用，使本文的研究成果產(chǎn)生社會(huì)效益。這是以后可以研究的方向。（5）最后采用VB編寫仿真程序，實(shí)現(xiàn)了對(duì)模型的仿真。采用配送中心的某些實(shí)際數(shù)據(jù)，利用模型對(duì)兩種啟發(fā)式算法的在算例中的應(yīng)用進(jìn)行了求解驗(yàn)證，并對(duì)采用訂單分批分揀前后結(jié)果以及先到先服務(wù)方法進(jìn)行了比較。在較短的時(shí)間里取得理想的結(jié)果。本文基于一定的假設(shè)，建立起了數(shù)學(xué)模型。（3)使用啟發(fā)式算法來解決訂單分批分揀問題。這種算法以最小化行走距離距離為目標(biāo)，構(gòu)造了揀貨作業(yè)中訂單分批問題的數(shù)學(xué)模型。一個(gè)問題的最優(yōu)算法求得該問題每個(gè)實(shí)例的最優(yōu)解。（2)對(duì)啟發(fā)式算法進(jìn)行詳細(xì)的介紹。 本文系統(tǒng)研究了啟發(fā)式算法的基本原理，分析了啟發(fā)式算法在訂單分批分揀中應(yīng)用的情況，主要作了下面幾個(gè)方面的工作：（1)系統(tǒng)的研究了國(guó)內(nèi)外學(xué)者對(duì)于訂單分批分揀的成果，基于一定的假設(shè)提出了自己的數(shù)學(xué)模型。作為最消耗人力物力的訂單揀選作業(yè)，如何對(duì)其進(jìn)行合理有效的優(yōu)化，是使配送中心運(yùn)作成本得到優(yōu)化的關(guān)鍵步驟。如圖53至圖55所示；（2）訂單2自成一批，生成新訂單N100002，如圖56至57所示； 圖53 訂單100001 圖54 訂單100005圖55 新訂單N100001圖56 訂單100002圖57 新訂單N100002(3) 訂單100003和訂單100004組對(duì)成一批產(chǎn)生新訂單N100003，如圖58至圖511所示；圖58 訂單10003 圖59 訂單100004圖510 新訂單N100003（4）由此完成由5個(gè)原始訂單分批優(yōu)化為3個(gè)新訂單的過程，如圖511所示；圖511 訂單分批優(yōu)化結(jié)果實(shí)驗(yàn)證明對(duì)分批優(yōu)化后的訂單進(jìn)行揀貨作業(yè)比優(yōu)化之前的作業(yè)縮短了揀貨距離，提高了揀貨效率，驗(yàn)證了電子標(biāo)簽揀貨系統(tǒng)優(yōu)化后良好的效用。如圖52所示圖52 系統(tǒng)優(yōu)化前對(duì)系統(tǒng)的優(yōu)化作業(yè)是通過增加啟發(fā)式算法的窗體模塊，從而可以根據(jù)優(yōu)化后的同一批訂單來重新組合生成新的訂單來進(jìn)行分揀，增加每次揀取的原始訂單的數(shù)量，達(dá)到了訂單分批的目的，縮短了訂單揀貨的行走距離，從而降低了揀貨時(shí)間，大大提高了揀貨作業(yè)的效率。電子揀貨系統(tǒng)由計(jì)算機(jī)連接數(shù)據(jù)控制器并控制貨架上的電子裝置，借助信號(hào)燈與數(shù)字顯示引導(dǎo)揀貨人員快速、準(zhǔn)確、輕松地完成揀貨工作[26]，硬件結(jié) 構(gòu)如圖51所示。電子揀貨系統(tǒng)是一種可以實(shí)現(xiàn)無紙化物流管理的的電腦輔助揀貨系統(tǒng)。不分批：D=d1+d2+d3+d4+d5=108+146+116+86+108=564先到先服務(wù)分批：D=d1+d2+d34+d5=108+146+116+108=478節(jié)約啟發(fā)式分批：D=d15+d2+d34=138+146+116=400聚類分析啟發(fā)式算法分批：D=d15+d2+d34=138+146+116=400從計(jì)算結(jié)果可以看出：不分批行走距離最長(zhǎng)；聚類分析的啟發(fā)式算法分批結(jié)果和節(jié)約啟發(fā)式算法的分批結(jié)果目標(biāo)函數(shù)相同且最小，異曲同工；先到先服務(wù)的效果介于兩者之間。在揀貨車容量約束的條件下，本算例按先到先服務(wù)的的原則分批結(jié)果為（1），（2），（3,4），5。表43 訂單巷道相似系數(shù)表訂單123451—2╳—30/8╳—40/61/71/2—51/3╳1/30/6—圖414 訂單4擁有的共同巷道圖415 訂單4擁有的共同巷道表44 訂單4合并后的相似系數(shù)表訂單12（3,4）51—2╳—（3,4）╳╳—51/3╳╳—表45 訂單（1,5），（3,4）分別合并組合后的相似系數(shù)表訂單（1,5）2（3,4）（1,5）—2╳—（3,4）╳╳—圖416 訂單4擁有的共同巷道圖417 訂單5擁有的共同巷道圖418 訂單5擁有的共同巷道 比較分析由于分批的目的在于最小化訂單揀取的行走距離，所以為了比較分批的效果，就必須求出問題的目標(biāo)函數(shù)值，而同樣的分批結(jié)果，不同的路徑策略所求得目標(biāo)函數(shù)值也會(huì)有差異，因此，對(duì)分批結(jié)果的比較必須建立在相同的路徑策略基礎(chǔ)上。（5）新的訂單集合{（1,5），2，（3,4）}中，已沒有符合條件的訂單組合如表5。（3）計(jì)算新的訂單集合{1，2，（3，4），5}的巷道相似系數(shù)如表4。圖412 訂單3擁有的共同巷道圖413 訂單5擁有的共同巷道（2）選擇相似系數(shù)最大的訂單4組合，形成一批。5；m≠n），則計(jì)算其巷道相似系數(shù)Smn=Snm。 聚類分析的啟發(fā)式分批過程（1）將所有的訂單兩兩組對(duì)，如果qmn≤C（m=1現(xiàn)有5個(gè)需要揀取得訂單，包括8種不同的品項(xiàng)。倉(cāng)庫(kù)結(jié)構(gòu)為長(zhǎng)方形，出入口位于倉(cāng)庫(kù)的一角第1個(gè)巷道的中心處，共有8個(gè)揀貨巷道，貨架為底層固定貨架，每排貨架上沿巷道方向有15列存儲(chǔ)位置，圖411為倉(cāng)庫(kù)貨架二維平面圖。（5）對(duì)未分配的每一個(gè)訂單單獨(dú)作為一批，停止。如果不能同時(shí)滿足，則選擇下一個(gè)Smn，如果所有的Smn都不可行，轉(zhuǎn)到步驟（5）。（3）將Smn最大的兩個(gè)訂單作為一批，如果有多個(gè)相同的Smn，則選擇品項(xiàng)數(shù)最多的組合。（1）計(jì)算所有可能分在一批的訂單對(duì)m，n的相似系數(shù)Smn。下面給出模型的啟發(fā)式算法。 基于聚類分析的啟發(fā)式算法由于模型中存在揀貨設(shè)備的載重能力限制，使得訂單分批問題不同于一般的聚類問題，也就不能僅僅根據(jù)相似系數(shù)來對(duì)訂單進(jìn)行分批。設(shè)Ax表示訂單x中品項(xiàng)分布的巷道集合，則巷道相似系數(shù)可以用兩個(gè)訂單擁有的共同航單數(shù)于兩個(gè)訂單的總巷道數(shù)之比表示為： Smn=Am∩AnAm∪An ()本文基于聚類分析的啟發(fā)式算法的算例的相似系數(shù)的計(jì)算就是采用巷道相似系數(shù)。用坐標(biāo)來表示就是（0,0），（0，min{bm，bn}），（min{am，an}，min{bm，bn}）及(min{am，an}，0)組成的矩形面積與訂單Om，On所組成的兩個(gè)矩形面積并集之比。（2）面積相似系數(shù) 面積相似系數(shù)可以由訂單的坐標(biāo)向量來表示。這里的相似系數(shù)類似tanimoto系數(shù)，具有“距離”的性質(zhì)。（1）儲(chǔ)位相似系數(shù) 兩個(gè)訂單中品項(xiàng)的共同儲(chǔ)位數(shù)的比例可以用兩個(gè)訂單的儲(chǔ)位特征向量表示如下： Smn=VAmVAn,VAmVAm,+VAnVAn,VAmVAn, () VAm39。目前用得最多的方法之一就是相似系數(shù)，性質(zhì)越接近的樣品，其相似系數(shù)的絕對(duì)值越接近1，而彼此無關(guān)的樣品，其相似系數(shù)的絕對(duì)值越接近零。兩個(gè)對(duì)象越相似，它們的相似度就越高。因?yàn)橐陨蟽煞N特征向量不是本文研究的方向，所以在這里就不再多做介紹。Hwanget ，為了定義訂單之間的相似性，定義了兩個(gè)特征向量。問題的關(guān)鍵在于選取聚類準(zhǔn)則和類間的相似性度量[20]。訂單那分批問