论文部分内容阅读
在当今社会，电子商务在人们的生活中显得越来越重要，从事电商的企业也越来越多。外部，在线零售商们依然需要面对来自那些发展相对成熟的传统零售企业的竞争；内部，众多在线零售商们之间的竞争也不容小觑。因此，如何在激烈的竞争中脱颖而出，成了在线零售商们非常关心的问题。相较于传统零售企业，电商的特点主要表现在物流仓储以及配送方面，并且，仓储配送也是在线零售商挖掘新的利润空间的重要环节。物流仓储发展到今天，大多数仓库的存储环节虽然已按照存储单元进行了存储设备分区管理，但是为了提高仓库利用率，许多仓库的地堆区一个托盘存放众多项商品的情况依然存在，这导致了拣货作业寻找时间长，降低了拣货作业效率，同样的问题在搁板货架区域也依然存在。这种所谓“提高”仓库利用率的存储方法，会直接导致以下弊端：1、由于存储和拣货区库存没有进行有效地管理，这将直接导致拣货作业中断；2、拣货过程中一旦触发紧急补货任务，则需依赖熟练的工人进行寻找，导致作业变得复杂、低效。另外，在拣选环节，由于未设置订单池而进行即时下发拣选，致使任务下发连续性较差，经常会出现人员闲置问题，同时未将订单类型化处理，单、多件未严格区分下发任务，导致作业环节增加，影响作业效率提升。并且由于库区面积较大，拣货员在进行单一的任务时，仍然需要走完全场拣选，造成空走时间较长，拣货密度及拣货效率均比较低下。如何兼顾较高的仓库利用率，同时又能很快地给出最优拣货路径呢？在研究了众多电商的仓储模式后，我们发现了随机存储，其中以卓越亚马逊为此类仓库的代表。随机存储的存储策略能够使仓库的利用率得到提升，从而降低仓储成本。在这种存储策略下，对于接到订单后的订单预处理以及拣货路径的优化问题进行了研究。给出了有容量限制的广义旅行商问题的模型，并对模型进行了分析，通过对模型的推导，给出了该模型的下界，随后通过以CW-saving算法来给定初始解的变领域算法对其进行求解。最后通过求解算例证明算法的有效性。