关键词不能为空

当前您在: 主页 > 英语 >

立体仓库中英文对照外文翻译文献

作者:高考题库网
来源:https://www.bjmy2z.cn/gaokao
2021-01-29 14:31
tags:

-official

2021年1月29日发(作者:poweroff)


立体仓库中英文对照外文翻译文献





立体仓库中英文对照外文翻译文献




(


文档含英文原文和中文翻译


)







由一个单一的存储


/


检索机服务的多巷道自动化立体仓库存在的拣选分拣问题



摘要



随着现代化科技的发展,


仓库式存储系统在设计与运行方面出现了巨大的改


革。


自动化立体仓库



AS / RS


嵌入计算机驱动正变得越来越普遍。


由于


AS / RS


使用的增加对计算机控制的需要与支持也在提高。


这项研究解决了在多巷道立体


仓库的拣选问题,在这种存储

< br>/


检索(


S


/


R


)操作中,每种货物可以在多个存储


位置被寻址到 。


提出运算方法的目标是,


通过


S/R


系统拣选货物来最大限度的减


少行程时间。

我们开发的遗传式和启发式算法,


以及通过比较从大量的问题中得

< br>到一个最佳的解决方案。




关键词


:自动化立体仓库,


AS / RS


系统,拣选,遗传算法。




立体仓库中英文对照外文翻译文献



1.




< /p>


在现今的生产环境中,


库存等级保持低于过去。

< br>那是因为这种较小的存储系


统不仅降低库存量还增加了拣选货物的速度。自动化立 体仓库(


AS / RS


),一


方面通 过提供快速响应,


来达到高操作效率;


另一方面它还有助于运作 方面的系


统响应时间,减少的拣选完成的总行程时间。因此,它常被用于制造业、储存仓


库和分配设备等行业中。




拣选是仓库检索功能的基本组成部分。


它的主要目的是,


在预先指定的地点


中选择适当数量的货物以满足客户拣选要求。


虽然拣选操作仅仅是物体在仓储中


装卸操作之一,但它却是“最耗时间和花费最 大的仓储功能。许多情形下,仓储


盈利的高低就在于是否能将拣选操作运行处理好”。< /p>




Bozer



White



Ratliff



Rosenthal

,他们关于自动化立体仓库系统(


AS/RS


)的拣选问题 进


行的研究,发明了基图算法,在阶梯式布局中选取最短的访问路径。

< br>Roodbergen




de Koster


拓展了


Ratliff


< p>
Rosenthal


算法。他们认为,在平行巷道拣选问题


上,


应该穿越巷道末端和中间端进行拣选,


就此他们发 明了一种动态的规划算法


解决这问题。就此


Van den Berg




Gademann


发明了一种运输模型


(TP)


,它是


对于指定的存储和卸载进行测算的仪器。


他们表示,

< br>最好的解决运输问题的方法


是以机械的最佳布局来尽量减少运行时间。

< p>


Elsayed


对阶梯结构的立体仓库问题的研 究表明,要在多巷道中拣选货物并


拟定最佳方案,


是非常困难和 并且耗时的。



Elsayed




Stern


提出了启发式算法,


但据说,


他们并没有在实际生产过程中得 到满意的结果。黄禹锡等人,


研究了立


体仓库系统中的单巷道选 道的问题,并提出决定了每个


S /R


系统拣选效率的启


发式算法。


Thealgorithms


在聚 集前人分析的基础上,


采取了一些相似的措施。



1983


年,通过仿真,把计算得到的参数与


Els ayed



Sterns


的结论进行了 比较。



Bozer



White



Han



Lee



Schaefer

< br>等人提出了一个程序,在检索测序的


基础上进行优化,解决了线性分配的问题。< /p>


Lee




S chaefer


介绍了一些优化和


启发式的测序方法,其中包括 存储指令如何被分配到预先确定的存储位置。


Mahajan


通 过对小件货物的贮存系统进行了改善,


得到了一种新的检索测序方案,

< br>提出最近检索原则并开发了一个验证模型来预测效果。


黄禹锡制作了非线性数学< /p>


模型,


开发出以一种启发式程序设计的自动化立体仓,

< p>
与此同时还可以确定单位


负载的大小。


Van den Berg





Rouwenhorst


调查了仓库规划和控制的文献,



划文件包括存储位置的分配问题,仓库储存系统的控制问题包括路 由、排序、



度、停留点的选择和秩序配料。

< br>


Goetschalckx




Wei


提 交


1985


年至


1992


年拣


选系统的参考文献。



Koh


提出了一些关于在存储仓库中,


带有塔式起重机的自动化 立体仓库的模


式。


他们推论出的这个模式是建立在随机存储分配 规则的基础上的一个单、


双指


立体仓库中英文对照外文翻译文献



令周期。


他们还根据营业额的存储分 配规则计算出相应行程时间。


Koh


提出了优

< br>化模式,


在拣选系统的巷道最末端寻找到了一个最佳缓冲的区域,


在那里


S/R



统可提供多若 干个通行巷道。


Amato



colo red timed Petri nets


网站的资料为基础


提出了对顺序检索的拣选优化算法。


他们还提出了两项对于起重机和航天飞机的


运作的优化控制算法。


Hsu


审议多巷道的仓库 的顺序配料问题,提出了遗传算法


来减少总旅行距离。


Hwan g




Cho


提出了采摘的供应中心仓库秩序的绩效评估


模式。


他们研究的 目的是通过减少运输数量、


计算性能和设备利用率来减少尽量


减 少成本。在近期的研究中,


De Koster


对设计与控制 手册中拣选工程的典型决


定问题进行了文献回顾。他们主要关注于存储分配方法、路径的 选择、


配料和分


区。



然而,


我们没有这么多的文献上的知识,


在处理自动化 立体仓库的拣选问题


上,每个物品都能够被储存在多个储存点里。


事实上,


许多厂家的产品有许多类


型、种类和形状,这也是他 们成品仓库面临的问题。例如一个瓷砖制造商,他的


产品有两个类型(墙砖和地砖)


,


分别有


7


中不同 的尺寸,


4


种不同耐久性(磨损


差饷< /p>


)



100


多种 不同的颜色、图案、颜色和形状,总共有


5600


多种不同的产 品


类型。作为存储策略,要一件刚进来的货物存放在最近的空仓位位置上。当一个


来自仓库中物品,


由于产品种类繁多,


有很大 的可能性从一个地方存入到另一个


地方。因此,一件物品需要有几个在仓库中存储位置。 换句话说,由于分类和分


区,


每个单独类型的产品在仓库中需要 一个更大的空间,


一个物品在几个地方存


储时不可避免的。



2.


问题描述



在本研究中,


我们考虑到了小件物品的自动存储和检索系统,< /p>


那有一个或多


个巷道。


每个巷道包含了关 于巷道两旁仓储货架。


每个巷道结束的地方都有一个


输入


/


输出口(


I/O


) 。在那里还有一个单独的存储


/


检索(


S / R


)的仪器来为所有


巷道的系统服务,它可以同时在垂 直和水平方向移动。因此,


在两点之间的行程


等于最小的水平和 垂直行程。在收到命令之前


S/R


仪器已经定位了输入


/


输出口


中的位置。


仪 器的起始位置取决于最后一件货物的最后一个命令的存储位置。


S/R

< br>计算行程中以恒定的速度水平和垂直移动。一个命令可以由多个货物请求组成


的。 同样每个货物也可以在仓库中多个位置存储。当检索请求包括多个货物,



且这些货物在多个不同的仓库位置时,


S/R


仪器必 须到多个不同的存储地点完成


各个命令。


本次研究的目的就是提 出计算方法来减少


S/R


走过的总时间来完成命


令程序。



3.


运算方法



立体仓库中英文对照外文翻译文献



我 们现在有两种运算方法来解决这个问题:


一种是探索式算法,


还 有一种是


遗传式算法。为了显示所提出算法的优越性,我们把它与其他方法进行了比较。


由于我们的解决问题方法是新提出的,


没有前人在这个领域进行 过研究,


那么我


们最先提出的一种运算法,

用它来获取的最佳的解决方案,


这种方法我们称它为


例证算 法。其结果作为对于两种拟议算法比较的基准解决方案。



在例 证法中,


我们确定所有可行的解决方法并将他们互相比较找出最好的解

< br>决方法来。


为此,


这个方案首先要找所有可行的方法来选 择一个命令。


然后,


S/R


系统的计算 获得每个方法行程的总时间,


最后,


选取的解决方案要求在最短 时间


内完成要求。


这个解决方案被认为是该问题的最佳解决方案 。


考虑到一个命令的



k


种不同类型的货物组成,其中在


n


i


(i = 1, 2, . . . , k)


项货物中第

i


项货物被提


出请求。在可行的解决办法总数挑选顺序可以 给出:




其中,

mi


是在第


i


项货物在仓库中的总 库存,得出:




通过例证法已经解决 了各种类型的问题,


并且确定了这种低金额低行程的最


佳方案。 我们发现,在当前巷道上存在货物(如:该巷道的


S/R


系统是 在检索过


程的起始端)


是解决这个问题的关键技术。

< p>
我们基于先前提到的运算结果发现了


一种计算方法,称它为现有巷道探索式 (


CAH)


算法。


< br>在现有巷道探索式算法中,在当前巷道中现存的货物是首先被检索的对象。


其后, 对该命令的其余部分


(如果有的话)


选中并运用各种检索方式进 行研究计


算。


我们可以简单的对其进行表达,

< br>如果设


r


表示在现有巷道中指令货物的数目,

< p>
那么如果


r=0


时,该运算方法就类似于原来的例 证法。如果


r=1


时,该运算方法


首先 要通过


S/R


系统对行程时间进行计算,设

t1


表示在当前巷道中,现存货物


为了避免与拣选中的货物 冲突,对于其余的货物


(


如果有的话


)


进行同等于例证法


的计算,以此来得到最小的计算行程时间。设


t2


表示在


S/R

系统中总的行程时


间。最后将


t1



t2


之和作为最终的解决方案。


< /p>


如果


r>1


时,则该方法首先分配拣选顺 序,拣选所有的


r


货物,既巷道中的


现 存货物。在计算好行程时间之后,进入


t1


阶段开始移除列表中 指令的货物。


在这之后,


其余货物


(< /p>


如果有的话


)


进行类似于例证法的运算< /p>


,


就如同,


通过对每一

< br>个可行的方法计算出行程时间,最终选取其中最小的那个值,即


t2


阶段。最后,



S/R


系统 中将


t1



t2


的和设为最终的解决方案。



立体仓库中英文对照外文翻译文献



Khojasteh-Ghamari


详细的对在现有巷道中的 货物的拣选顺序的分配方法进


行了讨论。


如果任何待命的货物存 在于现有巷道中,


那么就将仓库中现存货物的


数目除以解决方案 的数目。因此,


这项任务目的就是降低总方案的数目,


以此来< /p>


减少


CPU


时间(程序的处理时间)。< /p>



3.1.


遗传算法


< br>遗传算法是一种优化过程,它将问题域比作基因类(个体或染色体),基因


类是有 多个基因体组成,


其中基因体成符号形式串行。


每一个基因类都 有一个可


能的解,通过对问题域中的染色体进行评估来寻求可能的解决方案。

< p>


在每一代中,


我们对每个染色体进行评估,选择 一个分布优秀的区域,在其


中对染色体进行变异和交叉操作,重新组合,得到新的染色体 。这样几代之后,


在进一步观察后没有得到新进展的情况下,


那 么就将所得到最具适应度的染色体


视为(所有可能的)


最佳解决 方案。


运算常常会在出现大量的迭代速度和资料后


终止(


Michalewicz


)。



表示法



每一个染色体表示待求解问题 的一个可能解,


将其中每一个等位基因被归为


一个货物序列中。


如此类推,


在染色体中的每个基因序列表示货物的种类和相对< /p>


等位基因的存储位置。因此,


每个解决方案包括一个染色体,


其中基因的数量等


于所收到命令的货物数目。如给出一个例子,图< /p>



1


如图


1< /p>


可见,一个可行方案中的货物设为


A,B,C


D


代码,他们被检索位


置为:货 物


C



5


号位 置,货物


B



7


号位置,货物


A



4


号位置,货物


D



3


好位置。





1.


代表一个可行的解决方案



其表格表示为,


货物被拣选的顺寻也显示在其中。在这个例子中,在


5


号位


置中货物


C


将被首先检索,其次是货物


B


,再是货物< /p>


A


,最后是货物


D




初始化



初始域是随机产生的。


拥有随机序列的指令货物组成了染色体。


在染色体中,


每个货物被赋予一个随机代号。


由此可见,


每个可行方案所给予的条件是相同的。


然而,在每一次重新运算过程 中,都会有一套适合的程序来解决方案。因此,染


立体仓库中英文对照外文翻译文献



色体中的指令货物将会无重复的随机分布,


货物的地址代码也会随机选取,


所分


配的代号范围会在


1


到该货物的总仓库库存数之间。



假设在仓库内现有总共


A


B



C



D4


件货物,它们分别对应代码是


6



9



7



4


。为了形成如图


1


所示的解决方案,首先,指令货物死随机选取的(


C,B,A



D


),然后,货物


C


选取


[1,7]


的随机整数,货物

B



[1



9]


中选取,


A


< br>[1,6]


之间选取,最后


D



[1



4]


中 间随机选取一个。



交叉操作



在置换问题的操作描述里,部分匹配交叉(简称


PMX


)常被用于拣选问题


上,


部分匹配交叉被视为一种交叉 的排列,


它确保所有的货物能迅速的被后裔所


发现。

< p>
也就是说,两个后裔全面的接受了父辈基因,接着再填充到其父辈的等位


基 因上。在图


2


中,两个父辈用


p1



p2


来表示,交叉点是

< br>1



3


。根据在相应

< p>


[M,R]



[E,A ]


之间,重复做货物的取代,这就是说,在第一个父辈中的


A< /p>



E



R



M


所取代,而在第二个父辈中的

< p>
R



M


就由


A



E


来取代。生成的后< /p>


代是


O1



O2 (



2)




同时,根据


PMX


中的拣选问题得知, 交叉操作的关键是只交换在染色体中


的货物区域并且不交换相关的等位基因。

< p>





操作



变异操作



我们现在用二进制位


(0



1)


来表示基 因。在拣选的问题上,相关联的等位


基因通过变异操作,将库存中一个基因替代另外一个 等位基因。换而言之,


这个


立体仓库中英文对照外文翻译文献< /p>



操作并没有对货物的序列起到任何作用,仅仅只是货物选择了另 外一个序列代


码。



假设在

< p>
O1


中,


第三个基因被选为变异基因。

< p>
由于货物


A


在各储存位置上的

总数有


6


个,


通过变异操作在


[1,6]


范围里产生随机整数来代替原来的第三个基因

< p>
(




3)


,当然,产生的代码等于现有代码时


(


< p>
2)


,则操作重复进行,直到取得一


个新代码


(


除了


2)


。在这 个范例中,


4


就是最后产生的代码。



评估与选择



在每代中,对于染色体的评估使用了一些有效的方法。





3.


变异 操作



在大量的优化应用中,


适应度是 对目标客观本质的计算。在拣选问题中,目


标函数的作用是将


S /R


系统的行程时间降低到最小。


通过


S/R


系统对总行程时间


做标准化的计算来得到下一代。


Khojasteh-Ghamari



S/ R


系统计算的行程时间进


行做了一下说明。


由于这个问题是最小化的问题,


所以我们可以将每个染色 体的目标函数值改


变成适应值,


适应值大的染色体就更具适应能 力,


这样就能更清晰的表达他们的


价值程度

(cheng


等人提出


)





其中,


eval (vk)


是第


K


个染色体的适应函数,


f(vk)


是第


k

个染色体在


S/R



统下总行程时 间。问题域的大小


(


简称


pop size)


决定了每个染色体应被给的时间。



现在来做个比喻,我们对下一代染色体的选择比作为


(


赌台上的


)


轮盘,适应


度大的染色体在 下一代遗传中被选的概率更高。


在此方案中,


行程时间短的更容


易被选中作下一代的遗传。赌盘的执行如下:



1.


计算对于每个染色体的


vk(k=1,2,... ,


最大范围值


)


S/R


系统的总行程时间。



2.


计算每个染色体的适应度


eval(vk)(k=1,2,.. .,


最大范围值


)


< br>


3.


求得所有适应的总数量



立体仓库中英文对照外文翻译文献




4.


计算对于每个染色体


Vk


的选择概率


pk(k=1,2,...,


范围 最大值


)





5.


计算每个染色体


vk

< p>
的累积概率


qk(k=1,2,...,


范围最大 值


)




< /p>


每次选择是在旋转的赌盘中进行的,


其结果是动态的,

< p>
被选中的染色体作为


下一代的范围域。



-


生成的一个随机实数


r



[0



1]


范围内;



-


如果

< br>r



1



那么选择的第一个染色体


v1



否则 选择第


k


个染色体


vk(2




k




pop size)


,这样就有


qk?1 < r



qk




在上一代中的染色体被新一代的染色体所替代。



4.


仿真结果



我们制作了一个拥有


36


种不同货物的立体仓库,

< p>
在其中还有


5


种不同类型的指令,


对此比较


3


种运算法的性能。每个货物首先先用例证法 来解决。以获取最佳的行程时间



CPU


占用率。接着用另外两种解法来解决。研究结果如下


2


表。< /p>



4.1.


仿真模型


< br>我们创建了一个在


36


种不同物理规格情况下的仓库,通 过对于每一个仓库施加


5


种不同的指令来对这

< br>3


种算法的性能进行比较。


每种情况首先按例证法来得到 最佳的行


程时间和


CPU


占用率,然后 再通过另外两种计算方法来解决问题。研究结果显示在下


面两个表格中。



利用仓库的主要


3


个参数( 仓储容量、密度和形状)来设计


36


种不同存储的情况。


由于仓储容量与仓库中的巷道成比例关系,


我们将仓储容量划分为


4


种情况,


分别是


1



2



3< /p>



4


种巷道的形式。每个仓储货架有


780


个存储位置。因为每个巷道有两个货架,

则一个巷道就拥有


1560


个存储位置。由于一个系统对仓 库中大量巷道进行服务的话,


将会大大降低其系统实际效率。所以在不考虑


5


个或更多巷道的情况下,就由一个


S/R


系统对所有巷道进行服务。


对于仓储密度,


我们 假定仓库中的使用率为


60%



75%



95%



B ozer




White

< p>
对仓储形状的配置进行了相关描述为,


仓储形状,


它是一种对于货架高


度与长度的空间比例,假设仓储容量与


S/ R


系统的水平和垂直速度都是常数。那么我们


将这


3


个值设定为(


0.6,0.73

< br>和


1


)。



立体仓库中英文对照外文翻译文献



此 外还要补充的是,对上述每种情况的描述中,


5


种不同的指令为 别是


1



2



3



4



5



5


种所要求的 货物编码分别是一,二,三,四和五。



4.2.


结果



在个人电脑配置是:“奔腾


III,1000MHz


的处理器


,512 MB


内存和


2 GB


虚拟内存”


的情况下进行了试验。


结果列于表


1


和表


2


中。



1


表示在


3


种运算法下,


4


种类型



S/R


系统平均行程时间”




S/R


系统平均

< br>CPU


占用率”



两种仓储参数


(仓储密度和形状)


的组合形成了每个仓库

(


仓库分别有


1



2



3


4


个巷道


)


9


种情况,每种情况下的值


表示了


5


种命令下的平均值。



2

< p>
表示在仓储形状为


0.6



1



4


种巷道情况下的平均行


程时间和平均


CPU


占用率。



在表格中,


例证法、


现有巷 道探索式算法和遗传算法分别用



Enumeration





CAH





GA


”所表示。



5.


分析结果



通过对表


1


分析可知,在所有情况下的各类仓库


(1



2



3



4


个巷道


)



CAH


算法


是能获得最大行程时间和最小


CPU


占用率的解决方 案。换而言之,它是占用较小


CPU


使用率的方法。然而,它对


S/R


系统的行程时间超过了其他两个。



在仓库中只有一个巷道的情况下,


通过遗传算法解决获得的 方案中


89%


为最佳的方


案。


其余的方案里次优和最优的解决方案平均只相差


0.09



(但需要更大的


CPU


时间 )



在拥有


2



3


个和


4


个 巷道的仓库中,


遗传法提供的


11%


的 解决方案为最佳方案,


其余


方案里,获得方案与最佳方案差别不 大,分别是


2


巷道相差


3.86%



3


巷道相差


4. 83%



4


巷道相差

< br>4.69%




仓库中巷道的层 架数目会影响到运算效率。由于增加的总数是实际问题中出现的,


例证法中要增加较大的


CPU


占用率才能获得最佳解决方案。然而在大多数情况下,遗


传法则需要相比于例证法较少的


CPU


占用率就能完成


S/R


系统的最佳方案。



立体仓库中英文对照外文翻译文献




表格


1. 3


种算法的性能



< br>表格


2.3


中算法在仓储形状上的比较

< br>


此外,运算方法的性能是受货架配置所影响的。表


2< /p>


显示了通过对


S/R


系统的平均


行程时间和平均


CPU


占用率在多巷道中的两种 仓储形状(


0.6



1


)的比较。在此表中


立体仓库中英文对照外文翻译文献



显示了当仓储容量增加时,两个货架配置的算法比较。在一个仓库只有一个巷道时,例< /p>


证法提供了最佳的方案,并且它的


CPU


占用率低于遗传法。然而,如果仓库有多个巷


道时,遗传算法需要的

CPU


占用率低于例证法。由于各种仓储形状


B

< p>
的结果相似,我


们将仓储形状


B

< br>设为


0.73


。因为对


B



3


种算法性能大致相同,所以在仓库里的货 架


配置对算法性能没有影响。



6.


总结



在本次研究中,我们讨论了多巷 道自动化立体仓库系统,并得到了结果。就同类货


物在不同存储位置被寻找的情况下,我 们发明了两种算法来解决这个问题,我们将第一


种探索式算法命名为现有巷道探索式算法 (简称


CAH


),第二种命名为可接受遗传算

< br>法。为显示每种算法的实际效率,我们将他们与例证法做了对比,例证法在获得最佳方

案的同时需要大量的


CPU


占用率,因此它并不是最理想的 解决方案。


CAH


算法需要较


小的


CPU


占用率,


但获得的方案大多数是需要 较长的


S/R


系统行程时间的次佳的方案。

而遗传算法提供的方案大多是最佳和准佳


(


平均占


3.37%)


的方案。因此,模拟的遗传算


法显 示,它的效率高于其他两种算法。



不久的将来,在功效和双命 令(


DC


)的自动化仓库系统领域中,将对元启发式方


法和分支定界算法进行评估,以便能在自动化仓库拣选问题上创造最佳的解决方案。



7.


鸣谢



我们感谢来自


Tarbiat Modarres


大学


M.M. Sepehri


教授的 宝贵建议。我们也同样的感谢


为我们提出建议的匿名审稿人。



参考文献



[1]


Amato,


F.,


Basile,


F.,


Carbone,


C.


and


Chiacchio,


P.,


An


approach


to


control


automated warehouse systems, Control Engineering Practice, Vol. 13, pp.1223-1241,


2005.


[2] Bozer, Y. A. and White, J. A., Travel-time models for automated storage/retrieval


systems, IIE Transactions, Vol. 16, No. 4, pp.329-338, 1984.


[3]


Bozer,


Y.


A.


andWhite,


J.


A.,


Design


and


performance


models


for


end-of-aisle


order picking systems, Management Science, Vol. 36, No. 7, pp.852-866, 1990.


[4]


Cheng,


R.,


Gen,


M.


and


Sasaki,


M.,


Film- copy


deliverer


problem


using


genetic


algorithms, Computers & Industrial Engineering, Vol. 29, pp.549-553, 1995.


[5]


Elsayed,


E.


A.,


Algorithms


for


optimal


material


handling


in


automatic


warehousing


systems,


International


Journal


of


Production


Research,


Vol.


19,


pp.525-535, 1981.


[6] Elsayed, E. A. and Stern, R. G., Computerized algorithms for order processing in


automated


warehousing


systems,


International


Journal


of


Production


Research,


Vol.


21, pp.579-586, 1983.


立体仓库中英文对照外文翻译文献



[7]


Goetschalckx,


M.


and


Wei,


R.,


Bibliography


on


order


picking


systems,


Vol.


1,


pp.1985-1992,


1994,


available


at


/people/faculty/Marc


Goetschalckx/.


[8]


Han,


M.-H.,


McGinnis,


L.


F.,


Shieh,


J.


S.


andWhite,


J.


A.,


On


sequencing


retrievals


in


an


automated


storage/retrieval


system,


IIE


Transactions,


Vol.


19,


pp.56-66, 1987.


[9] Hwang, H., Baek, W. and Lee, M.-K., Clustering algorithms for order picking in


an


automated


storage


and


retrieval


system,


International


Journal


of


Production


Research, Vol. 26, pp.189-201,1988.


[10]


Hwang,


H.,


Moon,


S.


and


Gen,


M.,


An


integrated


model


for


the


design


of


end-of-aisle order picking system and the determination of unit load sizes of AGVs,


Computers & Industrial Engineering, Vol. 42, pp.249-258, 2002.


[11] Khojasteh-Ghamari, Y., Order picking problem in an AS/RS with multiple stock


locations. .


thesis, Tarbiat Modarres University, 2000.


[12] Koh, S. G., Kim, B. S. and Kim, B. N., Travel time model for the warehousing


system with a tower crane S/R machine, Computers & Industrial Engineering, Vol. 43,


pp.495-507, 2002.


[13] Koh, S. G., Kwon, H. M. and Kim, Y. J., An analysis of the end-of-aisle order


picking system: Multi-aisle served by a single order picker,


International


Journal of


Production Economics, Vol. 98, pp.162-171, 2005.


[14]


Lee,


H.


F.


and


Schaefer,


S.


K.,


Retrieval


sequencing


for


unit-load


automated


storage


and


retrieval


systems


with


multiple


openings,


International


Journal


of


Production Research, Vol. 34, pp.2943-2962, 1996.


[15] Lee, H. F. and Schaefer, S. K., Sequencing methods for automated storage and


retrieval systems with dedicated storage, Computers & Industrial Engineering, Vol. 32,


pp.351-362, 1997.


[16] Mahajan, S., Rao, B. V. and Peters, B. A.,


A retrieval sequencing heuristic for


miniload


end- ofaisle


automated


storage/retrieval


systems,


International


Journal


of


Production Research, Vol. 36, pp.1715-1731, 1998.


[17] Michalewicz, Z.,


Genetic Algorithms


+ Data Structures


= Evolution


Programs,


1992 (SpringerVerlag: Berlin)


[18] Ratliff, H. D. and Rosenthal, A. S., Order-picking in a rectangular warehouse: a


solvable


case


of


the


traveling


salesman


problem,


Operations


Research,


Vol.


31,


pp.507-521, 1983.


[19] Roodbergen, K. J. and de Koster, R., Routing order pickers in a warehouse with a


middle aisle, European Journal of Operational Research, Vol. 133, pp.32-43, 2001.


[20] Rouwenhorst, B., Reuter, B., Stockeahm,


V., van Houtum,


G. J., Mantel, R. J.


and Zijm, W. H. M.,Warehouse design and control: framework and literature review,


European Journal of Operational Research, Vol. 122, pp.515-533, 2000.


[21] Van den Berg, J. P., A literature survey on planning and control of warehousing


systems, IIE Transactions, Vol. 31, pp.751-762, 1999.


[22] Van den Berg, J. P. and Gademann, A. J. R. M., Optimal routing in an automated


storage/retrieval system with dedicated storage, IIE Transactions, Vol.31, pp.407-415,

-official


-official


-official


-official


-official


-official


-official


-official



本文更新与2021-01-29 14:31,由作者提供,不代表本网站立场,转载请注明出处:https://www.bjmy2z.cn/gaokao/585955.html

立体仓库中英文对照外文翻译文献的相关文章