《表1 两组各参数值比较：基于嵌套遗传算法的拣货作业联合优化》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于嵌套遗传算法的拣货作业联合优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

模型的参数设置如下：拣货人员的平均行走速度为1 m/s，拣货人员拣取单个货物所需的时间为2 s，拣货车容量为80。通过查阅相关文献和大量实验可得算法的参数设置如下：外层遗传算法的初始种群为65，迭代次数为70，变异概率为Pm=0.4，交叉概率Pc=0.9；内层遗传算法的初始种群为80，迭代次数为1 000，变异概率为Pm=0.08，交叉概率Pc=0.4。实验数据来源于某电商的订单数据，每张订单数据中包含了客户购买的不同货物信息，包括货物序号、储位坐标、货物数量和体积。首先以10张订单的拣选为例进行分析，由表1可得，10张订单联合优化共分为3批，第一批结果是订单1、4、8，需要拣取品项数量为15，最优路径拣货顺序为：36-26-64-125-450-695-652-579-333-251-297-392-355-356-114，总拣货时间为274 s，总拣货距离为210 m，路径示意图见图3，拣货路径见图4。其中，横纵坐标为仓库模型的储位坐标，黑色标记为货物序号。