面向典型仓储作业的货位决策优化研究与应用
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 仓储作业货位决策优化研究现状 | 第15-17页 |
| 1.2.2 数据挖掘技术在仓储决策中的应用现状 | 第17-18页 |
| 1.2.3 智能优化算法在仓储决策中的应用现状 | 第18页 |
| 1.2.4 国内外研究现状小结 | 第18-19页 |
| 1.3 研究目标及内容 | 第19-20页 |
| 1.3.1 研究目标 | 第19页 |
| 1.3.2 研究内容 | 第19-20页 |
| 1.4 论文组织结构安排 | 第20-22页 |
| 第2章 面向典型仓储作业的货位决策系统分析与设计 | 第22-36页 |
| 2.1 典型仓储作业概述 | 第22-23页 |
| 2.2 典型仓储作业货位决策系统需求分析 | 第23-29页 |
| 2.2.1 典型仓储作业业务流程分析 | 第23-25页 |
| 2.2.2 系统总体分析 | 第25页 |
| 2.2.3 系统功能需求分析 | 第25-29页 |
| 2.3 典型仓储作业货位决策系统设计 | 第29-34页 |
| 2.3.1 面向服务的系统总体架构设计 | 第29-30页 |
| 2.3.2 系统功能结构设计 | 第30-31页 |
| 2.3.3 数据库设计 | 第31-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第3章 基于聚类分析的盘点作业货位决策优化 | 第36-48页 |
| 3.1 问题描述与假设条件 | 第36-37页 |
| 3.2 盘点作业货位决策优化模型 | 第37-39页 |
| 3.3 基于聚类分析的优化模型求解 | 第39-41页 |
| 3.3.1 聚类分析算法概述 | 第39页 |
| 3.3.2 谱聚类算法实现原理 | 第39-41页 |
| 3.3.3 优化模型求解步骤 | 第41页 |
| 3.4 试验分析 | 第41-47页 |
| 3.4.1 不同盘点优化方法对比分析 | 第41-45页 |
| 3.4.2 物料关联性强度对拣选结果的影响分析 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于群体智能的出入库作业货位决策优化 | 第48-66页 |
| 4.1 问题描述与假设条件 | 第48页 |
| 4.2 出入库作业货位决策优化模型 | 第48-51页 |
| 4.2.1 单个订单拣选时间分析 | 第48-49页 |
| 4.2.2 订单整体作业时间分析 | 第49-50页 |
| 4.2.3 出入库作业决策优化模型 | 第50-51页 |
| 4.3 基于群体智能的优化模型求解 | 第51-58页 |
| 4.3.1 基于粒子群的优化算法设计 | 第51-55页 |
| 4.3.2 基于差分进化的优化算法设计 | 第55-58页 |
| 4.4 试验分析 | 第58-65页 |
| 4.4.1 基于粒子群求解的算法参数确定 | 第58-60页 |
| 4.4.2 基于差分进化求解的算法参数确定 | 第60-62页 |
| 4.4.3 粒子群与差分进化算法性能比较与分析 | 第62-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 货位决策优化在仓储作业系统中的实现与应用 | 第66-80页 |
| 5.1 智能化仓储作业系统 | 第66-69页 |
| 5.1.1 智能化仓储作业系统概述 | 第66-67页 |
| 5.1.2 系统开发环境与功能结构 | 第67-68页 |
| 5.1.3 智能化仓储作业系统拓扑结构 | 第68-69页 |
| 5.2 货位决策系统的实现 | 第69-73页 |
| 5.2.1 MVC设计模式概述 | 第69-70页 |
| 5.2.2 基于SOA的货位决策系统实现 | 第70-73页 |
| 5.3 货位决策系统的应用 | 第73-79页 |
| 5.3.1 应用环境 | 第73-74页 |
| 5.3.2 实例应用测试 | 第74-78页 |
| 5.3.3 测试结果分析 | 第78-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 6.1 主要研究成果 | 第80-81页 |
| 6.2 课题不足与展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 附录1 静态仓储实体数据表结构 | 第86-87页 |
| 攻读硕士学位期间参与的科研项目 | 第87-88页 |
| 致谢 | 第88页 |
