0 引言
我国是世界上最大的纺织品服装生产和出口国，服装纺织对我国产业布局和经济发展至关重要。服装纺织业作为传统劳动密集型产业，各环节都需要仓储环节参与，但其仓储管理还高度依赖人工，仅料单拣选就占据60％以上的人力成本；而且，辅料型号受到时尚潮流影响更新频繁。这些现象引发了储位分配不合理、库存结构混乱等问题。通过优化仓库储位分配方法能够有效解决上述问题，提高企业仓库作业效率[1]。
储位分配问题已经被证明是NP-hard问题[2]。目前多数研究利用物料间相关信息，采用元启发式算法进行优化[3]。Chen等提出基于两阶段式禁忌搜索方法来优化最小化平均行走时间[4]。Rani等以检索时间和频次为目标建立多目标优化模型，通过遗传算法（Genetic Algorithm，GA）计算储位分配[5]。但传统遗传算法存在收敛过早、局部搜索能力差等问题[6] 。焦玉玲等针对收敛过早问题，提出多种群遗传算法，以货物出入库效率、货架稳定性及产品关联性为目标建立模型获得分配结果[7]。朱杰等针对遗传算法易陷入局部最优，将模拟退火算法与遗传算法结合来优化储位分配模型[8]。少数学者引入数据挖掘方法进行储位优化[9]。Chiang等提出基于关联规则的自适应库位分配方法，拣选距离较传统分类方法提升明显[10-11]。Pang等采用关联规则挖掘订单物料间的关系最小化拣货距离[12]。
上述研究多数采用一次性优化策略来处理储位分配问题，无法根据订单变化进行储位调整。而且研究领域主要集中在电商仓库，对服装辅料仓库研究较少。本文针对服装辅料仓库储位分配问题，设计一种基于Apriori算法和改进遗传算法（Apriori Improved Genetic Algorithm，AIGA）的储位优化方法，首先采用Apriori算法挖掘订单信息，根据订单变化动态生成调整库区划分，将库区划分结果作为遗传算法产生初始种群条件，提高初始种群质量；其次设计灾变机制和改进交叉变异算子，提高遗传算法全局搜索能力，寻找合适的储位分配方案，降低出入库行走距离，提高现场人员作业效率。
本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005644
作者信息：
周叶1，2，连明昌2，陈松航2，吴佳彬3，陈豪2
（1.福州大学 先进制造学院，福建 泉州 362251；2.中国科学院 海西研究院泉州装备制造研究中心，福建 泉州 362216；3.福建柒牌时装科技股份有限公司，福建 泉州 362200）
