論文の概要: A Case Study on Optimization of Warehouses
- arxiv url: http://arxiv.org/abs/2112.12058v1
- Date: Tue, 23 Nov 2021 07:22:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 01:58:06.964311
- Title: A Case Study on Optimization of Warehouses
- Title(参考訳): 倉庫の最適化に関する事例研究
- Authors: Veronika Lesch, Patrick B.M. M\"uller, Moritz Kr\"amer, Samuel Kounev,
Christian Krupitzer
- Abstract要約: 倉庫では、労働者が倉庫の業績の大部分を担っている最も労働集約的でコストがかかる作業である。
本研究は,メザニン倉庫における倉庫配置の最適化と受注問題について,その相互的影響について検討する。
- 参考スコア(独自算出の注目度): 2.2101681534594237
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In warehouses, order picking is known to be the most labor-intensive and
costly task in which the employees account for a large part of the warehouse
performance. Hence, many approaches exist, that optimize the order picking
process based on diverse economic criteria. However, most of these approaches
focus on a single economic objective at once and disregard ergonomic criteria
in their optimization. Further, the influence of the placement of the items to
be picked is underestimated and accordingly, too little attention is paid to
the interdependence of these two problems. In this work, we aim at optimizing
the storage assignment and the order picking problem within mezzanine warehouse
with regards to their reciprocal influence. We propose a customized version of
the Non-dominated Sorting Genetic Algorithm II (NSGA-II) for optimizing the
storage assignment problem as well as an Ant Colony Optimization (ACO)
algorithm for optimizing the order picking problem. Both algorithms incorporate
multiple economic and ergonomic constraints simultaneously. Furthermore, the
algorithms incorporate knowledge about the interdependence between both
problems, aiming to improve the overall warehouse performance. Our evaluation
results show that our proposed algorithms return better storage assignments and
order pick routes compared to commonly used techniques for the following
quality indicators for comparing Pareto fronts: Coverage, Generational
Distance, Euclidian Distance, Pareto Front Size, and Inverted Generational
Distance. Additionally, the evaluation regarding the interaction of both
algorithms shows a better performance when combining both proposed algorithms.
- Abstract(参考訳): 倉庫では、注文のピッキングが最も労働集約的でコストのかかる作業であり、従業員が倉庫のパフォーマンスの大部分を担っている。
したがって、様々な経済基準に基づいて注文選択プロセスを最適化する多くのアプローチが存在する。
しかし、これらのアプローチのほとんどは一度に一つの経済目標に焦点を合わせ、最適化における人間工学的基準を無視している。
さらに、選択すべき項目の配置の影響を過小評価し、これら2つの課題の相互依存にはあまり注意を払わない。
本研究は,メザニン倉庫における倉庫配置の最適化と受注問題について,その相互的影響について検討する。
ストレージ割り当て問題を最適化するためのNon-dominated Sorting Genetic Algorithm II (NSGA-II) のカスタマイズ版と、注文選択問題を最適化するためのAnt Colony Optimization (ACO) アルゴリズムを提案する。
どちらのアルゴリズムも複数の経済的制約と人間工学的制約を同時に取り入れている。
さらに,両問題間の相互依存に関する知識を取り入れ,倉庫全体の性能向上を目指す。
評価の結果,提案アルゴリズムは,パレートフロントの被覆, 生成距離, ユークリディアン距離, パレートフロントサイズ, 逆生成距離を比較するための, 一般的な手法と比較して, ストレージ割り当てと順序選択経路が向上していることが示唆された。
さらに, 両アルゴリズムの相互作用に関する評価は, 提案アルゴリズムを組み合わせることで性能が向上した。
関連論文リスト
- Data-Efficient Interactive Multi-Objective Optimization Using ParEGO [6.042269506496206]
多目的最適化は、競合する目的間の最適なトレードオフを提供する非支配的なソリューションの集合を特定することを目的としている。
実践的な応用では、意思決定者(DM)は実装すべき好みに合わせて単一のソリューションを選択する。
そこで本稿では,パレートフロントの最も好まれる領域を,高コストで評価できる2つの新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-01-12T15:55:51Z) - Accelerating Cutting-Plane Algorithms via Reinforcement Learning
Surrogates [49.84541884653309]
凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。
多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。
そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
論文 参考訳(メタデータ) (2023-07-17T20:11:56Z) - Rollout Algorithms and Approximate Dynamic Programming for Bayesian
Optimization and Sequential Estimation [0.0]
逐次推定を含む様々な問題に適用可能な、統一された近似的動的プログラミングフレームワークを提供する。
まず,最適化を目的とした代理コスト関数の構築を検討し,ベイズ最適化の特別な場合に着目した。
次に、最適測定選択を用いた確率ベクトルの逐次推定のより一般的な場合とその適応制御問題への応用について述べる。
論文 参考訳(メタデータ) (2022-12-15T17:50:23Z) - A Study of Scalarisation Techniques for Multi-Objective QUBO Solving [0.0]
量子および量子に着想を得た最適化アルゴリズムは、学術ベンチマークや実世界の問題に適用した場合に有望な性能を示す。
しかし、QUBOソルバは単目的解法であり、複数の目的による問題の解法をより効率的にするためには、そのような多目的問題を単目的問題に変換する方法を決定する必要がある。
論文 参考訳(メタデータ) (2022-10-20T14:54:37Z) - Tree ensemble kernels for Bayesian optimization with known constraints
over mixed-feature spaces [54.58348769621782]
木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。
ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。
我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
論文 参考訳(メタデータ) (2022-07-02T16:59:37Z) - Multi-objective robust optimization using adaptive surrogate models for
problems with mixed continuous-categorical parameters [0.0]
ロバスト設計の最適化は、不確実性が主に目的関数に影響を与える場合、伝統的に考慮されている。
結果として生じるネスト最適化問題は、非支配的ソート遺伝的アルゴリズム(NSGA-II)において、汎用的な解法を用いて解決することができる。
提案手法は、適応的に構築されたKrigingモデルを用いて、NSGA-IIを順次実行し、量子を推定する。
論文 参考訳(メタデータ) (2022-03-03T20:23:18Z) - Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。
これらの問題に対する新規で簡単な最適化法を開発した。
結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
論文 参考訳(メタデータ) (2021-09-23T17:38:24Z) - Generalized Conflict-directed Search for Optimal Ordering Problems [18.231677739397973]
本稿では,イベントの全順序を最適に生成する分枝順序付け法GCDOを提案する。
汎用的な紛争を推論する能力があるため、GCDOは以前の競合指向アプローチCDITOよりも高品質の総注文を見つけるのにはるかに効率的です。
論文 参考訳(メタデータ) (2021-03-31T18:46:48Z) - Generalization in portfolio-based algorithm selection [97.74604695303285]
ポートフォリオベースのアルゴリズム選択に関する最初の証明可能な保証を提供する。
ポートフォリオが大きければ、非常に単純なアルゴリズムセレクタであっても、過剰適合は避けられないことを示す。
論文 参考訳(メタデータ) (2020-12-24T16:33:17Z) - Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。
Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文 参考訳(メタデータ) (2020-10-15T18:09:48Z) - Generalized and Scalable Optimal Sparse Decision Trees [56.35541305670828]
様々な目的に対して最適な決定木を生成する手法を提案する。
また,連続変数が存在する場合に最適な結果が得られるスケーラブルなアルゴリズムも導入する。
論文 参考訳(メタデータ) (2020-06-15T19:00:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。