1.1研究目的

经济的发展带动了电子商务的迅猛发展，推动用户的消费需求不断向小批量、多批次发展。配送中心将需求点与资源点相连接，在物流活动的整个流程当中起着相当巨大的作用。拣选作业作为配送中心的核心环节，占据了配送中心绝大部分的时间和资源，是衡量其作业效率的重要指标。传统的配送中心使用的拣选作业模式需要大量的人力资源，拣选效率较低，而且容易由于人工的疏忽造成差错。随着配送中心规模的不断增大，传统的拣选模式已不再适用，降低人工作业劳动强度、加快拣选效率成为目前配送中心最需要解决的问题。

1.2研究意义

Kiva机器人系统是一种新型的订单履行方案，该系统使用数百个定制的移动机器人，搬运小型货架单元并向操作人员提供货物。与传统的配送中心相比，kiva系统通过消除工作人员的行走，使生产效率提高了2到3倍。目前应用较为成熟的其它自动化订单处理方式，比如自动化立体仓库、大型分拣机和旋转货架等，也存在着柔性不高、灵活性差，以及拣货人员工作效率不高等问题。Kiva系统不仅能够很好地解决以上问题，而且对kiva系统作业模式的研究能够为改良传统拣选作业模式提供新思路。

1.3国内外研究现状

目前国内外对于Kiva机器人系统的研究还处于比较初步的阶段，相关文献较少。因此，对kiva系统的研究可以参考相似的拣选系统或多机器人任务分配问题的研究成果。

在电子商务环境下，国内对于自动化拣选系统的研究越发深入，并取得了一定的成果。云南财经大学的于洋提出了一种融合RFID、超声波传感器、电子罗盘以及里程计自定位的复合引导技术，将其与基于编码盘的路径轨迹推算导向法结合，实现了AGV的自动引导^[1]。浙江理工大学的张彩霞以最小AGV小车搬运货架次数为目标建立模型实现订单智能分批，使用遗传算法实现对AGV任务均衡分配模型的优化^[2]。辽宁工程技术大学的刘万军等人针对拣选系统的作业过程设计了一种适合大规模拣选路径优化的单亲遗传优化算法^[3]。山东大学的常发亮等人分析总结自动化仓库拣选作业的特点，创建了一种含装箱约束条件的多目标优化新型数学模型，用改进后遗传算法进行求解，在实际应用中取得了良好的优化效果^[4]。云南财经大学的王志伟对订单排队分拣作业进行分析，运用排队理论进行建模，建立了一种订单处理系统^[5]。吉林大学的张培培针对人到货拣选作业方式中的分区拣选问题进行优化，实现各分区拣选作业时间和拣货员工作负荷平衡，以降低成本^[6]。大连海事大学的李哲在订单分批拣选模型的基础上，使用蚁群算法对路径优化模型求解，并在一群系统和MMAS算法的基础上进行改进^[7]。

本论文在对kiva系统具有一定了解的基础上，介绍kiva系统的系统构成、作业流程、适用场合、应用前景以及优缺点。此外，将kiva系统与传统拣选作业系统进行对比，分析kiva系统的优势，并详细阐述kiva系统相关作业流程中相关问题的解决策略和关键步骤的优化算法。本论文应用的研究方法包括文献分析法、比较法和Matlab仿真法。对Kiva系统的任务分配问题进行分析，根据kiva系统的特点选择合适的方法来解决任务分配问题。对kiva系统拣选作业中的路径规划问题进行研究，在蚁群算法的基础上，针对蚁群算法的不足提出优化，并利用Matlab软件对改进后的算法进行仿真。

2.1 kiva系统的订单分配方案

在订单拣选系统中，订单分配实际上是选择新订单货架以替换离开站点的订单货架的行为。如何将订单分批并分配给各个站点是kiva系统中的一个关键问题。本论文依据订单少批量、多批次的特点，考虑货物储存货架位置及拣选路径，采取智能型分批方式将订单分批发送到拣选站点，以总拣选路径最短为目标建立数学模型。

2.2 kiva系统中的拣选作业优化方案

本论文对kiva系统中的拣选作业优化问题的主要研究方向是机器人小车的拣选路径进行规划。使用蚁群算法对路径规划模型进行求解，同时在传统的蚁群算法的基础之上对其提出改进，有效地对kiva系统路径规划问题进行优化。运用Matlab软件进行仿真，对改进后的算法给出具体算例的实现。

第1—3周 确定选题，收集相关资料；

第4周 完成开题报告；

第5—6周 继续查阅资料，学习Matlab软件；

第7—12周 分阶段完成论文初稿，根据老师意见进行修改；

第13—14周 根据老师的指导修改完成二稿并提交；

第15周 完成论文终稿并提交；

第16周 进行毕业论文答辩。

[1] 于洋. 电子商务背景下的AGV“货到人”拣选系统[D].云南财经大学,2013.

[2] 张彩霞. 基于“货到人”模式的电商订单拣选优化研究[D].浙江理工大学,2016.

[3] 刘万军,黄杨波,丁鹏. 基于单亲遗传算法的拣选作业优化研究[J]. 计算机应用,2010,(11):2891-2893.

[4] 常发亮,刘增晓,辛征,刘冬冬. 自动化立体仓库拣选作业路径优化问题研究[J]. 系统工程理论与实践,2007,(02):139-143.

[5] 王志伟. 面向电子商务的高效“货到人”拣选系统[D].云南财经大学,2014.

[6] 张培培. 配送中心分区拣选作业储位优化方法研究[D].吉林大学,2011.

[7] 李哲. 物流中心拣选单处理与拣选路径优化研究[D]. 大连海事大学,2011.

[8] 段俊花,朱怡安,黄姝娟,陆伟. 多模态融合的多机器人任务分配算法研究[J]. 西北工业大学学报,2013,(06):974-978.

[9] 李文玉. 智能仓库系统多机器人任务分配问题研究[D]. 北京物资学院,2013.

[10]于红斌，李孝安基于栅格法的机器人快速路径规划[J].微电子学与计算机, 2005,22(6):98-100.

[11]张喜妹. 基于Kiva系统的拣选作业优化与算法研究[D].北京邮电大学,2015.

[12]周晓光,张喜妹,刘玉坤. 一种基于移动机器人的配送中心柔性拣选系统[J]. 物流技术,2015,(07):238-240.

[13]吴菁芃. 亚马逊仓库Kiva机器人的应用分析与前景展望[J]. 物流技术与应用,2015,(10):159-164.

[14]张汉斌. 用于电商配送中心的物流仓储搬运机器人（AGV）的研究[D].北京物资学院,2014.

[15]史恩秀,陈敏敏,李俊,黄玉美. 基于蚁群算法的移动机器人全局路径规划方法研究[J]. 农业机械学报,2014,(06):53-57.

[16]苏治宝,陆际联. 用模糊逻辑法对移动机器人进行路径规划的研究[J]. 北京理工大学学报,2003,(03):290-293 297.

[17]朱大奇,颜明重. 移动机器人路径规划技术综述[J]. 控制与决策,2010,(07):961-967.

[18]Wurman, P. R.;D’Andrea, R.; and Mountz, M. 2008. Coordinating hundredsof cooperative, autonomous vehicles in warehouses. AI Magazine 29(1):9–20.

[19]Smith, S. L.;Pavone, M.; Bullo, F.; and Frazzoli, E. 2010. Dynamic vehicle routing withpriority classes of stochastic demands. SIAM J. Control and Optimization 3224–3245.

[20]Hazard, C. J.;Wurman, P. R.; and D’Andrea, R. 2006.Alphabet soup: A testbed for studying resource allocation in multi-vehiclesystems. In Proceedings of the 2006 AAAI Workshop on Auction Mechanisms forRobot Coordination, 23–30.

[21]Enright J J,Wurman P R. Optimization and coordinated autonomy in mobile fulfillmentsystems[C]// AAAI Conference on Automated Action Planning for AutonomousMobile Robots. AAAI Press, 2011:33-38.