一、国内外研究现状
通过查阅相关文献资料了解到目前国内外学者在企业的物流仓储管理及货位优化方面所作的研究比较多，有些学者在研究这方面课题时也提出过一些有建设性的思路。
2009年兰州交通大学张懿媛等根据货位布局应遵循的原则，建立了选择方案的指标体系。考虑到信息的不确定性，以区间数形式表示定性指标值，应用混合型TOPSIS方法建立了目标优选的模型，最后通过实例对方法的有效性和实用性进行了验证[1]。2011年陕西科技大学栾飞等利用 AHP 层次分析法对出入库指标进行权重分析，得到每个巷道的任务代价；利用匈牙利算法对建立的优化模型进行求解，并利用 Petri 网进行了实例仿真[2]。2011年安徽工业大学陈荣等针对仓储区域的规划问题，提出了基于ABC法和自适应混合遗传算法的两阶段布局优化策略：第一阶段从整体上应用ABC法对仓储区域进行科学规划，缩短搬运距离和作业时间；第二阶段将货位分配问题转化为装箱问题进行研究，并应用自适应混合遗传算法进行求解，从而提高了货位利用率[3]。
2012年辽宁科技大学郭万丹通过数据挖掘中的关联规则算法对订单中的货品关系和出入库频率进行挖掘，引入一对多的关联规则与货品的出入库频率对货位分配模型进行优化以获取最短的拣货路径，提高货品的出入库频率和仓库的作业效率。由于遗传算法具有并发性与全局搜索能力强等特点，用其对货位分配模型进行优化[4]。
2013年华东政法大学黄丹华等基于COI 分类存放原则，提出了一种混合粒子群算法来解决仓库货位优化分配问题，将粒子群算法同蜂群算法混合，通过优化 COI 值对货位进行优化分配[5]。2013年上海海事大学胡少龙等考虑到单一储位的存储方式在出入库作业高峰时段可能导致仓库存取通道出现拥堵的情形，提出了基于多候选存储货位的出入库作业路径优化方法，以此建立了多候选储位的路径优化问题模型，并根据货品储位的优先解码原则，对遗传算法进行了部分改进[6]。 2013 年北京交通大学的白云鹏在其论文中将货品分区，基本为ABC 分区法，分区的原则为频率，然后在特定的 A 区小范围内商品进行了关联分析，找到关联商品相邻摆放[7]。
2014年，Yi-Fei Chuang 发表了最有价值客户和重点商品的观点，也就是指出了产品和客户之间的关系同时通过聚类分析和关联规则来挖掘。采用了网站统计和关联规则挖掘的 Apriori 算法制定一个分区的临界和存储分配策略[8] [9]。
2015年北京交通大学钟科艾研究了BTC卷烟自动化立体仓库货位分配优化问题。根据当前BTC仓库货位分配现存的问题，提出了基于预测的卷烟出库频次和卷烟需求相关性的货位分配优化方法。首先，考虑了卷烟货位分配需实时响应市场需求，卷烟的存放须服务其拣选出库，基于此研究了卷烟出库频次。根据卷烟出库频次时间序列数据，并考虑到卷烟需求的季节性特征，采用时间序列分解模型预测了出库频次。第二，研究了卷烟需求的相关性，以将关联度强的卷烟划分成同一族类进行货位管理。根据关联规则挖掘的“购物篮分析”模型，利用Apriori算法，借助SPSS Clementine软件对BTC大量订单数据进行了挖掘，得出了各卷烟之间的强关联规则,并经聚类分析,重新划分了卷烟族类。第三，设定卷烟出库总时间最短、强关联卷烟摆放距离最近及货架稳定三项货位分配优化原则，建立多目标货位分配优化模型。最后，利用改进的遗传算法求解多目标货位分配优化模型，并利用MATLAB软件进行仿真分析，得出优化后的货位分配方案使得BTC自动化立体仓库运作效率提升[10]。2015年沈阳工业大学张义华以基于Fishbone布局的某立体仓库为研究对象，利用大数据技术对货品入库作业的货位分配优化问题和出入库作业调度优化问题进行了研究，旨在提高立体仓库的出入库工作效率。针对现代仓储企业对自动化立体仓库进行货位分配优化，追求时间效益最大化的目的，基于Fishbone布局，依据货品存放上轻下重和货品出入库效率优先等货品存储原则，以货品出入库所需时间最短为优化目标，建立了仓储货位分配优化设计问题的数学模型[11] [12]。
2016年辽宁科技大学宋菊平结合自动化仓库货位分配与数据关联问题，分析中外研究现状，提出了基于关联规则的货位分配概念模型，采用MATLAB软件对数学模型进行分析和验证,仿真模拟10个货品25个货位的分配方案,得到现实正确的方案[13] [14]。2016年东南大学赵士博采用了聚类分析以及关联规则挖掘两种方法对历史订单进行大数据挖掘分析，根据商品在订单当中被同时订购的情况，将商品进行分类或者计算商品的关联度,并结合了周转率、货位与出口距离等信息，针对不同场景设计了不同的货位分配方法，提出了对货位分配的整体优化策略。由于提出的方法基于订单数据分析，货位分配策略根据订单数据的分析结果而确定，因而具有自适应性，能够根据订单特征的变化而自动调整推荐货位，保证了优化效果，利用了ODPS (Open Data Processing System)数据处理平台实现了该货位分配策略，并采用离线计算的模式进行数据处理,将数据计算与业务数据库分离，根据离线计算结果来进行货位推荐。[15] [16]。
二、研究现状总结
国内外研究机构大量的对立体仓库的货位分配问题进行了研究，并且取得了显著的研究成果。就整体设计角度，国外在此方面的理论和实际应用也开始获得了长足的发展。专家通过存储的空管、方针和技术调度等方面展开了一系列的分析研究。国内学者在货位分配的问题方面也取得了巨大的成果，通过这一系列的研究给国内自动立体仓储的效率和企业效益的提升均带来了相当积极的影响，不仅如此也给现代物流系统以及动态仓储的研究形成了良好的保障。该仓库的货位分配研究事实上即按照货架自身的特点和货物的特性实施拣货，科学的设置货品和货位的位置信息，从而有利的提升货架的使用效率。不仅如此，通过一定的方式通过对于其算法的改善和优化，现阶段使用较多的包括了线性规划法、启发式、最优化方法和遗传算法等一系列的方法。近些年，伴随近些年在信息产业和人工智能上的不断发展，这也促使仓库货位分配的研究获得了更多的思路和保障。
据了解目前并没有研究将关联分析与货位分配具象化，即基于关联规则的货位优化如何实现。同时在以往的研究中，关联分析后，关联规则只存在于两个货品之间，而关联通常存在于多个货品之间，即一个货品可能与几个其他货品关联紧密，这种存储的方式则不能实现对关联规则的深入实现。因此本文将对基于关联规则的货位优化问题进行研究。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
