货位优化一直是仓库管理员最为关心的话题，在仓库管理研究方面也有许多专家学者对于货位优化进行研究并提出建设意见，目前在管理界货位优化的算法众多，那仓库货位优化用什么算法好呢？

一、货位优化遗传算法

遗传算法是模拟生物的遗传、变异、选择、进化来对问题的解进行优化，可以理解为将一组初始解看成是“基因”，在求解的开始设置一个过滤器，对“基因”进行筛选，通过如果目前生成的“基因”暂不满足上述条件，那么“基因”就要开始“变异”，在迭代过程中通过产生的随机数，对“基因”进行更改，达到“变异”的目的，也就是”遗传“给了下一代。而因为变异的随机性，计算机能够相当大的范围内对问题的解进行搜索，直至随着迭代的代数继续增加而解几乎不再变化为止。这时，我们可以说，我们的得到了进化后的最优解。

遗传算法是智能优化方法中应用最广泛且最成功的算法，它是基于达尔文的物竞天择、优胜劣汰、适者生存的进化论原理而发展起来的一种高效的搜索方法，近年来在组合优化问题上得到了广泛应用。

二、匈牙利算法

最早是由匈牙利数学家D. Konig用来求矩阵中0元素的个数的一种方法，由此他证明了矩阵中独立0元素的最多个数等于能覆盖所有0元素的最少直线数。1955年由w. w. Kuhn在求解著名的指派问题时引用了这-结论，并对具体算法做了改进，仍然称为匈牙利算法。

匈牙利算法可以用于求解多种形式的指派问题，其基本思想是寻找独立1元素组，

而独立1元素组与图论中对集是- -个等价概念，所以与图论中求解赋权二分图最优对集、最大对集的思想是一脉相承的。因此，实际中 凡是能够转化为求解赋权二分图最优对集、最大对集的问题，均可用匈牙利算法来解决。

三、货位优劣法

(1)基本思想:建立一个自动化仓库货位分配的概念数据模型。其模型的实现采用

“化多为少法”中的“线性加权和法”，以此判断货位的优先权。

(2)实现方法:根据某个货位选择要配合的分配原则，从每个分配原则中总结出能描述该原则的各个属性，并把它作为分配策略实体的属性，然后给它们分别赋以相应的权值，从而计算一个货位对于特定分配原则的优先权值。

(3)优化方法分析:这种方法通过简单的权值将一个分配原则中的各个属性相结合，利用线性加权法确定了每个货位的优先权，判断出货位的优劣程度。

优点:在于它的效率(单纯从计算量的角度考虑)，非常简单，容易使用;缺点:在

没有足够的关于此问题的信息时，无法确定合适的权重系数。而且通常使用的是简单的线性函数，由多次不同权重的计算来生成非劣解集。但是有时会丢失非劣解集平面。

总之，货位优化除了以上三种之外还有更多的算法，在选择时能够符合仓库需要，准确优化的才是最好的算法。

以上是“仓库货位优化用什么算法好？”的相关回答，希望对您有所帮助！

声明：本文内容部分来源于网络，图片来源于摄图网，版权归原作者所有，经本平台整理和编辑，仅供交流、学习和参考，不做商用，转载请联系授权。若有来源标注存在错误或侵犯到您的权益，烦请告知，本平台将于第一时间整改处理。