基于改进蚁群算法拣选作业优化问题的求解

合理优化拣选作业是提高自动化仓库整体运行效率的重要策略。针对自动化仓库固定货架拣选作业的特点,构建了货物拣选路径优化问题的数学模型,采取候选节点集合策略、选择算子及自适应调整算法参数改进措施,设计一种改进的蚁群算法。实验表明,该算法具有较好的全局寻优能力,收敛速度大幅度提高,能够较好地满足中大规模拣选作业要求。     

多巷道固定货架拣选作业优化问题的研究

拣选作业的效率直接影响自动化立体仓库系统的整体效益.为满足客户货单动态变化的需求,分析了自动化仓库单存/取机对多巷道固定货架拣选操作的工作特点,构建了含装箱约束条件的多目标货物拣选路径问题的数学模型,并提出一种带选择算子、插入点操作和动态自适应调整算法参数的改进蚁群算法.实验表明,该算法具有较好的全局寻优能力,收敛速度快,是解决货物拣选路径优化问题的有效算法.     

基于蚁群优化算法的旋转货架拣选路径规划

给出自动化立体仓库单拣选台分层水平旋转货架系统的数学模型,提出一种改进的蚁群优化算法,用于解决货物拣选路径规划问题。该算法能快速找到最优货物拣选路径,得到的解质量较高且计算时间短。仿真结果表明,该方法适用于求解中小规模货物拣选路径的规划问题,可以提高自动存储作业效率。     

应用改进LK算法求解固定货架拣选优化问题

针对自动化立体仓库中固定货架拣选作业要求速度快、效率高的特点，分析和研究了一种新型改进Lin-Kemighan(LK)算法，并将其应用于固定货架拣选优化问题。仿真实验结果表明，该算法能够大大降低时间和空间的计算复杂度，快速、稳定地找出最优解，满足了多次作业时待拣选货物数目在较大范围内变动的要求，尤其是满足了中大规模作业的要求。     

基于小生境遗传算法的自动化仓库固定货架拣选优化

对自动化仓库固定货架拣选优化问题进行了描述,提出了求解该问题的小生境遗传算法.算法采用自然数编码,利用共享函数使种群呈现多样性,并且加入了局部扰动操作和改进的交叉、变异操作,提高了算法的全局寻优能力.介绍了算法的原理,对算例进行了计算,并与文献中优化结果进行了比较.对算例结果进行分析表明,该算法可以更有效地求得固定货架拣选问题的优化解,是解决该问题的有效方法.     

基于蚁群遗传算法的自动化立体仓库拣选路径优化

合理优化货物的拣选路径是提高自动化立体仓库运行效率的一种有效方法。通过分析自动化立体仓库拣选作业的工作流程与特点,为自动化仓库拣选作业建立优化数学模型,首先利用蚁群算法生成优异的初始种群,然后通过遗传算法对该数学模型进行优化求解。仿真结果表明该模型是可行的,蚁群遗传算法的混合不仅得到更精确的结果而且加速了算法的求解速度,从而能够改善拣选作业的效率。     

蚁群算法在拣货路径优化中的应用研究

拣货路径优化问题在提高物流中心效率中具有重要的作用。为获得拣货路径的近似最优解蚁群算法被应用于固定货架拣货路径的优化问题,依据蚁群算法的数学模型,设计了适用于固定货架拣货路径的蚁群算法运算步骤,由试验验证了算法的有效性。     

并行拣选策略下的自动拣选系统品项分配优化

基于自动拣选系统中并行拣选策略,提出货物品项分配优化问题,以平衡各拣货区工作量,提高系统拣选效率。该问题可归结为分类数已知的聚类问题。为解决此问题,借鉴了人工拣选系统中解决该问题的动态聚类方法,并针对自动拣选系统的特点做两方面改进：在品项间相似系数表达中考虑了各品项拣选数量的影响;在聚类过程中结合了最大最小蚁群算法（MAX-MIN Ant System,MMAS）。最后对两种聚类方法进行仿真分析,结果证明了改进的聚类方法可更大幅度地提高系统拣选效率。     

物流中心高层货架拣选作业的路径优化

为满足拣选作业调度优化的要求, 针对拣选式高层货架仓库中拣选作业路径优化问题的特点, 利用人工鱼群算法对其数学模型进行求解. 通过对基于时间最短和基于路径最短的两种模型的特点进行分析, 提出可利用路径最短的目标条件对多个的拣选时间最优解来进行再次筛选来达到进一步优化, 并通过算例进行验证. 仿真结果不但验证了人工鱼群算法在优化拣选路径问题上的有效性, 也证明了在拣选时间最优解基础上进行最短路径筛选的可行性.     

基于混合遗传算法的固定货架拣选问题求解

针对自动化立体仓库固定货架系统拣选路径优化问题的特点,分析并设计了一种新型混合遗传算法。构造初始种群时加入了一种补充算法,遗传操作采用了一种受贪婪算法启发的交叉算子和倒位变异算子,显著改善了原有遗传算法的搜索能力。仿真结果表明该遗传算法在执行时间和优化效果两方面均能很好的满足作业要求。     

仓储物流机器人批量拣选路径规划仿真

针对仓储物流机器人在拣选作业过程中难以进行高效实时的路径规划问题,提出一种有效的解决方法。首先,根据拣选作业的需要建立一个灵活的仓储空间模型并对拣选作业任务流程进行描述。其次,根据批量拣选作业任务的特点,建立以路径总长度最小为优化目标的旅行商问题的数学模型。再次,提出改进的自适应遗传算法解决旅行商问题。最后,在考虑路径转折角代价的前提条件下,提出改进的A*算法,并与改进的自适应遗传算法相结合实现批量拣选的路径规划。仿真结果表明,该方法具有较快的收敛速度、较小的平均路径长度以及较少的算法运行时间,能很好地适应机器人批量拣选路径规划的要求。      

移动机器人履行系统的订单处理研究

针对移动机器人履行系统与传统仓库在设备特点及订单履行过程等方面的不同,研究系统的订单处理问题。在利用启发式算法实现共享储位指派优化的基础上,针对移动机器人履行系统的动态拣选场景提出求解货架调度次数最少的混合算法。该算法将遗传算法和贪婪算法相结合,引入订单相似性分析、循环贪婪交叉、跳出机制等方法,得到满意的订单履行顺序和货架调度顺序。实验结果表明,与其他决策方法相比,算法在小规模问题中最多能减少47%的货架调度次数,有效提高订单的履行效率。     

基于蚁群-遗传融合框架的仓储群机器人任务分配

将智能仓储中的自主移动群机器人订单任务分配,建模成群机器人协同调度的多目标优化问题,将成员机器人完成拣货任务的路径代价和时间代价作为优化目标.设计了蚁群-遗传算法融合框架并在其中求解.该框架中,蚁群算法作为副算法,用于初始种群优化;遗传算法改进后作为主算法.具体地,在遗传算法轮盘赌选择算子后引入精英保留策略,并在遗传操作中加入逆转算子.针对不同数量的订单任务,使用不同规模的群机器人系统进行了任务分配仿真实验.结果表明,在本文所提的融合框架中求解,较分别使用蚁群算法或遗传算法单独求解,性能上具有明显优势,能够发挥蚁群算法鲁棒性好和遗传算法全局搜索能力强的特点,提高智能仓储系统的整体运行效率.     

A storage assignment heuristic method based on genetic algorithm for a pick-and-pass warehousing system

An order storage assignment problem (SAP) is to find an effective way to locate products in a warehouse in order to improve the operational efficiency of order picking. Since SAP is an NP-hard problem, many heuristic algorithms have been proposed. Most of previous researches focused on picker-to-parts warehousing systems or automated storage and retrieval systems. However, pick-and-pass systems play an important role for the faster delivery of small and frequent orders of inventory with the rise of e-commerce and e-business in the global supply chain. Two factors lead to idle time of pickers in a pick-and-pass system: picking line imbalance and shortage replenishment of products. This paper develops a genetic based heuristic method to solve SAP for a pick-and-pass system with multiple pickers to determine the appropriate storage space for each product and balance the workload of each picking zone so that the performance of the system can be improved. A simulation model based on FlexSim is used to implement the proposed heuristic algorithm and compare the throughput for different storage assignment methods as well. The results indicate that the proposed heuristic policy outperforms existing assignment methods in a pick-and-pass system.     

改进蚁群算法在电力线路检修计划中的应用

为了提高制定电力线路检修计划的效率,结合图论中的图着色问题,对辽宁省电力有限公司的线路检修计划进行了制定。在制定的过程中采用了改进的蚁群算法,其算法的核心是蚂蚁的数量随着迭代次数的不同由多变少,增强局部搜索能力,再由少变多,增强全局搜索能力。该算法利于跳出局部最优点,循环变化,在一定程度上防止在寻优过程中过早出现停滞现象。改进蚁群算法的优点是在求得满意解的基础上,大大提高了算法的速度。仿真实验结果表明,新算法的寻优效率优于基本的蚁群算法。