基于遗传算法的双区型仓库人工拣货路径优化

为获取捡货作业的最优路径,本文以某配送中心双区型仓库中人工拣货作业为研究对象,探讨了订单批量处理和拣货路径优化问题,建立了拣货车容量受限的TSP模型,并基于遗传算法,设计一种启发式算法对拣货路径进行优化处理,同时,应用Visual 6.0C++程序进行仿真实验,以快速获得任意订单中所有待拣货物的拣取顺序,计算出最短路程。仿真结果表明,将考虑拣货车容量限制的情况下求得的最优路径与未考虑拣货车容量限制的情况下求得的最优路径进行对比,结果拣货的先后次序完全不同,说明考虑运载量是有效的,且更符合实际情况。该研究不但提高拣货效率,而且节约各项成本,对现实仓库的拣货作业具有实际应用价值。     

基于启发式算法的自动化立体仓库拣货路径优化研究

为了对自动化立体仓库拣货系统进行优化,本文根据自动化仓库订单拣货问题的特点,以拣货时间最小化为目标建立了相应的数学模型,设计了基于启发式规则的求解算法,并用MATLAB实现了算法,经仿真验证以及将启发式算法与文献其它算法进行比较,结果表明,应用本文模型以及改进的启发式算法进行拣选路径的设计,能够有效地缩短拣选时间和距离,从而提高拣选效率,本算法具有一定的实用性。     

一种多班级离散型教与学算法求解路径规划问题

为优化仓储拣货路径,缩短拣货距离,根据仓储布局条件建立了拣货路径优化模型,构造了货位间距离矩阵,基于基本教与学算法步骤设计了一种离散型教与学算法进行模型求解,为提高算法求解效率和搜索能力,在算法中引入优秀插班生策略和自学策略,给出一种多班级离散型教与学算法。为验证本文算法的有效性,对算法进行了实例测试,并与原算法进行对比,测试结果表明本文算法能够解决仓储路径规划问题,对比结果表明引入优秀插班生策略和自学策略后算法的收敛速度和搜索能力得到一定提升。     

一种fishbone仓储布局下拣选路径存取协同策略的优化

为了提升仓储物流中心的生产运作效益,基于一种非传统fishbone布局路径优化特点研究的基础上,提出了一种质量、体积双负载约束下的存取协同的策略模式,并构建了拣选路径的优化模型。针对该模型,设计了改进的禁忌搜索算法(TS)进行模拟仿真试验,该算法的初始值部分由遗传算法生成,有效地克服了禁忌搜索算法对初始值的依赖性。应用该算法,针对不同的订单规模和不同的初始负载比例,将传统的拣选模式和存取协同的策略模式下的最短拣货路径距离进行了比较,结果显示存取协同策略模式能够缩短fishbone布局下拣货路径的距离,其优化比例最高可达38%左右,最差的优化结果也有12%,从而提升生产作业效率。     

遗传算法在自动化仓库路径调度问题中的应用

为提高柔性生产线中自动化立体仓库的运行效率,以车间物流系统中的在线任务调度问题作为研究对象,运用遗传算法对堆垛机的运行路径进行了分析和优化.对自动化仓库中的作业过程进行了分析,创建了考虑任务等待时间的多目标优化数学模型,针对该模型提出了基于遗传算法的求解过程,并检验了该算法的有效性.实验仿真和实际应用都证明了遗传算法可以有效地减少堆垛机的行程时间,从而提高自动化立体仓库的作业运行效率.     

配送中心分拣订单合批策略的研究

合理优化货物拣选路径和订单批量策略是劳动密集型配送中心降低拣选成本的一种有效方法。通过分析人工拣选作业和订单合批的特点,从拣选路径、拣选次数、订单提前期3个方面考虑,构造了拣货作业中订单分批的多目标优化数学模型,并分别用先到先服务、基本遗传算法、改进的小生境遗传算法对数学模型进行求解,得出不同的订单数据从执行时间和优化效果方面所对应的最优求解方法。     

基于MMAS算法的计量检定中心仓储堆垛机拣选路径优化

针对省级电网计量检定中心的自动化立体仓库,研究了堆垛机拣选路径优化问题.根据检定中心运作的实际情况,分析自动化立体仓库拣选的工作特点,构建含装箱约束条件的堆垛机拣选作业路径最短的数学模型,分别采用基本蚁群算法和最大最小蚁群算法进行求解.利用最大最小蚁群算法的信息素初始化机制,可有效克服基本蚁群算法过早陷入停滞状态而出现局部极值的问题,对于求解自动化立体仓库拣选路径优化问题具有很好的效果.Matlab仿真结果表明,与基本蚁群算法相比,最大最小蚁群算法所求得的解性能更优,能有效提高自动化仓库拣选作业的工作效率.     

穿越策略下考虑相关性的货位优化方法

为研究品项相关性对拣货效率的影响规律,通过分析穿越策略下分区分批拣货时品项间相关性关系的特点,以批次拣货时间最短为目标建立了货位指派优化的数学模型,提出基于品项相关性的货位指派优化算法(SASC_C),该算法以COI法解为初始解,通过货位逐次变换策略将相关性强的品项尽可能的指派到尽可能少的巷道中来提高拣货效率.算法测试结果表明:SASC_C算法的收敛速度明显快于不考虑相关性的随机型算法（SASR）;求解质量平均改进约1.06%~10.6%,比COI法的解平均改进0.73 %~14.6%;相关性强度越高,改进效果越明显;在穿越策略下,改进效果随访问巷道数的增多而减弱.充分利用品项间的相关性关系进行货位优化,有利于提高穿越策略下的拣货效率.     

自动分拣系统并行分区拣选优化策略

分析自动拣选系统的拣货区数量、缓冲区容量和品项分配与并行分区拣选策略下系统效率的关系,研究各拣货区挡板动作时序对订单拣选总时间的影响,提出一个对并行分区拣选策略的综合优化方法.该方法以总拣选时间最小为目标,确定最佳拣货区数量和缓冲区容量,引入并改进相似系数,建立基于相似系数的品项分配聚类模型,提出一种启发式聚类算法.经对某自动分拣系统进行实例仿真分析,结果表明,该综合优化方法有效.     

基于模拟退火算法的AVS/RS多批货箱入库货位优化

针对某计量检定中心对大量待检仪表的仓储需求,提出了基于模拟退火算法的自动小车存取系统(Autonomous Vehicle Storage and Retrieval Systems,AVS/RS)多批货箱入库货位优化分配方法.提出货位预分区策略,在提高货箱出入库节奏的同时使仓库整体货位安排也较为合理;根据货箱质量与周转率将货箱分类,分类数目与仓库货区分类数目相同,并采用模拟退火算法求解各类货箱与货区的对应关系;以出入库总能耗及存取效率为优化目标建立货位分配模型,采用模拟退火算法求解该模型得到最佳货位组合,并通过实例对比分析了采用不同方法对多批货箱入库能耗和效率的影响.     

差分进化算法在物流配送路径优化中的应用

研究无时限单向物流配送车辆路径问题,主要考虑车辆容量、最大距离等约束,考虑车辆满载情况,以车辆非满载率最小、总的行驶路径最短为目标,提出了该物流配送问题的多目标优化问题的数学模型,运用差分进化算法求解该问题.算法构造了合适的编码方法,应用Matlab语言编程进行实例仿真计算,得到了模型的最优解,验证了算法的有效性.     

Adaptive Agent Model with Hybrid Routing Selection Strategy for Improving the Road-Network Congestion Problem

This paper proposes an adaptive agent model with a hybrid routing selection strategy for studying the road-network congestion problem. We focus on improving those severely congested links. Firstly, a multi-agent system is built, where each agent stands for a vehicle, and it makes its routing selection by considering the shortest path and the minimum congested degree of the target link simultaneously. The agent-based model captures the nonlinear feedback between vehicle routing behaviors and road-network congestion status. Secondly, a hybrid routing selection strategy is provided, which guides the vehicle routes adapting to the real-time road-network congestion status. On this basis, we execute simulation experiments and compare the simulation results of network congestion distribution, by Floyd agent with shortest path strategy and our proposed adaptive agent with hybrid strategy. The simulation results show that our proposed model has reduced the congestion degree of those seriously congested links of road-network. Finally, we execute our model on a real road map. The results finds that those seriously congested roads have some common features such as located at the road junction or near the unique road connecting two areas. And, the results also show an effectiveness of our model on reduction of those seriously congested links in this actual road network. Such a bottom-up congestion control approach with a hybrid congestion optimization perspective will have its significance for actual traffic congestion control.     

基于蚁群改进算法的服务质量路由研究

针对传统路由算法在多约束QoS(服务质量)条件下寻优能力不足的问题,提出了一种基于改进蚁群算法的多约束QoS路由模型。相比于传统的路由算法,此方法在每次循环结束时,根据得到的不同结果动态变化相关参数的值,并且结合最大最小蚂蚁系统的理论,同时优化启发函数,以提高算法的寻优能力。另外,除了考虑多个约束条件以外,在模型中还加入了故障率属性,将其体现在目标函数中,并优化信息素更新方式。仿真实验结果表明改进算法寻优能力强,能有效避免早熟,并避开故障率高的路径。     

基于改进蚁群算法的物流配送车辆路径优化方法

目前路径优化方法忽略了客户时间窗约束产生的惩罚成本,导致惩罚成本过高,无法得到最优配送路径,基于此,提出基于改进蚁群算法的物流配送车辆路径优化方法。结合遗传算法完成对蚁群算法的改进,对物流配送车辆路径问题进行建模,得到路径规划问题的目标函数,并根据配送过程的实际情况和具体要求设定目标函数的约定条件,计算固定成本和变动成本为路径优化提供判断依据,设计出路径优化问题的算法流程。在算例分析中,选择某生鲜企业的物流配送作为算例,实验结果表明,设计的方法得到的最优路径总体成本远远低于传统方法,说明所提方法实用性较强。     

启发式构建软件定义网络的控制消息路由树算法

为了分析控制器位置和控制消息路由树对软件定义网络控制平面性能(如控制消息平均时延、控制消息路由树可靠性)的影响,建立相关数学模型,提出启发式的路由树搜索算法、最短路径算法和贪婪算法并对该模型进行优化. 仿真结果显示,在相同的网络拓扑条件下,启发式路由树搜索算法能有效地在控制消息平均时延和控制消息路由树可靠性2个性能指标上取得均衡,其综合性能明显优于最短路径算法和贪婪算法.     

基于加权公正队列的QoS路由选择算法

基于Bellman-Ford最短路径算法提出了一种修改的QoS路由选择算法,给出了仿真结果,并与其它QoS路由选择算法进行了比较,进一步表明了所提出算法的有效性.     

基于随机时间的车辆导航路径规划研究

根据车辆导航中各路段行车时间具有随机性特点,运用不确定性规划理论建立了行车时间随机的车辆导航路径随机规划模型,模型以车辆出行中行车时间最短为目标函数.并设计了基于随机模拟的遗传算法求解该模型.通过数值仿真,证明模型的可行性.     

基于遗传算法的综合布线路径布局研究

以综合布线系统的路径规划为研究对象,对布线路径中的公共路径和最短路径的双目标进行统筹规划,以满足不同情况下的不同施工需求. 首先给出了综合布线决策的整数规划模型,采用遗传算法构建了一种新的综合布线优化算法,用于进行综合布线路径规划的设计与研究. 在遗传算法的基础上,通过加权组合的方式实现公共路径和最短路径的协调,其中公共路径越长越节约工期,最短路径越长越节约成本. 最后,通过仿真对所提模型和方法的有效性进行了验证.