自动化仓储系统不规则货位优化问题研究

针对不规则货位的自动化仓储系统的特点,以提高系统效率和空间利用率为优化控制目标,研究了自动化仓储系统不规则货位优化分配策略,提出了首先对不规则的货位进行货位区优化,对每个货位区进行货位优化的数学模型,提出两级遗传算法解决货位优化问题。结果表明,该优化方法有效地提高了系统的效率,实现了密集存储,为自动化仓储系统中不规则货位的货位分配优化提供了理论依据和实践途径。     

数字化仓储中货位优化分配的研究

货位分配数字化仓储的关键环节,合理的货位分配能够大大地提高出入库效率,降低仓储系统成本。传统的仓库管理系统根据基于经验的固定货物出入库频率设计货位分配策略,而企业的发展和市场的变化导致货物出库频率是一个动态变化的过程。市场的变化导致传统仓库管理系统的货位分配方案无法满足要求的现实情况,提出把RFID技术运用到数字化仓库结合相关算法中对产品入库货位进行动态优化来提高仓库的周转效率。     

响应动态约束条件的多目标货位优化算法研究

针对自动化立库货位决策与优化问题,考虑到优化目标多样、托盘使用状态及可分配货位动态变化等因素,提出了一种响应动态约束条件的多目标货位优化算法。以巷道作业均衡、货架重心稳定及作业路径最短建立多目标优化模型,基于变异系数自适应差分进化算法,使用货位随机数编码,根据实时货位可行域进行个体解码,以响应动态货位约束条件。提出了基于层次分析的Pareto解评价方法,从而获得多批作业货位持续优化的目标权重,为仓储货位决策提供合理方案。多批作业算法实验结果表明:所提算法效果显著优于多目标简单加权算法,能够有效应用于动态货位决策与优化。     

低层人工拣货仓库货位优化问题研究

在现代物流总成本中,仓储成本占很大比重,合理的储位分配是提高仓储拣选效率,降低仓储成本的核心所在。通过对低层人工拣货仓库的出库过程分析,同时考虑商品热销程度、商品之间的关联关系及货架位置等影响因素,设计了基于社区划分的货位优化算法。首先,根据商品关联性构建无向有权网络,并采用社区划分算法进行多次划分;然后,以社区为单位存放到货架,并通过调整阶段补齐货架;最后根据评估指标从多个方案中选出最优方案。评估指标根据缩短行走路径、缓解堵塞和减少拣选人员数量3个优化目标构建。实验结果表明,提出的货位优化算法无论是时间消耗还是货位摆放方案质量,与其他对比方案相比均具有显著优势。     

汽车零部件立体仓库货位优化问题研究

以立体仓库库存为研究对象,从物流仓储管理角度,研究了货位分配优化问题。分 析了汽车零部件货位布局优化原则,建立多目标货位分配优化数学模型,对遗传算法进行了算子 设计,运用Matlab 软件实现模型的求解,得出可行的货位优化方案。最后结合实例进行多目标 货位优化数学模型求解及应用,并以三维仿真图形展示了优化效果,验证了所设计的遗传算法的 有效性,对同类问题的解决具有参考意义。     

基于遗传算法的药品仓库货位布局优化研究

在研究遗传算法的基础上,结合某制药企业仓储管理的环境现状,提出一种有效的药品仓库货位布局算法,以实现货位的自动化分配并提高仓库的空间利用率和出/入库效率.     

基于嵌套分区算法的立体仓库货位分配优化

根据小型立体化仓库运营特点,基于顺序单目标优化思想,提出一种新的仓库货位分配策略。将考虑存储能耗、货架稳定性、运行效率的多目标仓库货位优化问题,转化为单目标优化,建立了仓库货位优化数学模型。根据数学模型特点,采用嵌套分区算法进行优化求解。通过算例分析证明该分配策略与优化方法,可有效处理多目标仓库库位优化问题,优化效果显著。     

智能仓储货位规划与AGV路径规划协同优化算法

智能仓储的优化一般分为货架优化和路径优化两部分.货架优化针对货物与货架两者的关系,对货物摆放位置进行优化;而路径优化主要寻找自动引导小车（Automated Guided Vehicle,AGV）的最优路径规划.目前,大多的智能仓储优化仅对这两部分进行独立研究,在实际仓储应用中只能以线性叠加的方式解决问题,导致问题的求解易陷入局部最优中.本文通过对智能仓储环节中各部分的关系进行耦合分析,提出了货位和AGV路径协同优化数学模型,将货架优化和路径规划归为一个整体;此外,提出了智能仓储协同优化框架的求解算法,包括货品相似度求解算法和改进的路径规划算法;并在以上两种算法的基础上,使用改进的遗传算法,实现了货位路径协同优化.实验结果验证了本文提出的智能仓储协同优化算法的有效性和稳定性.通过使用该算法可有效提高仓储的出货效率,降低运输成本.     

智能化立体仓库入库货位分配的综合优化算法

智能化立体仓库对现代企业提高仓储利用率和生产效率具有重要作用。介绍了秦皇岛港务集团公司立体仓库管理系统中仓库货位计算机分配的智能化算法,该算法充分考虑了重量均匀分布、就近货位选择、备件品种均匀分布、备件使用率、货位空置时间等因素,根据整个仓库的当前状态计算入库货位,为入库货位的选择提供辅助决策。实际项目运行表明,所提的综合货位优化分配算法是有效的,对提高仓库的安全性、入库工作效率等具有非常重要的意义.     

普通立体仓库的货位优化模型与算法研究

在物流仓储的总成本中,库存成本占很大比重。企业为了减少库存成本,不断设法去改进和优化仓库"存储"的过程。针对普通立体仓库的入库过程,在考虑叉车载重、货位容量和存储策略等限制条件下,建立了以入库作业过程中工作人员行走总路程最小为目标的货位优化模型。根据问题和模型特点,将货位优化问题分为两层优化:货位选择优化层和货位顺序优化层;然后将传统遗传算法同启发式算法相结合对模型进行求解;最后通过仿真实验验证了模型和算法的合理性和可行性。该成果可用于解决多数普通仓库的货位优化问题。     

改进MOPSO在物流节点选址模型中的应用

为了降低物流系统的运营成本,提高物流系统的运作效率,构建了物流系统运营成本最小以及顾客时间满意度最大的多目标物流节点选址模型,并在模型求解过程中针对多目标粒子群算法的不足,从外部存档的更新、粒子学习样本的选择以及粒子的变异三个方面进行改进,将改进的多目标粒子群算法用于物流节点选址模型的求解。仿真结果表明,改进的算法相较于其他优化算法,具有较好的分布性和收敛性。     

A recursive operator allocation approach for assembly line-balancing optimization problem with the consideration of operator efficiency

This paper addresses an optimization model for assembly line-balancing problem in order to improve the line balance of a production line under a human-centric and dynamic apparel assembly process. As the variance of operator efficiency is vital to line imbalance in labor intensive industry, an approach is proposed to balance production line through optimal operator allocation with the consideration of operator efficiency. Two recursive algorithms are developed to generate all feasible solutions for operator allocation. Three objectives, namely, the lowest standard deviation of operation efficiency, the highest production line efficiency and the least total operation efficiency waste, are devised to find out the optimal solution of operator allocation. The method in this paper improves the flexibility of the operator allocation on different sizes of data set of operations and operators, and enhances the efficiency of searching for the optimal solution of big size data set. The results of experiments are reported. The performance comparison demonstrates that the proposed optimization method outperforms the industry practice.     

CSNEO:协同服务器与网络能耗优化的VM映射算法

已有针对虚拟机映射问题的研究,主要以提高服务器资源及能耗效率为目标.综合考虑虚拟机映射过程中对服务器及网络设备能耗的影响,在对物理服务器、虚拟机资源及状态,虚拟机映射、网络通信矩阵等概念定义的基础上,对协同能耗优化及网络优化的虚拟机映射问题进行了建模.将问题抽象为多资源约束下的装箱问题与二次分配QAP问题,并设计了基于蚁群算法ACO与局部搜索算法2-exchange结合的虚拟机映射算法CSNEO来进行问题的求解.通过与MDBP-ACO、vector-VM等四种算法的对比实验结果表明:CSNEO算法一方面在满足多维资源约束的前提下,实现了更高的虚拟机映射效率;另一方面,相比只考虑网络优化的虚拟机放置算法,CSNEO在实现网络优化的同时具有更好的能耗效率.     

基于动态拥挤距离的混合多目标免疫优化算法

多目标免疫优化算法的研究目标是种群均匀分布于优化问题的非劣最优域并使算法快速收敛。为进一步提高多目标优化问题非支配解集合的分布均匀性和收敛性,提出了一种基于动态拥挤距离的混合多目标免疫优化算法。该算法基于动态拥挤距离来对个体进行比较和更新操作,从而保持最终解集的均匀分布,同时借鉴经典差分进化算法中的变异引导算子来加强免疫优化算法的局部搜索能力并提高搜索精度。基于5个经典测试函数的仿真结果表明, 与其他几种有效的多目标优化算法相比,所提算法不仅在求得Pareto最优解集的逼近性、均匀性和宽广性上有明显优势,而且收敛速度也有较大的改进和提高。     

基于云计算的ACO-K中心点资源优化算法

云计算是计算网络模型研究的热点领域,能实现几种资源共享和资源动态配置。然而,云计算中存储资源如何快速路由,减少动态负荷,兼顾全局负载平衡是有待解决的问题。ACO是一种仿生优化算法,具有健壮性强、智能搜索、全局优化、易与其他算法结合等优点。K中心点算法是K均值的改进算法,鲁棒性强,不易受极端数据的影响。结合这两种算法的优点,提出一种基于云计算环境下的ACO-K中心点资源分配优化算法,得到最优的计算资源,提高云计算的效率。通过仿真验证了该算法的有效性。     

Xen虚拟机资源调度优化算法

针对Xen虚拟化平台中虚拟机资源分配不合理的问题,提出了两种资源调度优化算法,即细粒度优化算法和粗粒度优化算法.细粒度优化算法主要解决单个物理节点上虚拟机资源分配不合理问题,能够根据物理节点上运行的各虚拟机的资源利用情况来调整资源分配量,适当增加利用率较高的虚拟机的资源,减少资源利用率低的虚拟机的资源,从而优化资源分配,提高资源利用效率,避免不必要的虚拟机迁移.粗粒度优化算法是针对集群中多个物理节点之间虚拟机负载不均衡问题而提出的.该算法结合粒子群优化技术,选择将集群系统中热点物理机上的部分虚拟机迁移到最适合的冷点物理机上,从而避免高载物理机宕机.实验结果表明,这两种资源调度优化算法能够有效解决虚拟机资源分配不合理的问题,具有较好的适用性和应用前景.     

结合K-means的并行粒子群优化

通过给基于孤岛模型的并行粒子群算法引入K-means来进行子种群的划分。这不仅可以使一个子种群中的粒子位置相对集中,学习相对容易,而且可以提高搜索效率,使有限的时间用在最有效的搜索上。针对并行算法的特点,对其进行改进,在满足一定条件时才进行通信,这样可以避免无效通信,减少通信所花的时间。仿真结果证实,该算法具有较高的收敛速度和收敛精度。     

考虑空间众包工作者服务质量的任务分配策略及其萤火虫群优化算法求解

针对空间众包中的任务分配问题,考虑空间众包工作者的服务质量对分配结果的影响,从而提出了一种加入了工作者服务质量评价的任务分配策略。首先,在每个时空环境下,加入工作者的评价要素以建立充分考虑工作者服务质量和距离成本的多目标模型;其次,通过改进离散型萤火虫群优化算法的初始化及编码策略、位置移动策略、邻域搜索策略使算法收敛速度加快、全局寻优能力提高;最后,利用改进后的算法来求解模型。在模拟和真实数据集上的实验结果表明,该算法在不同规模数据集上较其他群智能算法可提高2%~25%的任务分配总得分。该算法考虑了工作者的服务质量后,可有效提高任务分配效率和最终总得分。     

约束进化算法及其应用研究综述

约束优化问题广泛存在于科学研究和工程实践中,其对应的约束优化进化算法也成为了进化领域的重要研究方向。约束优化进化算法的本质问题是如何有效地利用不可行解和可行解的信息,平衡目标函数和约束条件,使得算法更加高效。首先对约束优化问题进行定义;然后详细分析了目前主流的约束进化算法,同时,基于不同的约束处理机制,将这些机制分为约束和目标分离法、惩罚函数法、多目标优化法、混合法和其他算法,并对这些方法进行了详细的分析和总结;接着指出约束进化算法亟待解决的问题,并明确指出未来需要进一步研究的方向;最后对约束进化算法在工程优化、电子和通信工程、机械设计、环境资源配置、科研领域和管理分配等方面的应用进行了介绍。