病毒协同进化遗传算法在自动化立体仓库货位优化中应用的研究

自动化立体仓库的存取效率直接影响着现代物流的整体效益,而存取效率高低的关键在于货位优化。针对自动化立体仓库实际应用中的货位规划难题,提出了利用病毒协同进化遗传算法来研究自动化立体仓库货位优化问题的方法,并将该算法和传统的遗传算法作比较。以提高货架稳定性和货物出入库效率为优化目标,建立了货位优化的多目标优化问题数学模型。最后利用MATLAB工具进行编程与仿真,实验结果表明,病毒协同进化遗传算法(VEGA)相比传统的遗传算法具有更好的收敛性和搜索效率。由此可见,利用病毒协同进化遗传算法对自动化立体仓库进行货位优化,可以很大程度上改善货物的出入库效率和货架的稳定性,进而提高货架的使用率。     

一种货架共用模式自动化立体仓库货位优化

为了保证货物进出,航空货运站中会采用货位共用模式的自动化立体仓库存储散装货物。货位优化对提升该模式立库的工作效率,进而保证机场货运站整体效率有着重要意义。在详细分析该立库的工作特点基础之上,建立数学模型,采用遗传算法对货位优化问题进行了研究。仿真和实际现场应用结果表明该算法有效地提高了货物进出库的工作效率和存储安全性。     

基于遗传算法的军队立体仓库货位再分配研究

为提高军队自动化立体仓库出货速度和运行稳定性,提出了在堆垛机闲时对货位进行以分类存储L形分区为导向的再分配优化设计。根据用户需求,生成分类存储的L形分类存储目标货位分区信息,以堆垛机总运行时间最短和货架重心最低为目标,研究货品新的目标耦合货位并建立了相应数学模型,利用基于混合偏好的遗传算法对该多目标优化问题进行了求解。结果显示,该方法能较大提高自动化立体仓库某类货品在特定环境下的出库效率并降低货架重心。同时,该研究对一般意义的货位再分配也具有一定价值。     

基于改进粒子群算法的立体仓库货位分配优化

研究自动化立体仓库固定货架的货位分配问题,货位分配综合考虑了货架的稳定性和出入库效率,建立了货位优化的数学模型,提出了基于Pareto最优解的改进粒子群算法(PSO)来解决此问题的方法。在优化过程中引用了置换的概念来计算粒子的速度,并且在算法中采用小生境技术提高非劣解集的分散性,用存档群体保存了非劣解。仿真实验证明,此优化策略可以有效地解决自动化立体仓库的货位分配问题。     

遗传算法在立体仓库货位优化分配中的研究

存储一定数量货物的自动化仓库中,以基于随机存储策略的库区和货位分配以及堆垛机行驶时间为优化控制目标,针对自动化立体仓库的库区和货位的分配策略问题进行了讨论,提出立体仓库的库区优化数学模型。在库区优化基础上,进一步提出货位优化数学模型,将Pareto最优解的概念与遗传算法相结合,提出了一种解决多目标优化问题的Pareto遗传算法解决货位优化问题,给出了仿真实验及分析。结果表明采用遗传算法优化策略可以有效地解决自动化立体仓库的货位优化分配问题。     

自动化仓库货位分配优化问题研究

研究了自动化立体仓库固定货架的货位分配问题。分配货位时需要同时考虑货架稳定性和出入库操作的效率,将这一问题描述为一个组合多目标优化问题,采用遗传算法对这一问题进行了求解,对交叉算子进行了改进,得到的解可兼顾两个优化目标。仿真实验表明这一方法可较好地解决货位分配问题。     

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。     

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。     

Pareto遗传算法在货位配置中的应用研究

固定货架是自动化立体仓库应用最广泛的存储设备，货位配置是否优化直接影响货架的稳定性和存取操作效率。因此，建立了货位配置优化问题的数学模型，提出了采用Pareto遗传算法解决多目标组合优化问题，可得到Pareto最优解集。此算法包括5个基本算子：选择、变异、交叉、小生境技术、Pareto集合过滤器。通过仿真实验验证了将Pareto遗传算法应用在实际货位配置优化问题中，取得了较好的结果。     

仓库调度中的规则约束遗传算法研究及应用

研究自动化立体仓库的优化调度算法,旨在有效提高企业的仓储管理效率与供货能力.根据自动化立体仓库调度专家的知识和经验给出作业调度和货位管理的规则集,在此基础上利用遗传算法对雄垛机行驶时间等参数进行进一步优化.算法很好地解决了遗传算法操作的盲目性以及专家系统过分依赖知识库等缺陷,通过对某卷烟厂大型立体仓库的实际参数进行仿真试验,在实例给出的具体约束条件下,算法使堆垛机仿真行驶时间最短.仿真试验结果表明,上述方法可提高立体仓库货位分布的合理性和出入库调度的效率.     

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。     

货位分配优化研究综述

合理的货位分配可以有效降低企业仓储成本,提升仓储系统拣选和配送效率,进而提高企业运作的整体效率。为了深入分析国内外学者对货位分配优化研究的现状和趋势,对近年来国内外相关文献进行分析总结。归纳出了货位分配优化目标,介绍了各优化目标的模型建立和适用对象;分析了货位分配优化常用的算法,并对相关算法进行对比分析;探讨了货位分配优化研究的趋势,为进一步深入研究货位分配优化提供了参考。     

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。     

基于遗传模拟退火算法的立体仓库储位优化

针对自动化立体仓库储位分配问题,结合仓库运作特点和安全性要求,构建了自动化立体仓库储位优化问题的多目标模型,并提出了求解模型的基于Sigmoid曲线的改进自适应遗传模拟退火算法（SAGA）。首先,以降低货品出入库时间、同组货品距离和货架重心为目标建立储位优化模型;然后,为了克服遗传算法（GA）局部搜索能力差和易陷入局部最优的缺点,引入基于Sigmoid曲线的自适应交叉变异操作和逆转操作,同时完成与SAGA的融合;最后,对改进遗传SAGA进行算法优化性、稳定性和收敛性测试。仿真实验表明,相比模拟退火（SA）算法的求解结果,该算法对货品出入库时间的优化度提高了37.7949个百分点、对同组货品距离提高了58.4630个百分点、对货架重心优化度提高了25.9275个百分点,并且该算法具有更好的稳定性和收敛性。由此验证了改进遗传SAGA求解问题的有效性,该算法可为自动化立体仓库储位优化提供决策方法。     

一种用于时空体元编解码存储的低计算量优化方法

针对时空网格体对象的编解码占用存储空间大的问题,提出了一种用于时空体元编解码存储的低计算量优化方法。首先以十六叉树索引结构为基础,构建了时空网格体元编解码的数学模型,实现体元对象标识和时空位置索引,并借助3DGIS的自动编解码方法,实现了时空网格体元对象编解码存储表示的换算;其次,采用伽罗华有限域理论,构建了网格体元的二进制编码矩阵和存储的低计算量优化算法,实现了体元对象编解码存储过程中的优化计算;最后,以某矿山的矿床空间块体数据为例,对网格体元编解码模型、存储表示换算以及低计算量优化算法进了实际应用,并与八叉树索引结构的Morton码进行比较和分析,结果表明：该方法可有效降低30%的编解码存储计算量,提高了存储网格体元对象的时空效率。     

求解粮库选址问题的量子粒子群优化算法*

首先分析粮食仓库选址的原则和影响因素等,研究建立了粮库选址模型;进而考虑带障碍约束条件,采用量子粒子群优化的空间聚类分析方法,解决了粮库选址问题;最后,以河南省粮库选址为实例进行了模型验证.实验表明,使用量子粒子群优化方法提高了粮库选址的科学性,为科学合理地进行粮库建设与布局提供了决策依据.     

用户侧蓄电池储能容量优化修正方法研究

现有的用户侧蓄电池储能容量优化修正方法存在着负荷率低、能量浪费率高的缺陷,为此提出一种新的用户侧蓄电池储能容量优化修正方法。根据用户侧蓄电池储能结构,建立储能容量优化修正目标函数,并设置函数约束条件,利用改进的粒子群算法对函数进行求解,得到用户侧储能电容最佳优化修正结果。测试结果显示,与现有的用户侧蓄电池储能容量优化修正方法相比较,提出的修正方法极大地提升了负荷率,降低了能量浪费率,充分说明提出的修正方法具备更好的优化修正效果。     

一种求解Job-Shop调度问题的新型蚁群算法

Job-Shop调度问题是一类具有很高理论研究和工程应用价值的问题。针对使用蚁群算法求解Job-Shop调度问题时较难设置合适参数的问题,提出一种动态设置参数的新型蚁群求解算法。分析了蚁群算法中参数对求解结果的影响,给出了算法求解Job-Shop调度问题的关键技术和实现过程。最后对五个基本测试问题进行了仿真实验,并与遗传算法、模拟退火算法、基本蚁群算法进行了比较。结果表明,该算法能得到较优的结果,具有一定的应用价值。