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。     

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。     

基于机器视觉的多巷道自动化立体仓库货位透明化分配方法

针对立体仓库内有效货位，设计透明化分配方案时主要通过人眼识别的方式掌握货位状态，使得最终分配方案的出库效率较低。因此，引入机器视觉技术，设计了一种新的仓库货位透明化分配方法。运用ABC分类法，对多巷道自动化立体仓库内所有货位进行分区。通过工业相机采集仓库内货架图像，通过机器视觉技术对采集图像进行识别，全面掌握仓库内处于空闲状态的货位位置。以最高出库效率为目标，建立货位透明化分配数学模型，再通过决策树搜索算法，生成最优货位分配方案。实验结果显示：应用所提方法进行货位分配，与基于粒子群算法、基于商品关联度的分配方法相比，使得出库效率提升了24.53%、23.92%。     

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。     

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。     

自动化立体仓库货位分配与作业调度集成优化

针对动态提高单载具堆垛机式自动化立体仓库拣选效率的问题,文中提出了一种基于共享货位存储与动态订单拣选策略下的货位分配与作业调度集成优化方法。将动态移库优化扩展到仓库的整个拣选生命周期,建立以双指令循环下堆垛机拣选任务所需的总作业时间最短为评价目标的数学模型,提出了一种基于K-Medoids聚类的粒子群优化(Particle Swarm Optimization,PSO)算法,用K-Medoids算法通过产品与订单的相关性进行初始货位的聚类分析,筛除劣质解的货位范围,并在K-Medoids聚类算法生成的解类簇基础上获得精确解。实验结果表明,考虑动态移库可以使仓库拣选效率提高20%,且该算法与传统PSO算法相比求解时间下降66%左右。     

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。     

自动化立体仓库货位分配优化研究

分析了自动化立体仓库货位优化问题,建立了自动化立体仓库货位优化数学模型,采用Pareto算法研究了货位优化方法,通过实例分析,优化后显著提高了货架稳定性,并且提高了货物存取效率。     

基于面向对象技术的自动化立体仓库图形监控系统设计

针对自动化立体仓库结构多样化的特点,为了提高自动化立体仓库图形监控系统开发的效率,运用面向对象的软件开发技术,设计了系统主要对象、系统类图、系统主要对象的状态图、系统主要活动的时序图.运用复合控件设计方法,设计了自动化立体仓库图形监控系统中主要复合控件.以某自动化立体仓库为例,设计了堆垛机、输送机、货位等的图形监控系统.     

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.     

基于精英多策略的货位分配优化方法

针对智能立体仓库货位分配问题,提出一种基于精英多策略的货位分配优化方法。首先,考虑货物重量、出入库频率和出入库时间等因素,以货架重心低、出入库频率高、货物离出入库口近等为原则建立货位分配优化模型;然后,提出一种精英多策略差分进化算法,通过提取部分精英个体的信息指导变异,并根据精英个体的拥挤度变化对不同的阶段使用不同的策略,从而产生高质量的解,同时加快算法的收敛速度;最后,通过10个经典测试函数验证了所提算法的有效性,并基于该方法对某智能制造企业的成品库进行了优化,得到了满意的货位分配方案。     

Multi-objective optimization of electronic product goods location assignment in stereoscopic warehouse based on adaptive genetic algorithm

Storage is an important part of commodity circulation. A certain amount of material must be stored to meet the needs of social production and consumption within a certain time to maintain the smooth process of social reproduction. This study focuses on warehousing optimization and goods location assignment when electronic products are stored in a stereoscopic storehouse. Moreover, this study is based on a theoretical study on genetic algorithm. On the basis of the background of the current warehouse management and cargo distribution of LCM module products warehouse belonging to W company, this study uses the dynamic goods location assignment strategy of stochastic inventory, and builds a multi-objective goods location assignment model of a stereoscopic warehouse. To simplify the calculations and improve the efficiency, we conduct a Matlab simulation on the basis of practical data by adopting a modified genetic operator and converting multi-objective optimization by the changing weight coefficient. The adaptive genetic algorithm can be used to make a multi-objective goods location assignment model that efficiently converges to the optimal solution.     

不受服饰携带物影响的步态识别方法

随着步态识别方法的发展,将步态识别应用到现实生活中已成为热点方向,目前影响步态识别系统开发的主要障碍是服饰和携带物的变化对行人步态轮廓的影响。提出了一种基于重心轨迹的步态识别方法,该方法首先将原始步态视频转化成二值的步态图像序列,对每帧图像计算重心坐标,将图像序列所有帧的重心坐标顺序连接得到重心轨迹,并乘以场景因子降低拍摄视角对重心坐标的影响。对重心轨迹进行频谱分析,将频谱变换的傅里叶系数归一化作为步态特征向量,输入神经网络中进行识别。实验结果证明该方法在不同种类的服饰和携带物条件下均具有很好的识别效果,当行人改变服饰、携带物时不需重新训练模型仍能保持较高的识别率。     

串联式集装箱重心偏移自适应修正算法研究

针对串联式集装箱分箱计重中因货物配置不匀导致的重心随机偏移问题,提出了一种基于径向基函数神经网络的自适应修正算法。该算法利用K-Mean聚类算法来确定RBF神经网络隐含层的中心向量;并采用RLS算法来调整隐含层与输出层之间的连接权值。该算法模型能针对各种车型并在各种车速下实现串联式集装箱的重心动态计算,从而获得准确的分箱重量。通过RBF及BP算法的仿真对比实验表明：基于RBF的修正算法具有更高的环境适应性和更低的计重误差率,能真正达到串联式集装箱重心自适应偏移纠正的目的。     

基于组合遗传算法的铁路危险货物办理站点整合优化

铁路危险货物办理站点作为铁路危险货物运输基础设施之一,其选址布局、建设规模和职能分工的合理性对于提高铁路危险货物运输效率、满足运输需求和环境风险控制目标都至关重要。为了有效解决铁路危险货物办理站点整合优化的多目标选址—分派模型组合方案规模庞大、计算困难的问题,采用了组合遗传算法对此问题进行优化。算例结果显示,该算法具有收敛速度快、运行稳定的特点,能够有效解决相关问题。     

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。     

求解物流配送中心选址问题的蜘蛛猴算法

物流配送中心选址问题的核心是效率最大化,成本最小化。为了快速得到合理的物流配送中心选址方案,现提出一种基于Laplace分布的伪反向蜘蛛猴优化算法（LOBSMO）来求解此问题。建立物流配送中心选址模型。在基本蜘蛛猴优化算法中,采用了Laplace分布初始化蜘蛛猴种群,在局部领导阶段用指数递减与随机对数递减策略改进步长因子,在全局领导阶段提出了新的搜索机制及局部领导决策阶段的伪反向学习策略来提高算法的寻优性能。最后,通过仿真实验说明该方法是可行的。     

PBIL算法求解物流中心选址优化问题

物流中心的合理布局对整个物流系统的效益有着决定性的影响。通过对物流中心选址问题相关特点和要求进行研究,我们以建设成本和运行费用最优为目标构造了选址问题的数学模型,设计了基于PBIL的物流中心选址优化算法,并进行了算法的实现和测试。测试表明,该算法计算速度快、稳定性好,对约束条件增减具有良好的适应性。最后,提出了该算法的学习概率修正参数动态变化方法,测试表明通过该方法可有效提高算法的收敛速度和寻优能力。     

求解无约束优化问题的仿水循环算法

针对无约束优化问题,根据自然界水循环过程,提出一种仿水循环算法。其中包括汇流、分流、下渗、蒸发、降雨等粒子选优步骤,通过判断种群数量、粒子质量和位置,对种群和粒子进行相应调整,智能且动态地适应当前搜索的要求,同时采用新的相对重力粒子寻优机制,计算粒子相对重力的方向和大小,引导粒子持续向更优的位置移动。理论分析与仿真结果均表明,该算法能加快种群迭代速度,提高粒子搜索精度,防止粒子陷入局部最优。