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。     

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。     

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。     

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。     

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。     

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。     

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。     

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.     

基于遗传算法的重力式立体仓库优化调度

为提高重力式立体仓库出入库操作的效率,分析了某企业重力式立体仓库货架布局,提出了货物在出入库操作中的七种规则集,以平均作业时间、堆垛机利用率、其它设备利用率为优化控制目标,用遗传算法求出出入库路径优化的最优解。通过C语言仿真实验验证了提出的方法的有效性。     

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LVM 的系统扩容技术研究

近年来,随着大数据业务的使用,系统在运行时会产生大量的数据信息与日志文件并保存在磁盘中。由于在系统规划初期,对系统分区大小规划预期不足,很难合理规划磁盘空间,造成后期系统运行中经常出现系统分区磁盘不足的问题。当发生此类告警时,通常的分区很难动态调整大小,通常采用暂停业务,更换磁盘,数据备份与恢复的方式,该方式操作困难,程序复杂,有数据丢失的风险。在Linux系统里使用LVM(逻辑卷)技术,支持在线空间扩容,可以在用户无感知的情况下扩展系统分区容量,达到合理利用磁盘空间的目的。本文介绍了LVM技术,并在Linux系统里将分区做成逻辑卷,达到合理利用磁盘空间的目的。     

基于CAN总线实时应用的可靠调度性研究

CAN总线是一种高级的串行通信协议，适用于各种分布式控制系统。在实时应用中，标准的CAN协议使用静态优先级算法，对传输信道的利用率比较低。对基于CAN总线通信的动态优先级调度算法进行研究后，提出了一种基于指数分配方式的MTS算法，在保证强实时性消息的同时兼顾了低优先级消息的公平性。     

基于HLA结构的分布交互仿真的系统设计问题

对基于HLA/RTI结构的分布交互式多机仿真系统的体系结构、底层通信网络、运行支持系统、仿真应用对象模型和管理对象模型进行了论述,旨在为分布仿真应用系统的开发探索一条有效途径。     

一种改进的心电信号预处理方法研究

心电信号是典型的强噪声下的非平稳微弱信号,减小噪声的干扰对心电信号的分析有着十分重要的意义,因此,有效的滤波方法一直是该领域学者关注的热点问题。本文在基于小波变换心电信号分析研究基础上,针对小波去噪时分解只作用于低频部分,从而忽略了高频区域中一部分有用信号的问题,提出了一种采用改进小波包理论实现心电信号去噪的方法,利用小波包在消除信号噪声方面具有更为精确的局部分析能力的特点,采用了‘db4’小波和＂最优基＂选择的方法,对心电信号进行消噪。以MIT-BIH心电数据库中心律失常数据仿真实验,得到了较理想的去噪效果。对比该方法与小波滤波去噪,发现基于小波包的心电信号去噪具有更优良的去噪性能。     

深度强化学习研究综述

深度强化学习是指利用深度神经网络的特征表示能力对强化学习的状态、动作、价值等函数进行拟合,以提升强化学习模型性能,广泛应用于电子游戏、机械控制、推荐系统、金融投资等领域。回顾深度强化学习方法的主要发展历程,根据当前研究目标对深度强化学习方法进行分类,分析与讨论高维状态动作空间任务上的算法收敛、复杂应用场景下的算法样本效率提高、奖励函数稀疏或无明确定义情况下的算法探索以及多任务场景下的算法泛化性能增强问题,总结与归纳4类深度强化学习方法的研究现状,同时针对深度强化学习技术的未来发展方向进行展望。     

基于ESB技术的机械制造业系统集成研究

机械制造业企业信息系统涉及多个不同的异构子系统,各子系统之间很难集成,导致系统出现信息孤岛,难以沟通协作.传统的集成方式,存在耦合度高,不易扩展等问题.在分析ESB技术的基础上,提出了基于ESB技术的集成方式,达到了松耦合,实现信息互通.     

基于无线局域网的QoS策略研究

本文介绍了目前关于无线局域网QoS发展的最新进展，对QoS量化管理进行了分析，在此基础上提出了基于无线局域网的QoS策略实现。     

基于HLA的卫星光学测量仿真研究

首先介绍了卫星工具包软件STK的特点，详细描述了基于高层体系结构HLA这一仿真协议下的卫星光学测量仿真系统的设计和开发的过程，结合系统的开发要求分析了对卫星过境时光学测量的约束条件，具体描述了卫星光学测量仿真系统的功能及其设计过程，并进行了对象类和交互类设计开发，对于仿真中涉及的成员同步问题进行了分析，最后结合对卫星工具包软件STK的接口成员开发具体介绍了通过应用国防科大自主开发的KD—RTI系列联邦成员开发工具来实现联邦成员的过程。     

基于数据仓库的数据采掘技术应用

本文首先分析了基于数据仓库的数据采掘的主要方法,技术和应用,然后通过实例讨论了数据采掘在股票分析与决策系统中的应用。     

地理信息系统与数据库结合研究

鉴于地理信息系统需要对外提供灵活高效的地理信息访问途径,因此采用数据库管理地理信息是发展趋势,目前存在关系型,对象-关系型,面向对象型3类数据库产品,在讨论它们与地理信息系统结合可行性的基础上,重点介绍了纯关系模型,空间扩展模型,包装模型3种结合方案,还通过对这3种方案实现原理的分析及其优缺点的比较,指出了各方面的应用前景,并由此归纳出,在GIS与数据库结合中需要注意的问题及解决这些问题的关键技术。