子母穿梭车式立体仓库复合作业路径优化

目的研究子母穿梭车式立体仓库中复合作业路径优化问题,有利于提高系统运行效率,降低成本。方法对于子母穿梭车式立体仓库在一次存取货作业中复合作业方式的实际调度路径,考虑到其运动机构的加(减)速度,以完成复合作业总时间最短为目标建立数学模型。针对该系统复合作业的运行特征,提出一种结合遗传和蚁群算法各自优点的混合粒子群算法进行优化求解。结果实例验证可知,与粒子群算法和蚁群算法相比,文中提出的混合粒子群算法具有性能稳定、优化效率更高等优点。结论文中所提复合作业路径优化方法能够有效地缩短子母穿梭车式立体仓库的复合作业时间,提高了进出库调度效率。     

基于改进模拟退火遗传算法的自动化立体仓库 货位优化

针对自动化立体仓库出入库作业量大、品类复杂等特点,对仓库货位展开优化研究,遵循周转率原则、货架稳定原则、关联原则等,构建了提高出库效率、提高货架稳定性、增强货物相关性的货位优化模型。使用传统模拟退火算法、遗传算法与改进模拟退火遗传算法求解模型,得出货位优化结果。对比分析结果证明了在解决货位优化问题时,改进算法比传统基础算法更加有效,能更好地改善自动化立体仓库空间使用率低、拣选效率低、货位摆放混乱的现状。     

基于分区法的2-RGV调度问题的模型和算法

以某救灾物资自动化立体仓库为背景,研究了出库过程中的2-RGV调度问题.为避免运行于直线轨道上的两辆穿梭车发生碰撞,将存取系统划分为不重叠的两个区域,并将两个区域内的运送分别分配给两辆穿梭车.建立了基于区域划分的2-RGV调度问题的混合整数线性规划模型,目标是最小化所有物料的总出库时间.提出了一个混合遗传算法求解该问题,并采用包含穿梭车顺序、穿梭车分配及出库站分配的染色体编码方式.算例试验显示提出的模型和算法能够有效求解该问题.     

多层棋盘格式立体货架及其货位排布算法研究

为了使立体仓库在更高的空间利用率条件下发挥最大的存取效率和服务能力,对现有立体货架的结构和搬运模式进行了分析,由此提出了一种新型多层立体仓库货架模型,即多层棋盘格式(multilayers chessboard based,MCB)立体货架模型.从二维角度看,MCB立体货架的货位排布方式类似于在矩形棋盘格内摆放棋子问题,针对如何实现MCB排布方式进行了货位排布算法研究,给出了问题描述、数学模型、算法设计,并构建了基于单件多品种随机存储的"棋子算法(chess pieces algorithm,CPA)",对其进行实验验证.实验结果显示"棋子算法"能够合理并有效地解决MCB立体货架的货位排布问题.MCB立体货架能够使单件多品种随机存储立体仓库的空间利用率达到75%以上,并且为实现更高的存储效率奠定基础.     

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FlexSim 的军队自动化立体仓库货位优化研究

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,程序自动生成分类存储的L 形分类存储货位分区信息,并调用堆垛机对在存货品逐一判断、搬运,让所有货品按照L 形区域排列,完成货位优化。利用FlexSim 软件对具体实例进行了仿真,结果表明,优化后的货位能较大程度地提高仓库的输出效率。     

基于遗传算法的线束加工仓库货位优化研究

目的文中以减少汽车线束加工立体仓库堆垛机运行时间和距离,提高订单处理效率为目的,建立货位优化的数学模型。方法根据某汽车线束加工立体仓库的真实情况,在分析历史订单数据的基础上,通过基于定位储存策略的改进遗传算法对货位分配问题进行仿真和求解。结果仿真结果表明,定位存储策略优于就近存储策略、随机存储策略和分类存储策略,其减少堆垛机运行时间的比例分别达到了18.8%,16.9%和35.7%。结论采用定位存储模型能有效改善汽车线束加工立体仓库系统处理生产订单的效率。     

基于多智能体强化学习的自动化电力仓库货位优化

自动化仓库的货位优化是提高仓库效率的重要途经之一。本文针对电力仓库货位优化问题,采用基于多智能体强化学习的方法,提升优化效果。首先分析DDPG算法和MADDPG等算法的不足;然后在此基础上提出改进算法ECS-MADDPG及其模型。在该算法中,同时考虑当前时间点的即时奖励和未来奖励因素;最后利用电力物资的历史出入库数据,应用强化学习算法训练货位优化模型。研究表明,与MADDPG、DDPG等算法相比,ECS-MADDPG拥有较高的稳定性和回报值。     

基于Flexsim对某医药物流中心立体仓库优化

目的 利用Flexsim软件仿真医药物流中心立体仓库的运作,缩短立体仓库出入库作业时间,优化运作过程人员与设备的组合。方法 以某大型医药物流中心为研究对象,根据实际立体仓库的布局,使用Flexsim仿真软件进行建模仿真时,首先采用遗传算法确定最优的出入库顺序,将结果在Flexsim中仿真运行,证明算法用于出入库仿真的实用性;然后对立体仓库整体流程进行仿真。结果 优化后的流程,出入库作业效率提高了12.4%,确立了仓储作业在(2,2,2,2)配置下,实现了人员设备的最优利用。结论 采用建模仿真的方法,找出了流程中的瓶颈,确认了最优出入库作业顺序,以及人员、设备组合,提高了医药物流中心的出入库效率,降低了设备、人员等成本。     

基于二进制粒群的拣选作业优化

目的提高电子标签拣选系统中拣选作业的效率与货位占有率。方法以某电子拣选库为研究对象,提出以订单完成度、货位占有率以及货位聚集度为目标的拣选优化模型。设计基于二进制粒子群算法(BPSO)和遗传算法(GA)的模型求解仿生算法。结果试验及优化结果表明,基于BPSO的电子拣选库订单的完成度、货位占有率以及货位聚集度较遗传算法更高。结论基于二进制粒子群算法求解的优化模型较符合实际的电子拣选库人工拣选作业,同时仓储作业货位的利用率及拣选效率得到了提高。     

基于改进NSGA-II的多项目多技能人力资源调度研究

多项目并行的人力资源管理日益成为研发型企业合理配置各类资源、实现利润最大化的有效方式。从项目成本和多能工满意度角度出发,运用第2代非支配排序遗传算法和蚁群算法对多能工分配问题进行研究。考虑多能工技能组合与项目任务需求之间的匹配以及技能熟练水平对任务作业时间的影响,构建了以实现多项目总工期和多能工间工作量均衡为目标的优化模型。根据模型的约束条件,提出了一系列启发式规则提高算法效率,并结合第2代非支配排序遗传算法和蚁群算法的特点,利用新开发的算法对模型进行求解。通过数值算例验证了模型和算法的有效性。     

Application of genetic algorithm for reliability allocation in nuclear power plants

Reliability allocation is an optimization process of minimizing the total plant costs subject to the overall plant safety goal constraints. Reliability allocation was applied to determine the reliability characteristics of reactor systems, subsystems, major components and plant procedures that are consistent with a set of top-level performance goals; the core melt frequency, acute fatalities and latent fatalities. Reliability allocation can be performed to improve the design, operation and safety of new and/or existing nuclear power plants. Reliability allocation is a kind of a difficult multi-objective optimization problem as well as a global optimization problem. The genetic algorithm, known as one of the most powerful tools for most optimization problems, is applied to the reliability allocation problem of a typical pressurized water reactor in this article. One of the main problems of reliability allocation is defining realistic objective functions. Hence, in order to optimize the reliability of the system, the cost for improving and/or degrading the reliability of the system should be included in the reliability allocation process. We used techniques derived from the value impact analysis to define the realistic objective function in this article.     

新型无人仓AutoStore的货物合箱方法研究

目的 为减少AutoStore系统在共同存储策略下的订单处理时间,解决经营品类繁多,但仓储面积有限的企业货物存储问题。方法 提出货物合箱的存储方法,设计关联规则挖掘算法与混沌种子优化算法的混合优化算法进行求解。从机器人翻箱操作、料箱的分配规则、系统布局三方面进行分析,结合AutoStore运作规律,建立以机器人拣货行走距离最短为目标函数的数学模型,通过Apriori算法输出货物热度,输入混沌种子算法,得到储位分配结果,实现联动决策。在基本种子算法的迭代中加入混沌序列,帮助种子避开局部极小值。结果 实例分析表明,货物合箱方法能够显著减少共同存储下AutoStore系统的订单处理时间,缩小与指定存储策略订单处理时间的差距,与粒子群算法和基本种子优化算法相比,混沌种子优化算法的优化效率更高、稳定性更好。结论 文中的研究为经营品类繁多,但仓储面积有限的企业提供了一种更适合的货物存储策略,具有较强的操作性和实际意义。     

A Dynamic Memory Allocation Optimization Mechanism Based on Spark

Spark is a distributed data processing framework based on memory. Memory allocation is a focus question of Spark research. A good memory allocation scheme can effectively improve the efficiency of task execution and memory resource utilization of the Spark. Aiming at the memory allocation problem in the Spark2.x version, this paper optimizes the memory allocation strategy by analyzing the Spark memory model, the existing cache replacement algorithms and the memory allocation methods, which is on the basis of minimizing the storage area and allocating the execution area according to the demand. It mainly including two parts: cache replacement optimization and memory allocation optimization. Firstly, in the storage area, the cache replacement algorithm is optimized according to the characteristics of RDD Partition, which is combined with PCA dimension. In this section, the four features of RDD Partition are selected. When the RDD cache is replaced, only two most important features are selected by PCA dimension reduction method each time, thereby ensuring the generalization of the cache replacement strategy. Secondly, the memory allocation strategy of the execution area is optimized according to the memory requirement of Task and the memory space of storage area. In this paper, a series of experiments in Spark on Yarn mode are carried out to verify the effectiveness of the optimization algorithm and improve the cluster performance.     

基于遗传算法的分区拣选系统储位优化实证研究

目的研究零售连锁企业区域配送中心分区拣选系统下的储位优化方法。方法以某药品连锁零售企业区域配送中心为研究对象,将不同分区的拣选时间趋于均衡作为储位优化目标,结合样本订单与历史订单的特点,建立储位优化数学模型,并采用遗传算法进行求解,以获取约束条件内该模型的最优解。结果在样本订单占80%权重的前提下,将所求得的分区与储位的解所对应的拣选时间,与研究对象的拣选现状进行对比,发现采用均衡各区拣选时间模型的求解结果提高了37.34%的效率,优化效果显著。结论实证研究证明了该模型和算法的有效性,该优化方法也广泛适用于其他分区拣选系统的储位分配作业。     

供热抽汽机组间电与热负荷的分配优化研究

针对华电能源哈尔滨第三发电厂抽汽供热机组的特点,研究分析了机组电与热负荷优化分配问题。以提高机组经济性为原则,通过将供热机组的耗差分析结果引入热、电负荷分配系统中对实验热耗进行修正,以解决机组的实际热耗获得问题,然后采用非线性规划和遗传算法相结合的优化方法进行供热机组间的热、电负荷分配,从而最大限度地挖掘经济运行的潜力,真正实现节能增效。     

基于改进遗传算法的自动拣选系统 拣选位分配建模与优化

针对某自动拣选系统建立了拣选位分配优化模型,以拣选时间模型作为适应度函数,并通过判断海明距离添加一个惩罚函数对遗传算法进行了改进,对算例进行仿真实验,可以得到货位排序优化后,总拣选时间明显降低了27.85%。结果表明,货物拣选位的分配对自动拣选系统的拣选效率有很大的影响。要想降低总拣选时间,提高自动拣选系统的拣选效率,不能只考虑个别种类货物的位置分配,要从全局的方向去考虑。该研究对配送中心如何提高自动拣选系统的效率提供了理论支持。     

基于改进混合遗传细菌觅食算法的贝叶斯结构学习算法

针对利用启发式学习算法学习贝叶斯网络时容易陷入局部最优和寻优效率低的问题,提出一种改进的混合遗传细菌觅食优化算法的贝叶斯网络结构学习算法。该算法首先通过遗传算法求得较优种群并作为细菌觅食算法的初始种群;然后利用交叉和变异策略改进细菌觅食算法的复制行为,增加种群多样性,扩大搜索空间;最后通过改进细菌觅食算法的迁移行为的初始化操作更新种群,防止精英个体的丢失。通过种群的迭代搜索最终获得最优的贝叶斯网络结构。实验仿真结果表明,与其他算法相比,该算法的收敛精度和效率有所提升。