基于取送作业能耗分析的高架低温库货位与尺寸优化

目的 减少高架低温库内作业的碳排放,构建出入库效率最大、货架稳定性最高和取送作业能耗最小的货位优化模型。方法 从货品存放顺序出发,采用整数编码设计遗传模拟退火算法进行求解,依据案例实际需求及面积选取了3种尺寸的备选方案,并通过MATLAB仿真对比分析各算法的结果,利用BIM建模可视化3种方案的优化结果。结果 采用整数编码设计的遗传模拟退火算法较模拟退火算法、遗传算法分别约早41代、148代收敛到最优解,计算效率分别高出21.01%、13.24%,GASA适合解决同种货品集中放置的低温库货位优化问题,建议低温库尺寸长宽比为2.25∶1。结论 优化后的货位与尺寸能够有效地降低库内作业的碳排放,保证安全的同时提高出入库效率。     

双载具式多层穿梭车立体仓库货位优化研究

目的为提高双载具式多层穿梭车立体仓库的运作效率,对其货位优化进行研究。方法针对双载具式多层穿梭车立体仓库货位优化作业系统的特点,考虑其运动过程中的加(减)速度特性,建立以入库时间最短为目标的货位分配优化模型。通过设计结合交叉变异算子的混合植物繁殖算法对该模型进行优化求解,从而确定最佳货位分配方案,缩短货位分配时间。结果实例分析表明,混合植物繁殖算法与遗传算法和物繁殖算法相比,收敛速度更快、优化效率更高。结论混合植物繁殖算法能够有效地缩短双载具式多层穿梭车立体仓库的货位分配时间,提高了仓库运作效率。     

仓储过程中货位指派优化问题研究

针对某烟草公司自动化立体仓库系统,将货位优化问题归结为货位的二次指派优化问题,研究优化思路和算法,并采用遗传算法对实例优化分析.结果表明,这种优化方法可行有效.     

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.     

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。     

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。     

基于最小时间算法的货位优化研究

针对某烟草公司自动化立体仓库的运行现状和结构特点,探讨了货位优化设计原则,建立自动化立体仓库三维数学模型,研究了叉车的运行时间,提出了时间最小的货位优化方法,并获得了重要的计算公式.     

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。     

基于改进自适应遗传算法求解有色金属立体仓库堆垛机路径优化问题

针对有色金属自动化立体仓库系统,建立其实体模型。通过对遗传算法进行自适应改进,算出能够随时适应的遗传算子,克服了传统遗传算法的早熟收敛问题。通过运用序号法设定各货位在立体仓库中的位置,建立堆垛机拣选作业的数学模型,运用改进遗传算法对初始路径进行改进,得出最优解,并运用Matlab遗传算法工具箱对此进行仿真,实验结果表明,此方法收敛速度快,可以获得全局最优解,其堆垛机路径规划更加快速和有效。