基于改进蚁群算法的立体仓库三维空间路径优化

拣货作业作为在制造企业仓储系统中重要环节,其工作效率直接影响整个仓储系统的运行速度和工作成本.首先基于现有蚁群搜索算法,研究了将原有的二维平面搜索路线空间扩展到三维空间的改进蚁群算法;其次对改进蚁群算法进行仓储三维空间路径优化研究,针对现有仓库货架模型,将蚁群算法中两点间的直线路径转化成水平与垂直的折线路径将概率模型与...     

自动化立体仓库拣选路径优化问题研究

利用蚁群算法结合遗传算法来求解固定货架拣选的TSP问题,通过MATLAB对随机产生的10个和30个待拣选货位点的拣选作业路径优化进行了仿真试验。仿真结果表明：对于待拣选货位点数目有较大范围变动的情况,该方法能够对拣选路径进行全局优化;利用蚁群算法结合遗传算法求解固定货架拣选TSP问题时,在拣选的货位点数量适中的情况下（10～30）,变异概率值在（0．008～0．020）之间是最优的。     

自动化立体仓库拣选路径优化问题研究

利用蚁群算法结合遗传算法来求解固定货架拣选的TSP问题,通过MATLAB对随机产生的10个和30个待拣选货位点的拣选作业路径优化进行了仿真试验.仿真结果表明:对于待拣选货位点数目有较大范围变动的情况,该方法能够对拣选路径进行全局优化;利用蚁群算法结合遗传算法求解固定货架拣选TSP问题时,在拣选的货位点数量适中的情况下(10～30),变异概率值在(0.008～0.020)之间是最优的.     

基于模拟退火遗传算法的自动化立体仓库路径优化

为提高自动化立体仓库出入库操作的效率,提出了将遗传算法和模拟退火算法相结合的路径优化策略,遗传算法的每个染色体都代表一组货单组合,遗传操作包括选择、交叉、变异3种类型。为获得适应度函数,建立了货位分配优化的目标函数,并在适应度函数中融入模拟退火算法,以提高遗传算法的收敛速度。仿真和工程应用结果均表明,该方法能大大缩短堆垛机的运行时间,提高自动化立体仓库的使用效率。     

自动化立体仓库货位优化研究

分析了自动化立体仓库货位优化的问题,建立了自动化立体仓库货位优化的数学模型,采用遗传算法研究了货位优化的方法,通过实例仿真分析,优化后显著提高了货架的稳定性,并且提高了货物的存取效率。     

多目标下的自动化立体仓库拣选作业路径优化

自动化立体仓库系统是在计算机直接控制和管理下自动存取并实现综合自动化管理货物的多层仓库存储系统,其中,堆垛机作业时间长短直接影响仓库存储效率的高低.针对堆垛机拣选作业模式,提出了自动化立体仓库拣选作业的新型数学模型,并对遗传算法初始种群进行改进,用改进后的遗传算法对该模型进行了求解.     

基于遗传算法的自动化立体仓库储位优化研究

针对自动化立体仓库中货物储位分配策略研究关于多目标数学模型关键性问题。根据立体仓库中货物最佳位置分配的原则和策略,建立合理的货物出入库效率、货架稳定性和货物周转率的3个目标函数模型。根据立体仓库高效性能构建货物存取效率的调整优化模型,借助MATLAB程序对实际货物储位布局实例进行计算和求解并利用遗传算法获得了最优迭代解。仿真结果表明：采用遗传算法可以有效地优化货物储位分配,降低货架质心来提高稳定性,提高存储效率,改善和提高仓库智能化性能。     

基于遗传-蚁群算法的矩形排料研究

针对矩形件排料问题,将遗传算法与蚁群算法进行融合,提出新的遗传-蚁群算法,并提出了最佳融合时机,最后给出实例证实了遗传-蚁群算法在解决矩形排料问题上的有效性.     

GASA混合优化算法在自动化立体仓库堆垛机作业调度问题中的应用

堆垛机出入库调度优化问题是提高自动化立体仓库工作效率的关键技术之一.本文通过对出入库调度问题中影响堆垛机作业时间因素的分析,把堆垛机调度的优化路线问题转化为TSP问题,然后采用遗传-模拟退火混合优化算法来解决.数值试验表明混合优化算法吸收了单一算法的各自优点,克服了本身的缺点,显示出较强的全局优化能力,为立体仓库任务调度问题提供了新的求解思路.     

基于混合禁忌搜索算法的自动化立体仓库的货位分配与优化研究

自动化立体仓库是现代物流系统的重要组成部分。文章在对自动化立体仓库的出入库作业方式进行分析的基础上,提出了一种求解自动化立体仓库货位分配与优化的混合禁忌搜索算法HTS(Hybrid Tabu Search)。HTS通过启发式算法生成货位分配的初始解,然后由禁忌搜索算法对货位分配进行优化,从而提高立体仓库的运作效率。在实施应用的过程中,对HTS算法的有效性进行了验证。     

基于蚁群算法的LED分拣路径优化

提出基于蚁群算法对LED芯片分拣路径进行优化。对分拣工作芯片块间移动策略进行分析,降低盘片变形。在此基础上采用蚁群算法,建立分拣路径的全连接无向图并对分拣时间、分拣路径模型进行建模和优化。对蚂蚁数量、蚁群算法的时间复杂度、信息素挥发因子等参数进行优化。试验表明,该方法与传统方法相比能够缩短分拣时间,提高效率,为LED芯片分拣路径规划提供了一种有效的方法。     

蚁群算法在螺旋密封优化设计中的应用

以密封系数为目标函数,以螺旋相对宽度、螺旋相对槽深和螺旋角为状态变量,采用蚁群算法和Matlab语言对螺旋密封进行了优化设计。仿真结果表明:在螺旋几何参数满足实际要求的前提下,使得密封系数达到了0.832 7,满足工程需要,表明蚁群算法应用于密封优化设计是可行的。     

基于蚁群算法的平行流水作业计划方法

在分析实际生产作业方式的基础上,提出了平行流水作业这一新概念,其实质为平行机作业方式和流水作业方式的综合,属于非多项式计算时间问题。采用网络理论构造了平行流水作业的非连接图模型,提出了采用蚁群算法求解平行流水作业计划问题,以及求解过程中可行路径表的建立方法。算例研究表明10次随机计算的平均结果与最优结果差异率小于2%,计算重复精度高;对于75×20等较大规模问题,10次随机计算的平均时间少于280s,计算效率较高,能满足生产实时调度的需要。     

蚁群算法求电动汽车最优行驶路径与充电方案

针对目前电动汽车动力电池容量有限、充电时间较长的问题,为缓解用户出行顾虑,提出蚁群算法优化电动汽车行驶路径与充电方案。在基本路网结构中加入了对充电站分布的考虑,应用蚁群算法分别对分段路线和全局充电方案进行优化,最终将两部分结合形成全局的最优行驶路径。试验结果表明,算法推荐的行驶路线可以做到所需的充电时间最短且全局的耗电值最小,算法是有效的。     

基于蚁群算法的完全遍历路径规划研究

提出了一种局部区域遍历和全局运动规划相结合的完全遍历路径规划方法;针对基于Boustrophedon单元分解所得区域的特点,机器人可在局部区域内采用往复运动的方式实现遍历.该方法定义了遍历空间中子区域间综合连通距离,综合连通距离包括区域之间的连通关系、区域之间的最短距离、区域之间的障碍物情况等要素,整个遍历空间中的连通关系由一个完全赋权连通矩阵表示.采用蚁群算法对子空间遍历距离进行优化,得到了最短全局遍历顺序.最后以一个模拟环境为求解实例,证明了算法的有效性.     

串并联双机器人系统任务分配的蚁群优化

针对一种新型串并联双机器人联合作业系统的任务分配进行方法设计和整体优化。分别采用蚁群优化中的近似非确定性树搜索(Approximate nondeterministic tree search,ANTS)和最大最小蚂蚁系统(Max-min-ant-system,MMAS)作为任务分配的优化策略,并在MMAS中加入局部搜索以进一步优化路径构建过程中得到的局部最优解。仿真结果以及与之前相关研究成果的对比表明,MMAS在寻优过程中的迭代收敛速度优于ANTS,且经过一段时间的开发探索之后,获得的最优解的质量也比ANTS要好;MMAS与局部搜索相结合的方法比单独使用MMAS更加进一步提高了最终解的质量。进化曲线证明了算法对系统任务分配及优化的适应性和优越性。试验结果经与传统组合优化方法对比,进一步验证了算法的优化效果。     

基于改进蚁群算法的移动机器人路径规划研究

为了提高机器人路径规划算法的收敛速度和收敛精度,提出了基于改进遗传算法的机器人路径规划方法。介绍了栅格建模方法,分析了传统蚁群算法原理。提出了蚂蚁相遇策略提高了算法搜索效率,提出了蚂蚁回退策略避免陷入U形陷阱,设置了信息素感应阈值扩大了算法前期的搜索范围,改进了信息素残留方法使蚁群能够记忆最优路径,提出了信息素自适应调整方法,兼顾了算法前期的大范围搜索和后期的快速收敛。经仿真实验验证,相比于传统蚁群算法,改进算法具有更快的收敛速度、更优的规划结果,且改进算法的蚁群轨迹更加集中至最优解附近。     

并行排序蚁群算法规划仓库AGV路径研究

针对智能仓库中的AGV路径规划问题,提出了一种基于并行排序蚁群算法的路径规划方法,该方法通过多个子蚁群之间较优蚂蚁释放的信息素交互,提高蚁群整体的搜索能力.建立以路径最短和AGV转弯次数最少为优化目标的多目标函数模型,用并行排序蚁群算法求解,再对生成的初始路径通过减少中间节点的方式进行平滑处理.在MATLAB上进行多次...     

基于优化的元胞蚁群算法的无人飞行器动态路径规划方法

针对无人飞行器路径规划蚁群算法收敛速度慢,提出了一种新的蚁群算法。首先,以栅格为环境地图,在蚁群算法搜索过程中加入了圈形轨迹识别算法,避免了无人飞行器出现折返跑的现象。其次,采用最优路径进行信息素更新,减少了蚁群算法在搜索过程中产生的盲目交叉和“蚂蚁遗失”现象。最后,引入了无人飞行器轨迹的尖角优化策略,更好地模拟了无人飞行器的飞行特征。仿真实验表明,新算法具有更好的全局搜索能力。     

基于改进蚁群算法的机器人路径规划研究

针对基本蚁群算法在路径规划时出现收敛速度慢,易陷局部最优的问题,提出一种改进的蚁群算法。首先,为使算法在搜索时更具导向性引入方向夹角启发因子减少提高搜索速度;其次,融入A*算法的估价函数思想来改进启发函数,降低死锁可能性;最后,提出基于拉普拉斯概率分布的信息素挥发因子自适应策略,加快了算法收敛速度。多次仿真实验表明,所提出的改进算法能够快速,高效地寻找到最优路径,且路径质量优于基本蚁群算法规划出的路径。