多载具式AS/RS货位分配建模与仿真

研究多载具式自动化立体仓库的货位分配问题,可提高系统运作效率,降低成本。对双载具和三载具两种设备配置下的货位分配问题进行分析,根据存储系统实际运作情况,考虑堆垛机在行走过程中的加速度,建立更符合实际的数学模型;考虑行程时间和货架稳定两个目标来建立货位分配数学模型,并采用改进遗传算法进行仿真求解。通过对不同任务量的订单进行仿真求解,对比遗传算法和改进遗传算法的偏离误差和平均偏差,验证了改进遗传算法可行有效。     

多载具自动化存取系统货位分配和拣选路径集成优化

为了提高多载具自动化存取系统整体进出库效率,分析了多载具自动化存取系统的运作特点,建立了同时考虑货位分配和拣选路径的集成优化模型。模型以最小化单位指令周期的行程时间为优化目标,最后设计了两阶段禁忌搜索算法求解该问题。不同货位规模和不同载具数量的数值实验结果表明:两阶段禁忌算法获得的行程时间较初始解有至少40%的改善,而且与分别优化的方法相比行程时间也能降低7%~23%。     

基于遗传算法的立体仓库货位动态分配优化

针对企业仓储管理中货位分配效率低的现状,提出立体仓库货位动态分配优化问题的数学模型和约束条件并对货位分配策略进行了讨论.采用基于遗传算法的权重系数变换法对优化模型进行求解.通过仿真验证了算法的有效性.     

基于改进自适应遗传算法求解移动机器人路径的优化问题

通过对遗传算法进行自适应改进,计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工作环境中的位置,建立移动机器人拣选作业的数学模型,运用改进自适应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...     

基于改进遗传算法和多目标决策的货位优化策略

为了解决自动化立体仓库的随机库存在线动态货位分配问题,针对仓库货物出入库效率、货物分类存储的合理性和货架整体稳定性方面的需求,基于加权归一化处理多目标决策构建了货位分配优化数学模型.提出一种改进的二次优化遗传算法(quadratic optimization genetic algorithm,QOGA),并利用MATLAB软件进行仿真实现.仿真结果表明,该算法收敛速度大幅提高,出入库效率、货架稳定性明显提升,货物分类存储更加合理.由多目标决策结果验证了改进QOGA的先进性和有效性.     

多机协同空战目标分配算法

通过对多机协同空战中目标分配的分析，建立了目标优化分配的数学模型，并用标准遗传算法来求解该问题，模拟结果表明该算法能有效解决分配问题的有效性，最后通过应用“好，，基因遗传算子对遗传算法进行改进。仿真结果表明，“好”基因遗传算子的搜索效率较改进前提高了近60％，这一优势在目标数量较大时尤为明显。     

新型棋盘格密集仓库的出入库货位分配优化

从提升有轨自动化小车(RGV)出入库作业效率的角度出发,在综合考虑RGV加减速和行走方向改变所带来的影响前提下,对新型棋盘格密集仓库出入库复合作业模式下的货位分配问题进行研究,设计了基于混合遗传算法的出入库货位分配算法,以对货位分配问题进行求解.仿真试验结果证明,该算法能有效解决不同规模下新型棋盘格密集仓库的货位分配问题,使RGV的整体作业效率提升40%左右,并且具有货架规模越大则效率提升越明显的优势.     

密集存储系统建模与仿真

研究堆垛机与穿梭车结合式密集存储系统调度问题,可提高系统运行效率、降低成本。为符合存储系统实际运作情况且获得较准确的调度作业时间,考虑堆垛机与穿梭车在加速、减速过程中存在的加速度,对密集存储系统作业流程进行分析;并以订单处理时间最小为目标函数,建立密集存储系统调度作业数学模型。采用改进遗传算法,对该模型进行MATLAB编程求解并仿真。分别根据算例中三种不同任务量的订单,将优化前后订单的处理时间进行对比分析。结果表明,考虑加速度的调度时间数学模型及改进遗传算法可行有效,在一定程度上能够提高仓储运行效率。     

检修备品库的货位优化模型

为了对货位进行合理分配,以提高检修备品库的领料效率,分析了检修用料的特点,并综合生产环境和分销环境下仓库货位优化的思想,提出检修物料的确定相关性和统计相关性这两个概念.根据物料相关性及用料频率,建立了检修备品库货位分配的多目标优化数学模型.模型的优化目标是,既要尽量将关系密切的物料聚集摆放,又要尽量将使用频率高的物料靠近出入库口存储.最后采用蚁群算法求解了该NPC(non-deterministic polynomial complete)问题,与采用随机分配策略的仿真结果相比,领料效率提高了23%～28%.     

基于遗传算法的改进及在非线性方程组的应用研究

随着数学研究领域的不断拓展,现实中越来越多的问题需要通过建立数学模型来求解.由于各学科间交叉形成的数学模型中非线性方程问题日益增多,因此人们越来越重视对这个问题的研究.本文就非线性方程组的特性和相关理论,提出了对遗传算法进行改进,并根据仿真实验,论证了改进后的遗传算法在求解非线性方程组的优势.     

仓储货位选择优化问题的研究

本文结合仓储管理的现状，对仓储管理中如何确定最优货位问题进行了详细的分析。确定了货位优化的目标，以及货位优化必须满足的约束条件，建立了货位优化模型，并采用遗传算法对该模型进行求解。     

基于PSC-IGA算法的数字化车间仓配一体化研究

文章针对数字化车间内部的仓配一体化问题,以装配生产线的物料需求时间和数量为拉动因素,考虑物料配送效率和立库运行效率,将仓配问题分为2个层次,首先通过生产排程确定时间窗,以配送效率最大化为目标构建物料配送路径规划模型,然后构建货位分配多目标优化模型.采用两阶段的遗传算法进行求解,提出基于多色集合约束的遗传算法(polyc...     

多端口出入式自动化存取系统作业集成优化

为了提高具有双板作业运作特点的多端口出入式自动化存取系统(AS/RS)整体作业效率,在统筹考虑货位分配和指令序列排序对作业时间影响的基础上,提出以最小化指令序列完工时间为优化目标的集成优化模型。引入交换和插入思想构建货位分配和指令排序的搜索邻域,并分析2种邻域构建方法对指令序列完工时间的影响。最后,设计二阶段禁忌搜索算法对问题进行求解,利用货位分配和指令排序2个阶段禁忌搜索过程的反馈获得模型最优解,其求解过程体现货位分配和指令排序2个优化方面在邻域搜索过程中互相影响、互相嵌套的复杂关系。研究结果表明:二阶段禁忌搜索算法在不同的货位规模和指令序列规模下均能获得满意解,具有较好的鲁棒性和计算效率;相比"先到先服务"和"最近邻"调度规则,本文优化方法能够有效缩短指令序列完工时间。     

激光切割路径优化的双重编码改进遗传算法

针对激光切割路径优化的特点,将其归纳为旅行商问题,并利用改进遗传算法进行求解。为使优化更具实际意义,建立了考虑时间距离和热效应的多目标优化数学模型。改进的遗传算法采用双重编码对轮廓扫描顺序和各轮廓的起始点同时进行优化。在编码设计时,被切割件除考虑多边形情况外还考虑到圆及椭圆的情况,通过构建的适应函数将多目标函数转化为单目标优化问题,同时为提高算法的优化性能,适应函数采用动态控制,并改进了交叉与变异操作。仿真结果表明,该算法能有效地对激光切割路径进行优化。     

面向低能耗的密集仓储货位分配优化

针对四向车式密集仓储系统的货位分配问题，提出一种四向车及提升机的能耗计算模型，并考虑动态货位可行域约束等因素，建立了以减少能耗为主要目标且兼顾降低货架重心与作业分布均衡的货位分配优化模型。设计自适应变异的差分进化算法对模型进行求解，向量个体表示单批作业的目标货位集合，将个体基因位的值域映射为相应出入库作业的货位可行域，根据此动态货位可行域进行个体解码后得出可行货位解，通过综合评价个体的优劣及种群迭代进化获得作业的最优货位解。在3种预设库存和3种载荷类型的情况下分别进行试验，结果表明，与考虑最短距离的货位分配优化模型相比，所提出的模型及算法可有效降低仓储能耗且其性能优势明显。     

货位载重约束下自动化仓库货位实时分配技术研究

传统分配方法忽略了货位载重约束,且采用的寻优方法容易陷入局部最优,导致货位分配结果稳定性和出入库效率低、阻塞时间长。为此,提出一种货位载重约束下自动化仓库货位实时分配方法。对货位分配问题进行分析,依据出库时间目标构建货架稳定性模型,对货架稳定性模型进行货位载重、存取和存储约束;引入Pareto最优解,通过遗传方法对目标函数进行求解,求解过程包括染色体编码、染色体解码、适应度函数和种群选择、交叉和遗传。实验结果表明,所提方法稳定性和出入库效率高、缓冲区阻塞时间短。     

货位载重约束下自动化仓库货位实时分配技术

传统分配方法忽略了货位载重约束,且采用的寻优方法容易陷入局部最优,导致货位分配结果稳定性和出入库效率低、阻塞时间长。为此,提出一种货位载重约束下自动化仓库货位实时分配方法。对货位分配问题进行分析,依据出库时间目标构建货架稳定性模型,对货架稳定性模型进行货位载重、存取和存储约束;引入Pareto最优解,通过遗传方法对目标函数进行求解,求解过程包括染色体编码、染色体解码、适应度函数和种群选择、交叉和遗传。实验结果表明,所提方法稳定性和出入库效率高、缓冲区阻塞时间短。     

海工装备生产车间可重构制造单元动态布局方法

为满足海工装备品种多、批量小的生产特点,具有多个可重构制造单元的海工装备生产车间需要及时做出布局调整。针对此问题,将改进非支配排序的遗传算法-II(NSGA-II)应用于车间的设备动态布局优化过程,结果显示,求得的Pareto前沿具有良好的分布性。建立了相应的求解数学模型,并用Matlab软件进行求解。结合实例采用仿真软件对求解的布局结果建立仿真模型,并进行仿真分析,为设备布局的选用和改进提供决策依据。     

改进遗传算法在电力系统低频减载中的应用

电力系统低频减载优化整定是一个多变量、多约束的混合非线性规划问题,其优化过程十分复杂.遗传算法是一种基于自然选择和遗传机制的搜索算法,比较适合于求解电力系统低频减载问题.本文研究了遗传算法应用于低频减载求解的运算流程,并且在结合低频减载问题自身特点的基础上对遗传算法应用于低频减载求解进行了研究改进,给出了包括编码方案、交叉算子、变异算子和收敛判据的改进遗传算法的实现方案.     

求解Hadoop作业调度问题的混合遗传算法

将自适应遗传算法和改进的蚁群算法融合用以求解Hadoop作业调度问题。首先利用自适应遗传算法的全局搜素能力产生任务所分配的资源列表,在遗传算法的搜索速度逐渐降低时,适时切换到蚁群算法,由自遗传算法求解的最优解生成蚁群算法的初始信息素分布。改进蚁群算法的目标节点选择策略,考虑节点完成任务的成功率,加快蚁群算法求解最优解的速度。仿真结果表明,与遗传算法和蚁群算法相比,混合遗传算法用时较少,并且任务数越多,优势越明显。