考虑转移策略的物料配送和空箱回收集成优化

为了降低飞机移动装配线物料供给成本,构建了考虑转移策略的物料配送和空箱回收集成决策模型并设计了求解算法。在配送和回收任务调度的基础上引入了转移任务和线边物料存放的决策,以最小化小车出行成本为目标建立了数学模型并设计了一种以混沌差分进化算法为框架的双层迭代算法。算法上层对配送物料的分批进行搜索,综合考虑小车装载能力和线边空间约束,通过启发式算法对配送小车的发车时间和线边存储位置进行决策,结合转移小车的线边循环运作方式,设计了修复算子对调度和存储方案进行再优化;算法下层对无法即时装载的空箱组批进行搜索,使用转移调度算法进行解码。通过数值实验验证了该模型和算法的有效性。     

基于离散蜂群的应急物流车辆调度算法

为在尽可能满足应急物流时间要求的前提下最大程度的节约运输成本,提出了一种基于离散蜂群的应急物流车辆调度算法.该算法首先综合考虑运输车装载容量和受灾点的单边硬时间窗约束,构建了以最小化配送成本为目标的数学规划模型,然后利用离散蜂群算法进行优化求解,通过引入离散差分搜索强化其领域搜索能力,同时借助侦查蜂进行个体淘汰操作,从而避免算法陷入局部最优.仿真实验表明,与基于蚁群算法的应急物流车辆调度算法相比,该算法具有较强的鲁棒性,能够快速获得应急物流车辆调度问题的优质解.     

基于循环配送策略的汽车装配线物料配送调度方法

为有效解决基于循环配送策略的汽车装配线物料配送调度问题,进行了改进型免疫克隆选择算法的调度方法研究.首先,建立了数学规划模型,以最小化计划期内所有工位的线边总库存为优化目标,并提出了改进型免疫克隆选择算法.在算法设计过程中融入了模拟退火算子和邻域搜索算子,分别对克隆种群和记忆库进行操作,以克服传统免疫克隆选择算法易陷入局部最优、搜索深度不足等缺陷.最后进行了仿真实验,表明该算法是有效、可行的.     

飞机移动生产线物料配送与线边存储集成优化

为了解决飞机移动生产线中多并行作业物料的供给问题,构建了飞机移动生产线物料配送与线边存储集成决策的模型并设计了求解算法.在物料组批和小车调度的基础上,引入了物料在线边空间的存储决策,建立了以小车出行趟数最小化为目标的数学模型并设计了一种以免疫算法为框架的启发式算法.在免疫算法较优的全局搜索能力下,综合考虑小车的配送能力与线边空间的重复使用、共享等因素,使用反向动态小车调度算法和物料存储前瞻算法对物料的组批方式、配送时刻和在线边的存放位置三类变量联合进行决策.对提出的算法进行了数值实验,实验结果证明了模型与算法的有效性.     

考虑能耗的混流装配线物料配送多目标调度方法

为了提高混流装配线物料配送的能源利用效率，考虑采用“转运”概念的送料机器人和线边集成超市配送模式，构建了存在换电情形的物料供应模型.结合送料机器人的能耗特点，以最小化送料机器人的使用数量和配送能耗为优化目标，建立了数学模型.在此基础上提出了变邻域搜索策略的改进型离散差分进化算法(VNS-MDDE)，用以解决多目标优化问题；该算法以最近邻启发式方法构建初始解，并引入变邻域策略进行局部搜索以提高解的质量.最后通过仿真实验验证了算法的可行性和有效性.     

飞机移动生产线物料配送与空箱回收集成建模

为了解决飞机移动生产线中作业物料的供给问题,构建了飞机移动生产线物料配送与空箱回收集成决策的模型并设计了求解算法.在物料组批和小车调度的基础上,引入了空箱的回收决策,建立了以小车出行次数最小化为目标的数学模型并设计了一种以遗传算法为框架的启发式算法.在遗传算法较优的全局搜索能力下,综合考虑小车的运载能力与线边空间的存储能力,设计了启发式算法对物料与空箱的组批方式以及小车出行时刻三类变量联合进行决策,并结合了局部搜索算法进行再优化.对提出的算法进行了数值实验,实验结果证明了模型与算法的有效性.     

汽车装配线电动车配送路径及换电站选址优化

考虑将电动小车用来进行基于厂内循环配送策略的汽车装配线的物料配送,提出了汽车装配线电动车配送路径及换电站选址问题,以最小化系统总成本为优化目标建立了数学规划模型.针对这一复杂的混合优化问题,对该问题的性质进行了分析,提出了两阶段动态规划算法获取小规模问题的最优解;对于中、大规模问题,通过种群分割技术并在Lévy飞行中融入深度邻域搜索算子构建了改进型离散布谷鸟算法.最后,进行了仿真实验,分别对比了两阶段动态规划算法,实数遗传算法及改进人工蜂群算法在解决该问题方面的性能,结果表明改进型离散布谷鸟算法的有效性以及在算法稳定性、搜索深度以及收敛性三个方面的较大优势.     

混流装配线车间内物料调度工位组划分优化法

基于准时制生产方式(JIT)提出对混流装配线进行工位组划分并安排配送车辆进行配送服务的优化方法.为保证混流装配线生产过程不发生缺料停产的情况,以配送车辆的承载能力与消耗工位配送时间窗为约束,配送车辆满载率与工位物料需求紧急程度为优化目标构建优化模型.运用遗传算法对模型进行求解,优化单个工作日总配送次数及配送车辆数量,给出配送工位组划分及车辆调度方案.最后,实例验证表明该方法具有可行性和有效性.     

基于改进遗传算法的末端共同配送车辆路径优化

为解决共同配送路径优化问题,提出一个具有可操作性的共同配送策略,基于此构建了以考虑车辆使用成本、车辆行驶成本和碳排放成本最小化为目标的共同配送车辆路径模型,用K-means聚类方法对客户节点进行分区聚类,确定各末端配送网点所服务的客户,并在此基础上利用基于节约里程算法的遗传算法对该模型进行求解.通过利用公共数据集实验验证设计的CW-GA算法的优越性,发现相较于传统GA,本文算法具有良好的求解性能.利用本文算法仿真分析共同配送前后相关成本的变化以及不同配送模式下的燃料消耗、行驶距离变化,结果表明共同配送能够有效降低物流总成本.     

改进的NSGA-Ⅱ算法的柔性物料搬运策略

针对传统的装配车间拉动式物料配送存在拣货效率低和配送成本高的问题,提出了以搬运机器人为中心的柔性物料配送策略.建立了以完工时间、延期时间、负载和能耗等目标最小化的多目标多机器人协作配送调度模型;并结合模型特点提出了一种改进的非支配排序遗传算法(non-dominated sorting genetic algorithm-II,NSGA-Ⅱ),对算法的流程、编码方法和遗传算子进行了设计和改进.最后以某汽车部件装配车间为例,运用改进的NSGA-Ⅱ算法对所建模型进行求解,并与经典的NSGA-Ⅱ算法进行了对比分析,验证了算法的可行性和有效性.结果表明,改进的NSGA-Ⅱ算法在求解柔性物料配送问题时具有更优的性能.