考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型

针对自动化集装箱码头水平运输系统的调度优化,提出一种自动引导车(AGV)动态路径规划策略,即在多AGV系统路径生成的同时进行动态路径优化.从AGV运输作业时间角度,建立考虑拥堵的多AGV路径优化模型,优化AGV路径方案.为求解模型,设计了基于动态路径规划策略的多种群蚁群算法,并对模型与算法的有效性进行验证.结果表明:基于动态路径规划策略可以对路径规划过程进行动态控制与优化;同时,考虑拥堵因素可以有效地解决水平运输路网中的拥堵问题,提高运输作业效率.     

运用蚁群算法解决物流中心拣货路径问题

研究了运用蚁群优化算法解决物流中心拣货路径问题,并与传统的基于穿越策略的拣货路径策略做比较.执行结果显示以蚁群优化算法解决物流中心仓储拣货作业,可明显减少拣货路径的距离及拣货时间,提高物流中心的作业效率与服务水平.     

AGV系统路径规划时间窗模型及算法

针对双向单车道的AGV(automated guided vehicle)系统作业场景,考虑到AGV车辆行驶过程中直线和弯道的速度差异,以最小运行代价和优先级相结合为任务生成策略,构建了避免冲突的AGV系统动态路径规划的时间窗模型及其算法流程,为运行总成本最小约束下智能物流和自动化仓储系统中多台AGV协同作业的动态路径规划问题提供了有效方法。经过案例验证,该算法能够有效规划系统中多台AGV协同作业的路径,使系统运行的成本最低,降低仓储系统运行的总成本。     

基于拣货单排序的货物动态协同与路径联合优化研究

为提高拣货作业效率,提出了一种“路径优化-货物动态协同-拣货单排序”的循环拣货策略,设计了嵌套GASA算法进行求解。算例表明：在5、13、54张不同规模的拣货单条件下,相比于传统拣货策略,本文提出的排序协同拣货策略分别节约拣货时间12.8%、17.9%、24.7%,拣货路径节约了16.7%、23.8%、39.7%;相较于动态拣货策略,拣货时间分别节约5.13%、12.05%、15.69%,拣货路径节约了6.69%、16.02%、24.20%。随着拣货单数量的增加,节约的时间和距离越多,优化效果越明显。本文所提模型和方法为大批量拣货问题的优化提供了思路。     

考虑倒箱操作的AutoStore魔方型仓储系统自动引导车双层路径规划

新兴魔方型仓储系统AutoStore中,用于存放货物的料箱垂直堆放在相互拼接但独立的货格内,AGV除了要搬运目标料箱外,还需负责目标料箱上部阻碍箱的倒箱操作,且活动范围从二维平面扩大到三维空间,均增加了路径规划的复杂性。为了降低路径规划的复杂性,在分解作业流程的基础上,通过建立AGV双层路径规划模型的方法：内层模型以阻碍箱落箱位为决策变量,最小化单个目标箱的倒箱时间;外层模型将内层模型所得倒箱时间为输入参数,优化目标为最小化AGV完成任务时间。通过提出嵌套式启发式算法,将倒箱路径寻优嵌入多AGV多任务路径分配中。研究了不同规模算例,证明了本文所给方法的有效率和适用性;且仓储规模增大后,目标箱分散度增加, AGV作业时间大幅度增加;AGV数量和作业时间负相关;仓储率提高会增加倒箱几率,增加作业时间;目标箱数目变化与AGV作业时间正相关。结果证明在求解效率方面,主要受目标箱随机生成位置和仓储率影响,但绝对值也仅在10秒左右。     

配送中心动态分区拣货系统优化设计

主要讨论配送中心分区拣货系统中的拣货策略,目标是最小化总拣货时间.由于为NP-难问题,所以在常见的静态分区拣货系统的基础上提出动态分区拣货策略,通过订单拣货顺序的优化及拣货员所在分区的动态分配,提出了“排序-动态分区-平衡”思想,设计启发式算法并对算法性能进行了测试,使分区间等待时间减少,提高拣货效率.     

基于人工鱼群算法的多区型仓库人工拣货路径优化研究

拣货作业是仓库核心作业之一,占据着仓库大量的时间成本和资金成本。为了提高拣货作业效率,降低拣货成本,本文研究了多区型仓库拣货路径的优化问题。基于TSP对拣货路径建模,利用人工鱼群算法对路径问题进行求解,并与H仓库采用的"U+S"型启发式策略进行对比。案例分析的结果表明,人工鱼群算法设计的拣货路径缩短路程约20%,具有良好的实用性。     

基于GASA算法的成品燃油战时公路配送路径优化

为了实现配送的路径优化,结合战时极其重要的物资--成品燃油,提出了多属性道路网络下成品燃油战时配送的路径优化问题.综合考虑战时配送VRP(vehicle routing problem)的多个评价目标,基于重要性的多目标分层优化思想,分析建立了问题的完全分层优化模型.将进化算法和传统优化技术相结合,构造了模型的两层求解算法,第一层采用遗传算法和模拟退火算法混合的GASA(genetic simulated annealing algorithms)算法,第二层采用枚举法.实验表明,所构造的算法较标准遗传算法更有效.     

基于混合遗传算法的多拣货小车路径规划研究

仓库的路径规划通过优化拣货小车行走路径,减少拣选时间,提高分拣效率,是影响仓库拣选的关键环节。文章基于分拣仓库模型,以最小化最大搬运完成时间为优化目标,建立多车路径规划模型。考虑到该问题是NP-难的,设计基于遗传算法与A^*算法的混合遗传算法(hybrid genetic algorithm, HGA),并通过仿真实验和问题参数分析,验证HGA的稳定性、可扩展性和高效性。实验结果表明,HGA优化后相比于优化前最大可节约31.56%的时间,在解决分拣仓库中的路径优化问题上有良好的稳定性、可扩展性和高效性。     

基于鱼骨型仓库的拣选路径问题优化

为提高鱼骨型仓库布局下的订单拣选效率,基于拣货路径距离计算模型和以最小化拣货路径总距离为优化目标的拣选路径优化模型,提出一种混沌模拟退火粒子群优化算法,引入混沌理论使粒子更高效地遍历搜寻空间,同时结合了模拟退火算法的概率突跳特点使算法在迭代后期仍具有较好的全局寻优能力.最后,通过实例仿真验证了该算法在解决鱼骨型仓库布局拣选路径优化问题上的有效性,并通过与其他算法比较,证明了该算法的先进性,为鱼骨型仓库布局下拣选路径规划问题提供了新的解决思路.