考虑模糊需求的多式联运路径优化

多式联运可有效降低物流成本,提高物流效率.本文构建了基于运量不确定的多式联运网络规划,以节点作业时间窗和运输时限客户满意度为约束,建立了以总费用最低为目标的多式联运路径优化模型,从运输路径和运输方式两个维度选择广义最短路径.应用Lingo 12.0实现模型的求解,实验结果表明了多式联运相较单一运输方式在运输时间与费用上的优越性,并应用灵敏度分析法,对比了仅考虑运输时限约束时客户满意度的变化,展示了运量的不确定性及运输弧与节点能力对路径规划产生的影响,揭示了客户满意度、网络能力、运输路径与费用等因素的相互关系,验证了所建模型的合理性.     

时变路网下电动汽车冷链配送路径规划研究

在双碳背景下,电动汽车已在物流行业快速普及.在满足生鲜品的新鲜程度、车辆限载及电动汽车的电量限制等约束条件下,将电动汽车充电过程所产生成本纳入目标函数中,构建了时变路网下带软时间窗的电动汽车多温共配路径优化模型.根据该模型的特点,引入K-means聚类对客户进行聚类,同一聚类单元内设计免疫遗传算法,得到启发式路径优化方案.实验结果表明,根据顾客的需要及时变路网特性,合理安排运输规划与配送路径,保证了生鲜品运输的时效性;采用电动汽车多温共配的运输方式进行运输,运输成本更加低廉、过程更加节能,提高了企业的经济效应.     

多式联运的最短时间路径-运输费用模型研究

随着经济的迅速发展，单一的运输方式越来越不能满足来自客户的敏捷制造、快速响应市场、物流供应链管理等诸多方面的需求，多式联运为之提供了良好的解决方案；多式联运运输网络考虑了节点间的运输时间、节点处的运输方式转换时间以及可能发生的货运延迟；给出了多式联运下的路径最短时间模型，并根据求得的最短时间路径提供了相应的运输费用模型，为多式联运的相关研究工作提供了理论基础。     

地下物流多级节点选址的双层规划模型

地下物流系统逐渐成为缓解城市交通问题的新思路,其中地下物流节点选址是其中的关键问题。利用分级配送的原则,首先基于聚类算法依据货物需求情况对城市进行区域划分。然后,在保证地上交通畅通的情况下,构建了基于双层规划的多级地下物流节点选址优化模型,并利用模拟退火-贪心算法求解一级、二级物流节点位置及各节点间可运输的最大货运量。最后,通过分析算例,验证了该地下物流多级节点选址模型的正确性和实用性。     

灾区物资运输最优路径规划及调度方案

灾区应急物资运输非一般的物流活动,具有弱经济性,讲究时间的紧迫性．本文针对汶川“5·12”地震,建立了最短路数学模型,运用Dijkstra算法求解供应点到各需求点的最短距离及路径,将实际问题简化,再以总的应急时间最短,建立物资调度的线性规划模型,由模型求解结果得到具体运输方案,并通过模拟仿真说明该模型的具体应用．     

区域性煤炭运输节点的优化

针对当前我国煤炭行业物流诸多现实问题,尤其是煤炭运输通道规划合理化问题,通过对煤炭物流客户的需求量、运输距离及多式联运等信息的分析,并在对煤炭配送中心选址的重要性、合理性及其煤炭调运成本的影响因素的研究之后,文中运用煤炭配送中心合理的选址优化模型与配送成本优化模型等优化方法,实现煤炭运输成本最小化,以达到优化区域性煤炭运输节点的目的。煤炭配送中心合理的选址优化模型与配送成本优化模型的科学性和有效性也经过实验证明其应用的实际价值,为我国煤炭运输通道合理化的建设提供理论和技术支持,也有为我国煤炭运输通道的未来发展提供了指导性的意义。     

厂内甩挂运输中车辆同步调度问题及求解

为了提高大型制造企业厂内运输中车辆的使用效率,文章提出了一种新的甩挂运输调度方案。综合考虑厂内运输任务的特点和空挂车的调度需求,设计了牵引车、空挂车、重挂车在同步调度下的运输方案,建立了带硬时间窗的牵引车、挂车同步调度模型;根据空挂调度和重挂调度设计了求解牵引车挂车路径问题的禁忌搜索算法,设计基于贪婪算法的车辆选择策略用于作业序列的解码;最后通过求解某钢铁企业厂内甩挂运输网络算例,验证了牵引车、挂车同步调度模型的正确性和算法的有效性。     

可重组制造系统中物流运输路径规划

在分析可重组制造系统物流布局的基础上,根据物流运输网络的空间分布特征,提出了一种动态的AGV(自动导引小车)路径规划方法.利用图论,构建了AGV路径规划的有向图网络模型,采用机床相对位置矩阵、距离矩阵以及阻塞系数来描述车间环境信息,通过系统的重组,有效缩短运输距离.针对物流运输动态路网的变化,把整个运输网络划分成不同的子路网,动态地优化变化附近运输节点所在的子路网,从而较迅速地得到最佳运输路径.仿真结果表明了该方法的有效性和快速性.     

救灾物流配送路径决策研究

根据救灾应急物资运输调度的约束条件,构建具有多品种物资的混装模型,提出一种救灾物流网络配送路径决策方法.应用Matlab工具编写程序,实现基于遗传算法的救灾物流网络配送路径决策方法,并进行了算例验证.结果表明,该方法可以快速有效地确定救灾物流配送方案,解决了总运输成本最小的车辆路线优化决策求解问题.     

山区公路与货运索道联合路径规划方法

输电线路施工物料运输路径规划是地形复杂地区输电线路架设的基础工作，该路径一般由公路运输路径和索道运输路径组成。基于数字高程模型和Dijkstra算法提出了一种索道-公路联合物料运输路径规划算法。通过基于抛物线的空载索道运输路径快速搜索方法，实现了基于悬链线的负载索道运输路径优化，在此基础上采用Dijkstra算法实现最佳公路运输路径搜索，从而实现公路运输和索道运输路径的协同规划。将该算法应用到某待建特高压输电线路铁塔的物料运输路径规划工程问题中，验证表明该索道-公路联合路径规划有效缩短了输电线路物料运输路径设计周期，提高了施工物料运输的效率。     

基于BD和QR码的AGV研究与设计

全面研究和设计了基于BD和QR码的AGV系统,采用了北斗导航高精度差分定位、视觉识别QR码的室内外导航平滑切换等联合导航技术,开发出具有全程无人运输、路径智能规划及避障及调度等功能的无人引导运输装置,并成功应用于仓储库直接的货物运输。     

大数据云存储下海量数据传输完整度控制技术

为确保大数据云存储下海量数据传输的完整度,提出了一种基于属性特征匹配和关联规则的海量数据传 输完整度控制方法。构建海量数据的属性特征高维重组模型,得到关键信息的特征分布状况,据此设计海量数 据的关键信息存储分布结构模型,采用关联规则方法进行海量数据的关键信息特征挖掘提取,利用关键信息进 行海量数据的特征分析和数据聚类处理,采用属性特征匹配方法设计海量数据关键信息存储节点后,利用模糊 减法聚类对关键信息存储节点进行聚类处理,在海量数据传输中,以数据关键信息存储节点传输的完整度实现 海量数据的传输完整度控制。仿真结果表明,采用该方法进行海量数据传输完整度控制,能提高云存储下的空 间利用效率,数据传输完整度高。     

车间多载自动导引车绿色物流调度

随着现代制造业的飞速发展,企业在生产效率和生产能耗方面有越来越高的要求,智能生产车间的自动化程度逐渐提高。主要研究作业车间自动导引车(automated guided vehicle,AGV)的智能绿色物流调度问题。首先,建立以降低AGV能耗和最优AGV路径为目标的AGV物流调度优化模型;然后,提出一种以任务排序为约束的改进遗传粒子群算法;最后,以某针织车间的实际物流调度为例对文中方法进行验证。计算结果表明,文中提出的AGV物流调度模型能够较好地模拟AGV绿色调度耗能问题,提出的改进遗传粒子群算法具有较快的收敛速度和较好的寻优能力。     

移动机器人全局动态路径规划融合算法

针对移动机器人全局动态路径规划效率较低的问题,提出一种基于安全A^*算法与双速度模型动态窗口法的全局动态路径规划融合算法.首先,通过安全A^*算法得到全局最优路径节点,将其作为临时目标节点,为动态规划提供全局信息,避免出现局部最优.然后,采用时间序列Bottom-Up算法减少路径节点数,从而减少迭代次数、计算代价和储存代价,提高算法效率.最后,采用双速度模型对动态窗口法进行改进,通过避障重规划机制,解决全局动态路径规划时移动机器人绕远甚至绕圈的问题,并通过MATLAB平台进行仿真实验.仿真结果表明：文中算法的规划效率可提高46.18%,保证了路径的安全性和移动机器人速度的平稳性,文中算法的路径质量和规划效率更佳.     

基于A*算法优化的无人水面艇路径规划

为了解决A*算法在无人水面艇路径规划中无约束条件导致的安全问题,提出一种对A*算法的搜索优化和平滑优化方法。首先,对电子海图数据中的海洋环境信息进行提取,采用栅格法建立路径搜索空间的海洋环境模型,并使用坐标对栅格统一编号;其次,引入安全距离约束对A*算法进行搜索优化;最后,通过引入转向角约束,消除冗余节点达到平滑优化的效果。实验结果表明,通过对A*算法的优化处理,提高了无人水面艇路径规划的安全性,满足无人水面艇在复杂环境中全局路径规划的需求。     

无线传感器网络基于节点调度的双簇头路由协议

为了延长无线传感器网络的生命周期,提高节点能量利用率,将分簇与节点调度相结合,提出了一种基于节点调度的双簇头的路由协议.该算法利用节点调度实现网络中冗余节点查找,减少分簇时活跃节点;考虑节点和基站的距离及能量,优化选择主、副簇头,副簇头优先选择冗余节点.主簇头用以收集和融合簇内节点的信息,副簇头负责与基站进行通信.仿真结果表明,新算法能有效节约网络能量、平衡节点能耗、延长网络生存时间.     

基于改进量子进化算法的末端配送任务动态分配模型

大多数物流快递企业的配送业务末端会按照固定的配送服务区进行配送任务分配,无法针对变化频繁、分布不均的动态配送需求进行合理的配送资源设置,造成了各个末端配送节点工作负荷不均衡的现象,并进一步导致了配送调度管理混乱等问题。针对末端配送任务分配问题建立了一种考虑配送成本,资源利用率以及工作量配比差异的配送任务分配模型,对量子进化算法进行改进。对此问题求解,提出采用量子群稳定度作为算法退出判定条件,来避免算法的早退与无效迭代问题,并引入量子变异与淘汰机制,加强了算法对可行解的搜索能力。实验结果表明,与按配送区进行分配的方案相比,算法给出的方案有效缓解了配送任务分配不均的现象,同时也有效降低了总体配送成本。相关模型和算法可以根据动态的配送需求合理地分配各个末端网点的配送任务,有助于配送业务的下一步配送路径优化和科学调度。     

无人机航迹规划常用算法综述

为促进航迹规划技术的发展,对航迹规划常用算法进行综述。首先对航迹规划的规划思想和构成进行分析; 其次将航迹规划算法分为传统经典算法和现代智能算法两大类,对其中几种常用算法进行分析总结; 最后阐述现代智能算法在航迹规划应用中的改进、多重算法的融合改进以及多无人机四维航迹规划算法研究3 个研究热点及未来发展趋势。     

基于改进粒子群算法的城市物流无人机路径规划

城市物流无人机路径规划是无人机任务规划系统的一项核心内容。为安全、高效实现物流无人机路径规划问题,首先,采用栅格法进行环境建模,考虑无人机性能限制,以路径长度最短、无人机高度变化以及栅格危险度最小为目标,建立多约束物流无人机路径规划模型。其次,针对传统粒子群算法存在的问题,引入Singer映射改进粒子初始分布、线性调整加速因子和最大速度,粒子位置新更新策略,及动态调整惯性权值,应用改进的粒子群优化算法求解模型。最后,进行了算例仿真分析。当栅格粒度取5米,路径节点取5个,代价函数权值分别取0.1、0.4和0.5时,与其他4种算法相比,本文算法总代价值最佳,分别减少44.5%、3.5%、42.8%和30%。结果表明,本文的模型与算法用于无人机路径规划是可行的和有效的。     

Multi-objective optimization sensor node scheduling for target tracking in wireless sensor network

Target tracking in wireless sensor network usually schedules a subset of sensor nodes to constitute a tasking cluster to collaboratively track a target.For the goals of saving energy consumption,prolonging network lifetime and improving tracking accuracy,sensor node scheduling for target tracking is indeed a multi-objective optimization problem.In this paper,a multi-objective optimization sensor node scheduling algorithm is proposed.It employs the unscented Kalman filtering algorithm for target state estimation and establishes tracking accuracy index,predicts the energy consumption of candidate sensor nodes,analyzes the relationship between network lifetime and remaining energy balance so as to construct energy efficiency index.Simulation results show that,compared with the existing sensor node scheduling,our proposed algorithm can achieve superior tracking accuracy and energy efficiency.