两端式同轨双车运行模式的货位分配策略EI北大核心CSCD

针对大型工业立体仓库因巷道纵深过长普遍存在存储效率低的问题,提出两端式同轨双车的运行模式,并以存储效率优先原则、结构稳定性原则为评价标准,建立了适用于同轨双车运行模式的货位分配模型。设计了3种多目标生物地理学优化算法,构建了集成多目标生物地理学优化算法获取符合货位分配模型的最优解集,实现了该模式下的货位优化。运用MATLAB进行仿真,结果表明集成多目标生物地理优化算法比3种多目标生物地理学优化算法及标准遗传算法均具有更好的收敛性和搜索效率,可以有效解决两端式同轨双车运行模式下任意规模的立体仓库货位分配问题,且性能稳定,对提高大型工业立体仓库的存储效率及其结构稳定性具有一定的理论指导和应用价值。     

基于自适应细菌觅食算法的立体仓库货位优化

针对自升式穿梭立体仓库中穿梭车无需提升机即可实现跨层移动的运行特点，以该立体仓库模型为研究对象，进行货位优化。分别建立以提高出入库效率、货物分类存放、提高货架稳定性和平衡各巷道穿梭车工作量为优化目标的数学模型，并通过权重系数法将多目标优化函数转化为单目标优化函数。在标准细菌觅食算法的基础上，通过自适应策略对趋化步长和迁徙概率进行动态调整，提出了一种自适应细菌觅食算法，并利用该算法对货位优化数学模型进行仿真求解。仿真结果表明改进后算法的收敛速度提升，自适应改进策略有效，优化后目标函数值降低，货位优化效果显著。研究成果为立体仓库货位分配提供了一个综合、高效的优化方案，同时经立体仓库实际应用也验证了自适应细菌觅食算法的可行性和实用性。     

有货位载重约束的自动化立体仓库货位分配多目标优化方法

针对有货位载重约束的自动化立体仓库货位分配问题,提出了一种多目标优化方法。首先,引入货物系概念,选择按货物系分配货位的方式,初步确定了同种货物的分散程度。基于此构建了一种以出库时间最短、货架稳定性最高为目标的货位分配多目标优化模型。其次,提出并设计了一种非支配排序遗传算法对模型加以求解。算法采用分段整数编码方法对个体进行编码,采用分段交叉和单点变异实现遗传进化。最后,通过案例分析验证了所提方法的有效性。     

基于改进灰狼优化算法的自动化立体仓库作业能量优化调度

针对带有截止时间约束的自动化立体仓库出入库作业调度问题,以调度过程中堆垛机能量消耗为优化目标建立数学模型,并引入相应的惩罚函数。对于入库货物,同时考虑定位存储和随机存储两种入库策略,采用一种最近邻货位选择策略对随机存储货物进行合理货位分配。采用一种改进灰狼优化算法对问题进行求解,算法通过引入融合Lévy飞行的混合个体更新策略和多种群重组策略来增强算法的搜索能力。通过仿真实验验证了改进灰狼优化算法在求解自动化立体仓库出入库作业能量优化调度问题的有效性。     

改进ABC算法求解认知无线网络频谱分配问题

针对认知无线网络中频谱分配问题,提出了一种基于改进人工蜂群算法的多目标组合优化算法。首先将频谱分配问题转换成多目标优化问题,然后利用人工蜂群算法的寻优能力来实现频谱最优的分配方案。其中,在雇佣蜂搜索阶段采用新型杂交算子加快收敛速度;跟随蜂搜索阶段引入一种新的概率选择方式保证种群多样性;侦察蜂搜索阶段利用混沌算子来提高全局搜索能力。最后,通过频谱分配仿真对这里提出的算法进行了验证,结果表明:与其他算法相比,这里算法能够较好地跳出局部最优的束缚,具有优化效果佳、稳定性好、鲁棒性强的优点,可以在满足多个优化目标的前提下获得更合理的频谱分配方案。     

一种基于改进NSGA-Ⅱ的多目标绿色柔性作业车间调度方法

针对多目标绿色柔性作业车间调度问题,建立了以最小化最大完工时间、总负荷和总能耗为优化目标的多目标优化模型,提出了一种带有自适应交叉变异算子和学习机制的改进NSGA-Ⅱ多目标优化算法。该算法通过机器和工序的两级编码机制,使用基于全局、局部和随机选择的非支配排序选择策略得到初始种群;采用具有自适应算子的混合交叉变异策略进行迭代,提高算法的全局搜索能力;引入分布函数来改进精英保留策略提高种群的多样性;通过学习机制进行邻域搜索提高算法的局部搜索能力。最后,采用基准测试算例Brandimarte以及Kacem数据集对算法进行测试,结果表明采用改进的NSGA-Ⅱ算法求解多目标绿色柔性作业车间调度问题具有求解精度高、收敛速度快以及解集多样性好的优点。     

车间多行布局精准建模与多目标优化研究

基于车间布局总物料搬运成本最小和面积利用率最大的设计原则,同时考虑制造车间主干道、功能区横竖放置及自适应行距等因素,建立了生产车间多行直线布局的多目标优化精准数学模型,采用改进的多种群遗传算法(multiple population genetic algorithm, MPGA)进行求解。在求解过程中,采用移民算子联系种群,实现种群间的信息交换和协同进化,研究交叉和变异概率控制参数,以确保全局和局部搜索的精度。实例结果表明,该模型实用性强且求解算法稳定性好、收敛精度高。     

无缝钢管热轧批量调度问题的学习型文化基因算法

针对无缝钢管热轧批量调度问题,考虑生产工艺约束、生产需求优化等因素,以最小化热工具轧辊使用消耗、生产拖期为目标,建立了多目标整数规划模型。分析了无缝钢管批量调度顺序对热工具轧辊消耗的影响,给定了轧制批量顺序下的求解启发式算法,并设计了一种基于多种群进化的学习型文化基因算法。针对目标设计了不同的搜索算子以及算子的自适应学习选择策略来指导种群进化,充分发挥全局搜索和局部搜索能力。仿真实验与常用的带精英策略的快速非支配排序遗传算法和文化基因算法进行了对比,验证了所提模型和算法的有效性。     

工业生产型立体仓库货位分配及优化

以工业生产型立体仓库为研究对象,针对其出入库口多、存储货物重量差异大和出入库频率高等问题进行研究。在常规的存储策略基础上,制定了多目标优化的分区存储策略,根据"上轻下重"、"上低温,下高温"和"COI分配规则"提出了以出入库频率、货物重量差异和货物温度差异等为规则的存储原则。建立了运用该策略进行货物货位优化的数学模型,结合Pareto最优解的概念对多目标优化问题进行了求解,确定了货物的货位分配。通过在某企业立体仓库的应用表明:该存储策略有效解决了货物存储时的条件冲突问题,完成了货位优化分配,实现了立体仓库的节能及高效运行。     

自适应差分进化改进云资源调度

为了解决云制造资源调度与实际制造场景不符、易陷入局部最优和收敛速度过慢的问题,提出了一种基于自适应多目标差分进化的制造资源调度方法。该方法考虑了实际云制造平台资源调度特点,建立了一个具有时序约束及成本约束的多目标优化资源调度模型。针对云制造资源调度特点,对传统差分进化进行改进,提出自适应变异率和交叉率,实现了寻优过程中变异率与交叉率的动态调整,均衡了多目标差分进化全局搜索与局部搜索能力,提高了最优解搜索的精度与速度。实际算例证明了该方法的有效性和可行性。     

自适应多种群遗传算法的换热管清洗路径优化

为提高清洗效率,对糖业蒸发罐换热管清洗机器人定位移动时间进行研究。在分析影响总定位移动时间因素的基础上,以总合成位移为优化目标,以机器人轴运动分辨率为约束条件,建立了以机器人在各换热处构型和换热管清洗顺序为决策变量的清洗路径优化模型。为克服遗传算法早熟收敛,提出一种自适应多种群遗传算法对清洗路径进行优化。针对84根换热管进行仿真实验,结果表明自适应多种群遗传算法优化后总合成位移比标准遗传算法和固定交叉和变异概率的多种群遗传算法所得总合成位移分别减少39.77%和20%,与固定交叉和变异概率的多种群遗传算法相比,进化代数也从1221减少到1142。由此可见,自适应多种群遗传算法在全局搜索能力和收敛速度两方面都取得较好优化效果,优化所得清洗路径为清洗机器人的运动控制提供依据。     

集成多目标遗传算法在货位分配中的应用

根据效率优先原则、稳定性原则建立适合同端式出/入库立体仓库的多目标货位分配模型。基于向量评估、非支配排序、小生境Pareto等理论方法设计了三种多目标遗传算法(MGA)。根据集成学习理论,将若干多目标遗传算法集成,构建集成多目标遗传算法(EMGA),使优化算法适应搜索过程的任意阶段。以某铝厂实际工况进行仿真验证,结果表明,集成多目标遗传算法受问题规模影响小,收敛速度快,较单独其他多目标遗传算法性能更优越,是适用于立体仓库调度研究的高效算法。     

生产车间布局多目标优化及其仿真分析

生产车间设备布局设计是一个组合优化问题,具有非线性、NP-hard等特性。基于车间布局的总物料搬运成本最小和车间面积利用率最大的设计原则,建立生产车间的多目标优化模型。求解该问题时,应用了自适应交叉和变异策略,即对交叉、变异算子进行非线性设计,使交叉率和变异率随种群中个体适应度值的变化而变化。实验结果表明,自适应遗传算法具有搜索速度更快、收敛精度更高等优点,适合在实际生产中应用。     

一轨双机自动化立体仓库货位分配优化研究

以一条轨道两台堆垛机模式的自动化立体仓库货架的货位分配问题为研究对象,引入历史专家知识库,减少堆垛机的碰撞、避让、等待,建立以堆垛机出入库的运行距离最短为目标函数的动态货位分配模型。通过比较动态货位分配方法与货位就近分配策略两种方法,动态货位分配策略减少了一轨双机自动化立体仓库中堆垛机的作业路程,计算验证得出动态货位分配是有效的。     

基于改进NSGA-Ⅱ算法的发动机活塞机构优化设计

为提高发动机活塞机构的运动性能,提出了以最小跟踪误差和传动角与直角的偏差最小为优化目标,建立发动机活塞机构多目标优化模型,引入NSGA-Ⅱ算法对活塞机构进行多目标优化。为提高NSGA-Ⅱ算法的种群的多样性和搜索能力,对交叉算子和变异算子进行改进,应用NSGA-Ⅱ算法与改进算法对发动机活塞机构优化问题进行求解,分别得到各自的Pareto解集,并通过逼近理想解排序法选出最优解进行对比。通过实验对比表明,改进算法的Pareto解集分别更均匀、收敛速度快、跟踪误差更小,能为发动机活塞机构的优化设计提供参考依据。     

铝型材立体仓库货位分配优化

针对铝型材立体仓库存储货物尺寸长、重量大的结构特点,将提高悬臂梁式货架安全性为主要目标,依据入库效率、货架稳定和货架平衡原则确立优化目标,建立了货物入库的多目标货位分配优化模型,并基于模拟退火遗传算法(SAGA)求解模型,获得最优分配结果。通过实例仿真分析,相比于传统的遗传算法(GA)和模拟退火算法(SA),SAGA能更快找到合理货物入库位置,并使得货架两侧悬臂梁受载平衡,有效提高铝型材立体仓库货物的入库工作效率和安全系数。     

[供应链调度]装卸一体化车辆路径问题的自适应并行遗传算法

为了同时实现总配送成本最低、车辆行驶距离最短、车辆数最小等目标,综合考虑车辆指派成本及运输路径成本,建立了装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种自适应并行遗传算法。算法以C-W节约法为基础,设计了三种基于双重需求的启发式种群初始化方法,缩小搜索空间并优化初始解;引入多样性种群和高质量种群的双种群并行策略,实现深度与广度的同步搜索;设计自适应交叉变异操作,改善高质量种群个体搜索停滞,并针对全局最优个体采用特殊变异的后优化操作以进一步提高全局优化性能。采用标准数据集作为算例进行寻优测试,验证了所提算法的可行性和有效性。     

悬臂式货架立体仓货位智能优化

通过分析悬臂式货架立体仓库的结构和存储特点，建立了仓库利用率最大化和仓库稳定性最优化的多目标数学模型，并采用智能算法进行优化分析。仿真试验结果表明了该算法是有效的，也证明了多种群遗传算法比简单遗传算法更适合悬臂式货架立体仓库的货位优化。     

装卸一体化车辆路径问题的自适应并行遗传算法

为了同时实现总配送成本最低、车辆行驶距离最短、车辆数最小等目标,综合考虑车辆指派成本及运输路径成本,建立了装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种自适应并行遗传算法。算法以C-W节约法为基础,设计了三种基于双重需求的启发式种群初始化方法,缩小搜索空间并优化初始解;引入多样性种群和高质量种群的双种群并行策略,实现深度与广度的同步搜索;设计自适应交叉变异操作,改善高质量种群个体搜索停滞,并针对全局最优个体采用特殊变异的后优化操作以进一步提高全局优化性能。采用标准数据集作为算例进行寻优测试,验证了所提算法的可行性和有效性。     

基于入侵杂草算法的WMS货位优化分配的研究

近年来,仓储管理的发展越来越迅速,在物流业中所居的地位也越来越高。仓库的出入库速度是影响仓库效率的重要因素,因此合理的库位分配可以有效地提高仓库的作业效率。针对仓库货位分配策略问题,以相同产品存储相邻位置、提高产品出入库效率、提高货架稳定性为目标,建立了多目标优化模型;然后使用权重系数法将多目标优化模型转化为单目标优化模型;最后分别通过遗传算法和入侵杂草算法来求解该单目标优化模型,并使用Matlab软件进行了仿真实验。对比两种算法的仿真结果可以看出,采用入侵杂草算法可以有效地解决自动化立体仓库的货位优化分配问题。