基于K-means与关键点的组合行李码放算法

目的为了解决当前航空行李码放流程中存在的劳动密集、效率低下的问题,开展行李码放算法研究。方法搭建含有重量、体积和货舱空间约束的航空行李码放数学模型,采用聚类、排序、关键点构建策略,设计一种K-means聚类与"关键点"思想相结合的组合式算法。结果采用100件真实旅客行李数据进行了实验,结果表明算法给出的布局方案规划合理,垛型左右两侧质量之差低于1%,满足了货舱的空间约束与载重平衡约束。结论算法具备在复杂环境下得到优良布局方案的能力,K-means聚类的引入也将机器学习领域的聚类算法引入装箱问题,架起了机器学习算法与传统装箱算法的桥梁,为今后装箱问题算法的设计提供了一条新思路。     

基于强化学习的机场行李装箱优化方法

目的针对因行李随旅客无序抵达而无法提前得知行李尺寸信息的机场行李装箱问题,以行李车的装箱空间利用率为优化目标,提出基于强化学习的行李在线装箱方法。方法首先,根据机场行李装箱的实际情况,建立行李装箱的数学模型;接着,针对行李在行李车内寻找合适装箱位置和姿态的问题,设计行李装箱位置选择方法和装箱姿态评价方法;最后,借助强化学习的"试错"学习模式,通过训练行李装箱模型获得行李在线装箱策略。结果在仿真实验中文中算法的行李车空间利用率能够达到82.9%,计算耗时0.39 s,这2项指标均优于机器学习算法。结论在求解机场行李在线装箱问题上具有较好的实用性。     

基于无监督深度融合机制的货物在线装箱算法

目的 针对当前三维装箱算法存在的模型鲁棒性差、泛化性弱、装载率低等问题,设计一种无监督融合机制的在线装箱算法。方法 充分考虑货物“即到即码”的实时性需求,以容器空间利用率为优化目标,基于无监督深度融合指针网络端到端学习模型框架,将在线三维装箱的码垛过程公式化地表述为马尔科夫决策过程,设计强化学习要素,并以深度强化学习算法为主,融入蒙特卡洛树搜索,对智能体的决策动作进行训练,以生成具有较优“学习”能力的在线三维装箱模型。结果 采用125种不同尺寸和方向随机生成货物数据集,并在7种约束条件下验证,实验结果表明,容器的平均利用率可达84.6%。结论 该算法的泛化性较好,且其装载率远优于当前效果较好的启发式算法、深度学习方法,为货物的在线装箱提供了理论依据及参考。     

基于有限元法儿童座椅包装件的跌落优化分析

目的 针对飞机货舱码垛效果影响因素较多,现有评价方式过于单一等问题,从行业应用的角度,提出一种货舱码垛效果综合评价方法。方法 选取货舱填充率、码放效率及重心偏移量等为评价指标,综合利用主客观权重赋值法的优点,将AHP法与熵权法相结合,计算得到各指标综合权重值,建立货舱码垛效果分级的模糊综合评价模型。结果 通过对6组货物码放垛型进行实例计算和对比分析得出,第5组码放垛型综合效果最佳,与原始信息一致,表明该模型对飞机货舱码垛评价效果合理可靠。结论 提出的评价模型有效解决了多因素情况下的码垛效果评价问题,为飞机货舱码垛提供了理论依据。     

单一尺寸长方体三维装箱问题的一种求解算法

目的研究单一尺寸长方体物品的三维装箱问题,即在一个给定的箱子中装入尽可能多的单一尺寸长方体物品。方法采用分层装载方案简化装载操作,首先运用动态规划技术确定所有层中长方体物品的排列方式;然后求解一维背包问题确定箱中层的最优组合,得到最优装载方案。将文中算法与文献中三维装箱算法进行对比。结果文中算法生成的装载方案箱体空间利用率由文献中三维装箱算法的98.10%提高到了99.14%。结论文中算法可以在合理的时间内得到装载操作简单、箱体空间利用率较高的装载方案。     

面向多点卸货的箱柜类货物的装箱策略研究

目的为解决箱柜类大件货物装箱过程中存在的效率低下、物流成本高的问题,对箱柜类货物的装箱问题展开研究。方法以功能沙发为例,分析箱柜类货物装箱的常见约束条件,搭建含有体积、重量、摆放方向、装箱顺序的约束的货物码放数学模型,提出一种改进遗传学算法用于数学模型的求解。结果以45件功能沙发的实际数据进行装箱实验,结果表明算法得出的装载方案合理,在满足箱柜类货物装箱约束的条件下,对货箱的空间利用率达到75%以上。结论算法对箱柜类大件货物的装箱能够快速得出合理的装箱方案,为复杂情况下货物的装箱提供了一条解决思路。     

基于机器视觉检测的码垛机器人控制系统设计

目的为了提高码垛机器人对码放物品的自我分辨能力,提高码放效率,提出一种基于机器视觉检测的包装码垛机器人控制系统。方法首先分析机器视觉码垛机器人工作过程,基于工业控制计算机和图像采集卡设计码垛机器人控制系统,提出控制系统的硬件设计和软件设计。同时对机器视觉采集到的图像进行滤波、分割等图像处理,以提高机器人的视觉检测效率。结果实验结果表明,机器视觉码垛机器人的漏抓率为0,误抓率小于0.5%。结论该控制系统有效解决了规则物品的分类码放,实现了高效的物品码放。     

考虑装载顺序约束的航空货物装箱问题研究

目的 以航空货运背景下流水线上货物的装箱问题为研究对象,旨在最大化地利用集装箱装载空间.方法 在考虑货物装载顺序、质量、体积、不重叠、稳定性等一系列现实约束的条件下,建立集装箱堆码模型,设计一种拟人启发式与遗传相结合的组合启发式算法.首先通过设定规则并赋予权重,得到有序可放置点集合,采用拟人启发式算法构建货物装载策略,得到初始装箱方案;然后通过遗传算法中的交叉、变异操作对方案进行寻优,在可行方案中选出集装箱空间利用率最大的装箱方案;最后采用某机场物流公司的实际货物数据进行实验,并实现装载方案的可视化.结果 相较于混合模拟退火算法,组合启发式算法收敛性好,搜索速度快,能够在较短的时间内得到空间利用率较高的装载方案,货物垛形规划更为紧凑,稳定性更高.结论 所提算法对于不同种类的货物有着更好的适应性,能够实现强异构货物的合理布局,保证了货物装载过程中垛形的稳定性,可为航空货物装箱问题的工程应用提供参考.     

基于多种群遗传算法的液压系统PID参数寻优

目的 为了解决目前航空行李自助托运过程中采用手动贴标而造成效率低的问题,实现行李托运的全过程自助服务,提高行李的托运效率,提出并设计一种面向航空旅客行李的自动贴标系统。方法 在机械设计方面,根据行李贴标要求和机场环境因素,设计一种纯电动驱动的行李自动贴标机,利用滚压法完成标签的粘贴;在控制方面,通过分析贴标流程,提出一种以单片机和PC机为核心的行李自动贴标控制系统,并进行相应的软件设计。结果 通过实验验证,设定系统的贴标压力值为10 N,精度为±1 N时,贴标机对不同材质的行李箱均能实现稳定粘贴,且贴标效果良好,能够满足功能需求。结论 行李自动贴标机能完成对多数不同材料、大小行李贴标的任务,显著提高了行李托运的效率,具有一定的实际应用意义。     

基于分组策略的多目标三维装箱算法

目的 针对现有三维装箱算法优化目标单一、优化效率低的问题,提出适用于求解大规模货物装载问题的多目标装箱算法,以提高装箱规划效率,确保货物运输安全。方法 考虑5种现实约束条件,以体积利用率和装载垛型重心偏移量为优化目标,建立多目标货物装载优化模型。采用拟人式装箱对货物进行预分组,减小决策空间,然后结合分组信息与装箱算法生成初始解;引入数据驱动的装箱交叉算子提高算法收敛性;设计多策略变异算子提高算法结果的多样性。结果 以公共数据集和真实航空货物数据作为实验数据进行实验。实验结果表明,在满足多种约束条件下,集装箱装载强异构货物平均体积利用率达到92.0%,重心位置空间偏移从20 cm减少到7.5 cm,并且算法运行时间减少了73.5%。结论 本文所提算法应用于求解大规模多目标三维装箱问题,提高了装箱质量和效率,可为三维装箱算法的工程应用提供参考。     

基于改进粒子群算法的航空行李在线装载优化

目的 为解决航空行李自动装卸中关键装载算法问题,实现航空行李自动装卸,同时满足流水作业的实际需要.方法 基于关键点装载策略,提出一种以装载空间利用率为优化目标,考虑行李质量、体积及装载顺序等约束条件的改进粒子群算法.首先,通过关键点法输出流水线上待装载行李的全部可放点序列,然后根据约束条件重新定义粒子群算法的速度与位置,以空间利用率为适应度函数进行迭代寻优,输出全局最优解,实现对装载位置与姿态的优化.结果 实验部分采用真实行李数据对算法进行仿真验证表明,改进粒子群算法优化后可将箱体空间利用率提高了10.8％,平均规划布局效率提高了26.5％.结论 提出的装载算法能够有效地解决实际行李装载问题,为行李流水作业的货物装载提供理论依据及参考.     

考虑预分配策略的航空货物多箱装载优化

目的为了解决当前多数装箱算法未考虑装载顺序约束,不能有效解决航空货物装载的实际应用问题,开展多箱装载优化算法研究。方法首先采用K-means算法对货物进行预分配,将聚类簇特性相同的货物分配到同一个集装箱;然后利用极点法得到极点序列,结合遗传算法进行寻优产生各集装箱的布局方案。结果对某机场物流公司的160件货物数据进行实验,并与连续性策略进行比较,证明了含预分配策略的极点装载法能够有效避免个别集装箱利用率偏低的情况,并将集装箱利用率的总体方差降到0.51。结论算法在考虑货物装载顺序约束的情况下,在多箱装载优化中能实现货物的合理分配,具有较好的工程应用性。     

基于非线性规划的包装箱组托优化设计

目的以相同规格包装箱为研究对象,求解包装箱组托码放规则的最优化方案。方法以H2DPP模型为基础,采用块启发式算法,建立非线性规划模型,利用Lingo软件求解最优码放数量及各决策变量值。结果在托盘规格一定的情况下,包装箱规格越大,目标函数值越小;托盘长宽与包装箱长宽分别成整数比时,迭代的次数要远小于其他情况。结论利用Lingo软件求解非线性规划组托模型,用时不超过0.05 s,该方案更高效、准确地解决了流通过程中包装箱的组托问题,实现了组托方法的最优化。     

基于注意力分配的儿童教育类APP界面布局优化策略研究

目的 为解决现有儿童教育类APP界面布局设计缺乏针对性的问题,提出基于注意力分配的界面布局优化策略。方法 通过眼动实验收集了20名被试者浏览应用程序界面活动中的眼动指标,提取了各区域的注视总持续时间、首次注视时间、首次注视持续时间共3项注视类指标,并统计分析了被试者的注意力分配情况及影响因素。结果 儿童在屏幕上半部分的中间区域注意力分配最集中;颜色和背景对儿童注意力分配存在影响但不会造成反差性结果;注视总持续时间与首次注视时间存在负相关性。此外,对被试者的移动终端操作水平进行了评估,并分析得到其操作水平与注意力分配情况无相关性。结论 通过实际案例验证表明,基于儿童注意力分配情况优化界面布局,可使重要信息或内容有更高的机会被阅读,最大限度地传递信息,提高信息接收效率,以此为儿童教育类应用程序界面布局优化提供参考。     

A non‐iterative algorithm based on Richardson's extrapolation. Application to groundwater flow modelling

In this report, a promising third‐order algorithm based on Richardson's extrapolation and Crank–Nicholson's method is studied. The algorithm, having a wide scope for applications, was initially intended to be used for time integration on non‐linear advection–diffusion problems. Then stability, low oscillations and low additional diffusion become important numerical properties. It is shown that this method, using three single steps for extrapolation, is very close to be unconditionally stable. Under the previous requirements it behaves essentially as well as Crank–Nicholson's scheme but with a better performance, at least in relation to spurious oscillations, and perhaps not so good for dispersion properties. In addition the method is third‐order accurate, and provides useful information related to time integration error to be used for time step control. These features indicate that the algorithm is a good candidate to efficiently solve problems with significant variations in time. Additionally, its non‐iterative version saves important amounts of CPU time, specially for applied 3D modelling. To illustrate the good performance of the algorithm we include several tests comparing it with Crank–Nicholson's scheme, and a 2D application to variably saturated groundwater flow modelling. Copyright © 2005 John Wiley & Sons, Ltd.