求解集装箱装载问题的混合蚁群模拟退火算法

目的 针对物流行业中存在的大规模、复杂、多规格货物的集装箱装载问题,提出一种基于塔装载启发式算法、二维装载点启发式算法、蚁群模拟退火算法的混合算法。方法 首先,采用塔装载启发式算法将三维待装箱装载成塔集,即将三维装箱问题降为二维装箱问题,有效降低集装箱的装载规模;其次,蚁群算法通过融入信息素选择更新策略,并利用自适应信息素挥发系数来提升算法整体的收敛速度,同时结合模拟退火算法对每代优秀路径集进行局部搜索,避免算法因收敛过快而陷入局部最优;最后,将蚁群模拟退火算法与二维装载点启发式算法相结合,优化每座塔的装载顺序和放置姿态,寻找最优的装载方案。结果 实验证明,在250组算例中,采用混合算法后,集装箱的平均空间利用率为90.92%,优于其他3种对比算法。结论 设计的混合蚁群模拟退火算法适用于解决大规模集装箱装载问题。     

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。     

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。     

散套装货物混合装载问题优化算法及其可视化

针对具有七种现实约束的散货和套装货物混合三维装箱优化问题,采用树搜索策略,以空间切割、货物组块及装载套数迭代法为基础,在考虑装载的套装、摆放方式、放置稳定性、承重级别、优先级、载重、重心等约束条件下,构建了一种启发式搜索迭代算法。通过实际算例,分别计算了套装约束下和无套装约束下的装箱优化结果,并利用所开发的软件给出了3D装箱效果图,发现该算法可保证套装货物成套装载,且空间利用率可达90%以上,验证了算法的有效性和实用性。     

配载约束下双向搜寻节点的车辆路径问题

目的 研究三维装箱约束的车辆路径问题,即在给定车辆中尽可能多地装入货物且保证车辆行驶路线最优。方法 提出基于双向搜寻路径节点规则的智能水滴节约算法来求解车辆路径问题,并采用基于虚拟组合块的启发式算法来求解装箱问题。结果 通过数值算例检验,混合算法使车厢的平均空间利用率达到了76.14%,并确定了最优行驶路线。结论 基于双向搜寻路径节点规则的智能水滴节约算法可找出最优的行驶路线,而基于虚拟组合块的启发式算法也能合理放置货物,得出较优的装载方案。     

基于启发式算法的单航空集装器的装箱优化设计

目的 为了解决当前航空业因航空集装器上货物的组装编排均由人工完成,尚无任何软件系统可以实现自动计算,造成航空货运经济效益和时效性低下的问题,开展航空集装器（ULD）装箱算法研究。方法 应用先进的贪心算法与遗传算法相结合的启发式算法研究单个航空集装器的装箱最优问题。结果 对单个航空集装器（ULD）装箱进行了装箱模型构建和算法优化,使得节省的航空集装器空间得到全部利用,实现最优装箱。结论 文中算法计算出的装载方案较人工计算更精确、更具稳定性,且经济效益更高。后续还有望把这种算法转化为高度智能化的软件系统,对航空货运自动化和工作流程标准化具有一定的推动意义。     

基于改进遗传算法的航空集装箱装载优化

目的 为保证货物在运输中的平稳性与安全性,优化航空运输中集装箱的装载布局问题,提出一种改进遗传算法并开展航空集装箱装载应用研究。方法 考虑货物装载的7种现实约束条件,以集装箱体积利用率为优化目标,建立航空集装箱多箱装载优化模型。采用三段式实数编码随机产生初始种群,并加入最优个体保护策略增强遗传算法的全局收敛性,结合不同约束条件构造合理的适应度函数。结果 以真实航空货物信息作为实验数据,实验结果表明在满足多种现实约束的条件下,集装箱体积平均利用率由优化前的74.07%提高到83.99%,装载件数明显增加,适用于航空集装箱的运输装载。结论 算法能够应用于航空集装箱装载运输中,为航空运输业实现智能化装载、提高运输效率创造了条件。     

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。     

求解复杂集装箱装载问题的新方法

提出了一种求解复杂集装箱装载问题的新方法，该方法将求解复杂装箱问题分成两步：首先，根据一定的启发式规则将集装箱进行体积最大化装载，并在深度方向根据货物将空间分层；然后，用遗传算法将各层进行重心位置最优化调整，使装载方案更加符合实际运输需要。实际应用结果表明，该方法在空间利用率、重心位置以及计算效率等方面都优于其他同类方法。     

基于改进遗传算法的三维单箱装箱问题研究

集装箱装箱问题属于NP(Non-Deterministic Polynomial)问题,为提高集装箱的空间利用率,降低物流配送的成本,合理的装箱方案是必不可少的。针对三维单箱装箱问题,提出一种基于改进遗传算法的人工智能算法,用来实现所建立的优化模型。结合实际装箱问题,分析装箱问题的约束条件,建立数学优化模型,通过将目标函数作为适应度函数和遗传操作中采用排序选择法、部分匹配交叉来实现对传统遗传算法的改进。最后,通过MATLAB编程实现该优化模型的求解,实现了集装箱装载效率的提高。     

航材包装单元多隔层集装箱装载优化研究

目的 通过对装载模型开展研究,提高航材包装单元在组合式多隔层集装箱中的装载率,为部队进行集装箱装载工作提供技术方法。方法 依据待装载航材包装单元和集装箱尺寸,分析集装箱内部的分割方案,考虑装载容积、载质量、底面积和装载重心等约束条件,综合空间利用率和载质量为目标函数,建立数学模型,并利用遗传算法对每种分割方案进行优化计算,确定最佳的分割与装载方案。结果 以26个航材包装单元待装入B9型组合式集装箱为例,最优的装载方案是将集装箱内部分割成3层,16个航材包装单元被装入,空间利用率达到86.25%,装载后集装箱的稳定性良好。结论 该模型能有效优化航材包装单元的装载方案,提升组合式集装箱的装载效率,对加快军用物资的输送具有重要意义。     

基于启发式算法的在线多尺寸行李码放问题求解

目的 为了解决目前大部分三维装箱算法无法求解航空运输背景下机场托运行李在线码放的问题,开展在线托运行李码垛算法研究.方法 首先,基于实际应用环境提出一种全新的码放顺序约束以及在线多尺寸行李码放数学模型.然后,设计一种有别于传统在线问题一次仅获取一件物品信息的规则,通过改变获取行李信息三维相机的位置,从而提前获取更多的行李信息,提出每次获取K个行李尺寸信息,并构建组合式码放策略的在线启发式"填充点"算法.最后,采用每次获取3件真实机场托运行李信息进行仿真和实验.结果 结果证明,算法给出的码垛布局方案不仅可以确保在线状态下不同类型尺寸托运行李的高效码放,且优化后的算法可获得84.86％的填充率,同时具有良好码放稳定性.结论 算法给出的码垛布局方案合理,有较好的填充率,为此后航空运输背景下在线三维装箱问题的算法设计提供了一个新方向.     

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。     

车辆战术储备器材包装单元装载优化研究

目的通过对车辆战术储备器材包装单元化装载问题展开研究,为提高部队车辆战术储备器材包装单元装载能力提供技术与方法依据。方法分析装载优化模型的空间、质量、装载平衡和摆放稳定性等主要约束以及约束的处理方法,运用启发式算法对模型求解流程进行合理设计,并提出启发式算法和遗传算法相结合的混合遗传算法,以托盘装载为例说明具体装载过程。结果算例结果表明,托盘空间利用率达到了98.3%以上,装载单元集装稳定性高。结论该算法可减少装载容器数量,提升容器装载能力,优化器材包装单元装载,对提高车辆战术储备器材快速保障能力具有重要意义。