自动化立体仓库拣选路径优化问题研究

利用蚁群算法结合遗传算法来求解固定货架拣选的TSP问题,通过MATLAB对随机产生的10个和30个待拣选货位点的拣选作业路径优化进行了仿真试验。仿真结果表明：对于待拣选货位点数目有较大范围变动的情况,该方法能够对拣选路径进行全局优化;利用蚁群算法结合遗传算法求解固定货架拣选TSP问题时,在拣选的货位点数量适中的情况下（10～30）,变异概率值在（0．008～0．020）之间是最优的。     

基于混合遗传算法的固定货架拣选优化问题研究

采用一种结合Hopfield网络模型的遗传算法,解决了自动化立体仓库中固定货架拣选作业路径优化问题。 在利用Hopfield/Tank神经网络的快速局部搜索能力的同时,又利用了遗传算法的全局寻优特性,有效地获得全 局优化的拣选路径。仿真结果表明,算法能够满足待拣选货位点数目在较大范围内变动的要求。     

基于遗传算法的堆垛机路径优化

分析了自动化仓库堆垛机拣选作业的运行特点,并将堆垛机的路径优化问题归结为旅行商问题(TSP)来求解,通过计算货位点所在的坐标位置产生拣选点,运用基于顺序表示的遗传基因编码方法——Grefenstette编码,在MATLAB软件上编制并运行了堆垛机的访问路径优化程序,通过仿真试验和工程实际应用表明,遗传算法在优化路径问题中的收敛速度显著加快,且能有效提高系统的工作效率。     

旋转货架拣选作业优化问题的新型混合遗传算法求解

给出了单拣选台分层水平旋转货架系统的数学模型,分析了单拣选台分层水平旋转货架拣选作业路径优化问题(MCS-OOP)的特点。在单层旋转货架中待拣选货物的最优拣选顺序将依次出现在对整个作业中所有待拣货物的最优拣选顺序中,针对该特点,提出了层序邻域的概念及其快速局部搜索算法,同时将其与遗传算法相结合设计了一种用于解决MCS-OOP的新型混合遗传算法。仿真结果说明了该算法能够快速、稳定的求取单拣选台MCS-OOP问题的最优解,充分满足了中大规模作业要求。     

自动化立体仓库的货位分配优化

为有效解决自动化立体仓库(AS/RS),即自动存取系统的货位分配问题,以货架稳定性和出入库效率为目标,结合多色集合、粒子群算法和模拟退火算法三者优势,建立区域划分、货位分配两阶段的多目标货位分配决策模型。区域划分阶段考虑货物出入库效率和货架受力情况,采用多色集合的围道布尔矩阵进行划分。货位分配阶段根据入库货物的类型和数目,采用结合模拟退火算法的混合粒子群算法求解货位分配优化问题。在MATLAB软件中运行实例,结果证明,与遗传算法和粒子群算法比较,混合粒子群算法在求解货位分配优化问题时的收敛速度快、稳定性高,且能在保证货架稳定性的前提下提高出入库效率。     

基于TransCAD的固定货架立体仓库拣选路径优化

针对固定式货架立体仓库拣选路径优化需求,基于Trans CAD的路径规划功能,将立体仓库的拣选路径优化问题转化为Trans CAD的路径规划问题来求解。通过坐标转化将立体仓库的三维货位位置转为Trans CAD二维地图,得到立体仓库地图,并基于该地图实现立体仓库拣选属性、拣选优化问题的表达,从而可以利用Trans CAD的网络规划功能实现了立体仓库拣选路径规划。通过实例,展示了具体用法和用途,应用表明,基于Trans CAD拣选优化方法简单、直观,能实现一次建模,多次优化。     

基于TSP问题的动态蚁群遗传算法

近年来围绕提高蚁群算法性能,出现了多种蚁群算法和遗传算法的融合方法,在对蚁群算法、遗传算法和其他相关融合算法进行充分研究的基础上,通过将遗传算法和蚁群算法进行动态融合,并对传统遗传算法的重插入子代操作进行新的改进设计,提出了一种新的动态蚁群遗传算法。将动态蚁群遗传算法应用于TSP问题(Travelling Salesman Problem)的求解,以3个典型的TSP模型为例,通过对多种算法的求解结果进行对比分析,验证了动态蚁群遗传算法具有较好的寻优能力、算法稳定性和寻优速度。     

一种鱼骨仓储布局下的拣选路径优化方法

根据一种非传统鱼骨(fishbone)布局的特点，基于仓储运作约束条件建立了拣选路径优化模型，构造了非传统货位距离矩阵；在标准遗传算法基础上，通过进化逆转算子克服标准遗传算法存在早熟收敛和局部搜索能力较差等问题，给出了一种多种群遗传算法；为验证算法的有效性，在不同订单规模下，将多种群遗传算法与标准遗传算法和S-Shape算法进行比较，应用MATLAB软件仿真分析，一系列实验结果表明多种群遗传算法计算结果最优，并且寻优速度更快于标准遗传算法，能够很好地解决鱼骨仓储布局下的拣选路径优化问题，提高仓储智能化水平。     

基于遗传算法的航天零件仓库货位优化研究CSCD

为提高航天零件仓储系统中零件出库效率和货架稳定性,建立多目标货位优化模型,并通过简单加权处理,将其转换成单目标优化模型。对仓储系统三个月的历史订单数据进行处理,提出基于遗传算法的存储策略。对模型仿真求解时,引入模拟退火算法解决了遗传算法出现早熟的问题。结果表明,提出的策略结果明显优于随机存储策略(RS)、ABC分类存储策略(ABC)、就近存储策略(COL),能有效提高立体仓库货物出库效率及货架稳定性。     

自动化仓库旋转货架拣选优化

对自动化仓库旋转货架拣选优化问题进行了描述,提出了求解该问题的分层遗传算法（HGA）。根据具体问题对低层和高层采用了不同的进化策略,详细介绍了HGA算法的原理。通过实际算例运算及分析,表明HGA对解决自动化仓库旋转货架拣选优化问题的有效性。     

改进的人工免疫算法在机床颤振诊断中的应用

针对人工免疫算法对多样性的要求,通过提出了在克隆选择算法的基础上增加一种模拟姓氏继承的算法,有效提高了算法训练时的效率。在CA6140型卧式车床的振动数据进行的实验中,该方法表现出色。     

GMRES算法在雷诺方程数值解法中的应用

雷诺方程是流体润滑问题计算的基本方程,研究其有效的数值解法在工程上具有很大的实际应用背景,本文主要选取了流体润滑计算领域的一个有普遍意义的典型实例－点接触等温弹流润滑问题进行雷诺方程的解法研究。数值解法计算雷诺方程,均有归结为求解ＡＸ＝ｂ的问题。本文研究ＧＭＲＥＳ算法及传统采用的ＳＯＲ算法解该方程的速度与精度等各方面的问题。通过对比,加预处理的ＧＭＲＥＳ算法在解此方程中具有明显优势。     

一种基于改进蚁群算法的混合型调度算法

针对混合型制造业车间生产调度及时性、合理性、科学性及应用结合性上的不足,提出了一种基于改进蚁群算法的混合型调度算法,结合混合型生产的特点,首先给出了混合型生产调度问题细化模型,然后对传统生产调度模型中的蚁群算法进行了改进,最后通过在具备混合型生产特点的汽车玻璃制造企业测试应用后,验证了该算法的可行性及有效性。     

基于模拟退火算法的矩形件排样

针对矩形件排样问题，提出了最低轮廓线最佳匹配算法。该算法根据最低轮廓线排放矩形，使板材浪费降至最低。并将其与模拟退火算法相结合，可获得近似最优的排样结果。最后给出不同规模的算例，结果表明，该算法比最低水平线算法排样结果好，是解决矩形件排放的有效方法。     

基于模拟退火算法的矩形件排样

针对矩形件排样问题,提出了最低轮廓线最佳匹配算法。该算法根据最低轮廓线排放矩形,使板材浪费降至最低。并将其与模拟退火算法相结合,可获得近似最优的排样结果。最后给出不同规模的算例,结果表明,该算法比最低水平线算法排样结果好,是解决矩形件排放的有效方法。     

基于改进自适应遗传算法的网格任务调度算法

针对网格环境动态多变性的特点,对网格环境任务调度中的遗传算法进行研究,提出一种改进的自适应遗传算法.通过对影响遗传算法行为和性能的关键参数交叉概率与变异概率进行分析,提出利用自适应思想以及表征调度性能的种群适应度对交叉概率和变异概率合理选取的自适应遗传算法,使交叉概率和变异概率能随种群适应度自动调节、改变.试验结果表明,改进的自适应遗传算法能使网格任务调度具有较好的种群自适应度,从而表明该方法的有效性.     

一种基于混合型结构优化算法——Apriori-Mend算法

关联规则挖掘是数据挖掘领域中最重要的研究问题之一。Apriori是关联规则挖掘的一种经典算法,它使用候选项集产生测试机制来找出所有满足用户最小支持度的项集,但它需要多次扫描数据库,会产生大量的候选项集。针对Apriori算法的不足,提出了一种基于混合型新的优化算法:Apriori-Mend算法。该算法从优化产生2项集、事务压缩等几个方面对Apriori算法进行优化,将散列技术应用于产生1项集和2项集,采用库优化策略和混合型存储结构,以节省空间和运算时间。实验结果表明,Apriori-Mend算法运行速度比Apriori算法有明显的提高。     

Operation algorithm for a parallel hybrid electric vehicle with a relatively small electric motor

In this paper, operation algorithms for a parallel HEV equipped with a relatively small motor are investigated. For the HEV, the power assist and the equivalent fuel algorithms are proposed. In the power assist algorithm, an electric motor is used to assist the engine which provides the primary power source. In the equivalent fuel algorithm, the electric energy stored in the battery is considered to be an equivalent fuel, and an equivalent brake specific fuel consumption for the electric energy is proposed. From the equivalent fuel algorithm, distribution of the engine power and the motor power is determined to minimize the fuel consumption for a given battery state of charge (SOC) and a required vehicle power. It is found from the simulation results that the fuel economy and the final battery SOC depend on the motor discharge energy and it is the best way to charge the battery only by the regenerative braking, not by the engine to improve the overall fuel efficiency of the HEV with the relatively small motor.     

．NET框架下RSA算法的研究与实现

对目前在非对称加密系统中占主流地位的RSA算法进行分析研究,并利用微软的.NET Framework 2.0框架给出其具体的C#代码实现。     

相移干涉术修正五步算法研究

研究了修正五步算法对线性相移误差及探测器二次非线性响应误差的不灵敏特性。数值模拟结果表明，该算法在一定程度上优于B.Zhao＆Y．Sur－rel的六步算法。