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。     

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.     

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。     

基于实际约束的三维装箱问题优化算法

针对考虑了8种实际约束的多箱异构装箱优化问题,构建了一个三维装箱问题的多目标混合整数规划模型,给出了求解该模型的一种启发式搜索算法。该算法的核心是在满足实际约束条件下,通过空间切割法确定目标空间,在目标空间内通过生成"垂直条","水平带"搜索最佳"货物块",实现装箱体积利用率尽可能大,进而达到装箱数最小优化目标。通过随机算例和实际算例的计算分析及3D结果显示,说明该算法能有效满足所有现实约束,且稳定性及空间利用率较高,验证了算法有效性和实用性。     

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。     

基于同时送取货多车型二维矩形装箱问题的优化

目的 研究同时送取货的二维矩形装箱问题,即在考虑客户的送取需求、货物的尺寸和质量,以及多车型约束下求得车辆待装空间最高平均空间利用率。方法 提出含9种适应度值的skyline装箱方案设计改进的混合禁忌搜索–遗传优化算法来求解带同时送取货约束的二维矩形装箱问题。结果 通过仿真检验,混合算法使车辆待装空间平均空间利用率达到88.04%,并求得了服务8位客户的同时送取货装箱方案。结论 基于带9种适应度值skyline装载方案的混合禁忌搜索–遗传优化算法针对同时送取货模式的二维矩形装箱问题能求得较高的空间利用率,并完善了同时送取货模式在装载方面的研究。     

基于蚁群算法的军用车辆器材装箱配载问题

目的对军用车辆器材装箱配载问题进行合理优化,以提高集装箱的空间利用率。方法阐述了军用车辆器材装箱配载问题的重要性,并对装箱配载问题进行理论分析,应用蚁群算法建立数学模型和实现流程,通过实例分析验证该算法的合理性。结果利用蚁群算法模拟与优化装箱配载问题使集装箱利用率达到了88.96%,并确定出了最优的装箱配载方案。结论蚁群算法能够对军用车辆器材装箱配载问题进行合理优化。     

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.     

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。     

一种有效的机场安检X光手提行李图像两级增强方法

针对低对比度X光手提行李图像在机场安检中容易产生高虚警或高漏警的问题,提出了一种两级X光图像增强方法.首先,应用离散小波变换和独立分量分析方法对低能和高能X光图像去噪并融合,实现一级增强.然后,利用本文提出的自适应正弦灰度变换实现二级增强.实验结果表明,本文方法能够有效地改善图像质量,优于文中给出的其它增强方法,更有利...     

基于STAMP的民航进餐推车人因设计

目的 为解决空乘人员因工作负荷大、工作环境颠簸易发生碰撞事故等导致患肌肉骨骼病概率逐年上涨的问题,对民航进餐推车造型设计过程进行研究。方法 确定民航进餐推车系统中的安全约束,构建基于层级模式的民航进餐推车事故风险控制—人因模型;识别控制模型中潜在的不安全控制行为,采用层次分析法对这些行为的综合权重值进行计算并排序;运用虚拟仿真软件进行人因分析与设计优化,得到最优方案。结果 通过民航进餐推车设计实践,验证该方法的可行性与有效性。结论 在民航进餐推车设计过程的前期,引入STAMP模型和人因工程理论,可提升空乘人员在进餐推车服务过程中的安全性与舒适性,为研制符合空乘人员行为方式的新型民航进餐推车提供新的思路。     

Reinforcement learning,Sequential Monte Carlo and the EM algorithm

Using the expression for the unnormalized nonlinear filter for a hidden Markov model, we develop a dynamic-programming-like backward recursion for the filter. This is combined with some ideas from reinforcement learning and a conditional version of importance sampling in order to develop a scheme based on stochastic approximation for estimating the desired conditional expectation. This is then extended to a smoothing problem. Applying these ideas to the EM algorithm, a reinforcement learning scheme is developed for estimating the partially observed log-likelihood function. A stochastic approximation scheme maximizes this function over the unknown parameter. The two procedures are performed on two different time scales, emulating the alternating ‘expectation’ and ‘maximization’ operations of the EM algorithm. We also extend this to a continuous state space problem. Numerical results are presented in support of our schemes.     

A flexible labour division approach to the polygon packing problem based on space allocation

This paper deals with the two-dimensional satellite module polygon packing problem. Based on the duality of material and space, it regards the polygon packing problem as a space allocation problem, which involves allocating the container space to the given polygons reasonably and efficiently. Ant colony’s labour division is essentially a kind of task allocation. Using this task allocation to achieve the space allocation in polygon packing problems, a flexible labour division approach (FLD) is proposed based on the response threshold model. According to the characteristics of space allocation in polygon packing problems, FLD designs three actions for polygons to occupy the container space. With the interaction between environmental stimulus and response threshold, each polygon takes an appropriate action to complete the space allocation and a layout that meets the requirements of satellite module layout is obtained. The results of standard test instances demonstrate the effectiveness of FLD when compared with self-organisation emergence algorithm. Moreover, experiments on the general polygon packing problem also show that FLD is competitive with other existing algorithms.