基于UML的平车装载数据建模与多要素分析

该文对应急平车装载车辆的现状及应用需求进行了概述,使用统一建模语言UML2.0对装载模型进行描述,并利用多要素分析,探讨了一种如何从数据模型中分析发现问题并解决问题的途径。     

集装箱装载问题的模拟退火遗传算法

将模拟退火的思想引入遗传算法中,将两者结合起来,探讨了模拟退火遗传算法在复杂集装箱装载中的应用,以此达到缩小搜索区域,增强算法的收敛性的目的。该算法充分发挥了遗传操作中交叉算子的作用,并通过实例仿真表明该算法优于传统的计算方法。     

蚁群算法求解复杂集装箱装载问题

针对复杂集装箱装载问题(CLP),应用启发式信息与蚁群算法求解了最优装载方案。首先,建立了复杂集装箱装载问题的数学模型,利用蚁群算法对解空间的强搜索能力、潜在并行性及可扩充性,结合三空间分解策略将布局空间依次分割;然后,装入满足约束条件的最优货物块,完成不同大小三维矩形货物的装载布局。在此基础上,设计了基于空间划分策略的蚁群算法。最后以700件货物装入40尺(12.025m)高柜箱进行计算,结果表明该方法能提高集装箱的空间利用率,同时兼顾了多个装载约束条件,可应用性好。     

一种平板车装载问题的启发式算法

提出平板车装载问题的一各上启发式方法,不仅能够从几种型号的平板车中选择出一种装载性能较好的平板车,而且能够将具有不同特性的不同尺寸的物品放在该型号平板车中,它能够在满足一些约束条件下求得一种可行的装载方案,实例充分证明了该算法的有效性和实用性,能够直接用于实际生活中。     

一种新的求解集装箱装载问题算法

本文根据改进的Pisinger启发式规则将集装箱进行体积最大化装载,在长度方向根据货物将空间分层分条,每一条用0-1背包算法求最优解;并且,有效消除不必要的空隙,将各层进行重心位置最优化调整。提高了装栽效率。     

货物装载问题的有效空间算法研究

货物装载是物流配送的重要环节,其方案的优劣对提高整个物流系统的效率和降低运输成本都有着重大的影响。由于货物装载问题理论上属于NP-完全问题．实际应用中只能以近似最优的方法求解,如启发式算法和遗传算法等。本文基于有效空间的算法提供了此类问题的一种实际可行的解决方法,实践证明具有较大的应用价值。     

同类货物集装箱装载问题的启发式算法

提出了求解同类货物集装箱装载问题的一种启发式算法.算法中采用了层的思想,集装箱的每个面都可用来构建层.通过对二维布局、层高组合和用来构建层的集装箱面的选择等三个方面的优化求解,得到了具有较高装载率的集装箱装载方案.实例结果表明,该算法是求解同类货物集装箱装载问题的一种行之有效的方法.     

集装箱轻重货物混合平衡装载模型与算法

负载平衡是集装箱装运过程中的基本约束,轻重货物混合装载时较难满足,如何精确量化负载平衡、实现轻重货物混合平衡装载亟待研究。以集装箱轻重货物混合平衡装载问题为研究对象,构造负载平衡函数,综合考虑负载平衡、位置、重量和旋转等约束,建立轻重货物混合平衡装载模型;根据对负载平衡的影响程度,将待装货物分类组成轻重货物单元,在采用评估函数和中心骨架等启发式方法分类处理的基础上,设计轻重货物混合平衡装载算法。3 000个算例表明：所提出的模型和算法能够在保证集装箱容积利用率不低于90%的同时使负载平衡约束满足率达96.07%以上。     

集装箱装载的一种启发式算法

多约束条件下的三维装箱问题是一个复杂的组合优化问题,属于NP-HARD问题，其求解是很 困难的．所以在实际应用中,往往采用一些启发式算法来求解．本文在考虑一些实际应用中 的约束条件下，提出了一种三维集装箱装载的启发式算法．此算法采用了三空间分割、平均 高度装载、货物合并、空间合并等策略，考虑了方向、重量、优先顺序、货物的配置位置等 约束条件．通过逐步淘汰差的装载方案，最后达到满意的装载．实例仿真说明了该算法的有 效性和实用性，能够直接用于实际应用中．     

生成最优二划分装盘方案的递归算法

针对物流领域的研究装盘问题,为提高装载效率,在矩形托盘中正交的布置最多数目同尺寸长方体小箱,并且小箱之间不发生重叠。采用二划分装盘方案。所谓"二划分",是指一条划分线总是贯穿被划分的区域,将区域划分为二个较小的矩形子区域。二划分方案可以通过使用水平或竖直的划分线,将装裁区域递归地二划分为若干个子区域,每一子区域有且仅有一个小箱。采用递归算法,通过适当设置成本参数,生成排数最少的最优二划分装盘方案。实验计算结果表明所述算法可以有效地简化装箱方案。     

冷卷入库的数学模型及算法

讨论某冷轧厂热处理车间冷卷入库堆垛问题,并将其归结为装箱问题进行研究.通过建立数学模型,设计在线算法,达到了优化堆垛、提高生产效率、加快冷卷周转的目的.同时,通过数值实验,比较了多种算法的计算效果,得到了冷卷入库问题合理而有效的算法.     

高效求解三维装箱问题的剩余空间最优化算法

为实现三维装箱问题的高效求解，提出了一个三维的剩余空间最优化算法（Three-Dimensional Residual-Space-Optimized Algorithm，3D-RSO）。在满足3个著名约束的条件下，该算法将三维问题转化为带有高度约束的二维问题，通过对箱子放置后的剩余空间状态分析，提出了基于概率较优的空间分割方法和箱子布置规则。相比于传统算法，3D-RSO在求解过程中不需要任何的预处理和搜索操作，是一种最坏计算复杂度为[O(2n2)]的直接求解算法。针对强异构体的实验表明，该算法能够在极短的时间内对算例进行高效求解，适合应用在大规模或者需要被快速求解的三维装箱问题中。     

一种求解集装箱装载问题的启发式算法

所谓集装箱装载问题,就是将若干大小不同的长方体盒子装进一个大小已知的长方体容器,其目标是最大化容器的积裁率.对这一问题,国内外学者利用不同的哲学思想,提出了诸如遗传算法、模拟退火算法等求解算法.本文提出一种求解此问题的基于最大穴度优先原则的启发式算法.算法中使用了两个重要的策略:最大穴度原则和最小边度原则.用一些公开的算例对算法性能进行了实算测试,测试结果表明:算法所得结果的容器积载率高,是求解集装箱装载问题的有效算法.     

基于多元优化算法的三维装箱问题的研究

用多元优化算法（Multi-variant optimization algorithm,MOA）实现三维装箱问题的求解.算法通过随机放置和局部调整从而逐步逼近最优解.随机放置是将随机选择的几个箱子装入容器中;局部调整是根据目标函数值对随机放置容器的箱子序列作局部调整优化;通过递推的随机放置和局部调整优化,目标函数值逐步逼近最优值,从而获得一个较为理想的三维装箱方案.算法通过对BR1~BR10共1000组三维装箱问题测试实例的测试仿真,得到理想的装箱效果,说明用多元优化算法实现三维装箱问题的有效性和可行性.     

A Parallel Genetic Algorithm for Solving the Container Loading Problem

This paper presents a parallel genetic algorithm (PGA) for the container loading problem with a single container to be loaded. The emphasis is on the case of a strongly heterogeneous load. The PGA follows a migration model. Several separate sub-populations are subjected to an evolutionary process independently of each other. At the same time the best individuals are exchanged between the sub-populations. The evolution of the different sub-populations is carried out on a corresponding number of LAN workstations. The quality of the PGA is demonstrated by an extensive comparative test including well-known reference problems and loading procedures from other authors.     

求解多车辆装载问题的启发式改进蚁群算法设计

针对启发式优化算法不能较理想地对多车辆大规模装载问题进行优化的局限性,文章设计了一种启发式改进蚁群算法,该算法将单车辆的启发式装载与多车辆装载时的蚁群优化算法有机结合,较好地解决了多车辆大规模装载问题。经过实例验证,该算法具有较高的计算效率和较好的收敛特性。     

求解运输问题的GAPSO算法

运输问题是一个应用非常广泛的问题,传统方法对于大规模的运输问题求解比较复杂,而一些基于随机搜索算法的方法对于其约束条件的处理又比较困难.基于运输问题约束条件的特殊性,设计了一种产生可行解的方法,将对约束条件的处理转化到了算法设计之中.在此基础上,又设计了基于遗传算法和粒子群优化算法的求解运输问题的GAPSO算法,为避开对非可行解的处理,该算法对迭代过程也进行了特殊设计,从而简化了运用随机搜索算法解决运输问题的过程.最后给出了三个实例验证,通过对验证结果分析和比较,说明该算法在时间复杂度和收敛性方面都具有其优良性,是行之有效的.