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。     

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。     

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.     

质量体积双约束下车辆装载与配送路径联合优化研究

目的 针对质量与体积共同限制的配送路径问题,综合考虑订单不可拆分、货物的体积等约束,构建包含路径最短和装载率最高双目标的车辆装载与配送路径联合优化模型。方法 在车辆路径优化模型的求解方面,首先利用聚类算法对配送区域进行划分,然后通过车辆的载质量判断是否能进行站点货物的配送,最后利用遗传算法求得最优路径。在三维装载模型的求解上使用贪心算法和基于块的启发式算法,解决了货物的装箱问题。结果 基于某公司具体实例对模型与算法的可行性进行了验证,优化后配送的车辆减少了1辆,配送距离减少了154.247km,平均装载率达到了93.89%,节省了企业的配送成本。结论 所构建的模型以及求解的算法可以提高装载率和配送效率,为解决车辆装载与配送路径联合优化问题提供理论依据。     

一种求解船舶配载问题的混合遗传算法

通过对生产实际中散装货船的多品种、大批量货物的配载问题的分析,总结了散装船舶配载问题的特点和钢铁产品的货物堆装规则;以船舶舱容限制、允许重量和货物堆装规则为约束条件,以提高仓容利用率和装载效率为优化目标,构造了一种混合遗传算法来解决此类多目标、多约束的组合优化问题,即①用启发式算法确定各舱货物的具体摆放方式,满足货物装载质量要求,②遗传算法调用启发式算法,计算配载指标,来确定货物在各舱的分布,以满足各舱的仓容限制,提高仓容利用率和装载效率.     

基于混合遗传算法的多箱型三维装箱问题研究

目的 提高电商仓储领域打包环节包装箱的利用率。方法 针对电商仓储领域多箱型多种物品类型的三维装箱问题,建立混合整数规划的数学模型,设计基于启发式经验规则和多种算子组合的装箱过程模块算法。分别从装箱顺序和带有改进型算子这两方面设计多箱型三维装箱问题混合遗传算法,对装箱方案进行优化。结果 经实验证明,在装箱顺序优化环节PSO–HGA算法系列中,PSO–HGA–S1算法最优。在带有改进算子的混合遗传算法中,IPO–HGA–S1算法最优。结论 文中设计的混合遗传算法能很好地提高电商仓储领域打包环节包装箱的利用率。     

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。     

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。     

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.     

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。     

多车多件货物平衡装载优化研究

基于重心平衡的货物装载要求在提高车厢装载率的同时实现货物装载重心的优化，这对于货物安全高效运输具有重要的意义。针对多件不同规格的矩形物品装载于多个车厢的平衡装载问题，提出了同时对多辆车以对称的形式进行装载的思想，并设计了改进后的贪婪自适应搜索算法来实现这一过程；通过设计2种改进策略，对初始解进一步优化；最后提出了对部分已装载货物位移以改善各车厢重心分布的方法。经过实例运算和分析，证明本文提出的方法能快速制定货物平衡装载布局方案，并达到车辆的高效利用及货物安全运输的要求。     

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。     

基于二进制粒群的拣选作业优化

目的提高电子标签拣选系统中拣选作业的效率与货位占有率。方法以某电子拣选库为研究对象,提出以订单完成度、货位占有率以及货位聚集度为目标的拣选优化模型。设计基于二进制粒子群算法(BPSO)和遗传算法(GA)的模型求解仿生算法。结果试验及优化结果表明,基于BPSO的电子拣选库订单的完成度、货位占有率以及货位聚集度较遗传算法更高。结论基于二进制粒子群算法求解的优化模型较符合实际的电子拣选库人工拣选作业,同时仓储作业货位的利用率及拣选效率得到了提高。     

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。