基于改进粒子群算法的立体仓库货位分配优化

研究自动化立体仓库固定货架的货位分配问题,货位分配综合考虑了货架的稳定性和出入库效率,建立了货位优化的数学模型,提出了基于Pareto最优解的改进粒子群算法（PSO）来解决此问题的方法。在优化过程中引用了置换的概念来计算粒子的速度,并且在算法中采用小生境技术提高非劣解集的分散性,用存档群体保存了非劣解。仿真实验证明,此优化策略可以有效地解决自动化立体仓库的货位分配问题。     

基于机器视觉的多巷道自动化立体仓库货位透明化分配方法

针对立体仓库内有效货位,设计透明化分配方案时主要通过人眼识别的方式掌握货位状态,使得最终分配方案的出库效率较低。因此,引入机器视觉技术,设计了一种新的仓库货位透明化分配方法。运用ABC分类法,对多巷道自动化立体仓库内所有货位进行分区。通过工业相机采集仓库内货架图像,通过机器视觉技术对采集图像进行识别,全面掌握仓库内处于空闲状态的货位位置。以最高出库效率为目标,建立货位透明化分配数学模型,再通过决策树搜索算法,生成最优货位分配方案。实验结果显示：应用所提方法进行货位分配,与基于粒子群算法、基于商品关联度的分配方法相比,使得出库效率提升了24.53%、23.92%。     

智能化立体仓库入库货位分配的综合优化算法

智能化立体仓库对现代企业提高仓储利用率和生产效率具有重要作用。介绍了秦皇岛港务集团公司立体仓库管理系统中仓库货位计算机分配的智能化算法,该算法充分考虑了重量均匀分布、就近货位选择、备件品种均匀分布、备件使用率、货位空置时间等因素,根据整个仓库的当前状态计算入库货位,为入库货位的选择提供辅助决策。实际项目运行表明,所提的综合货位优化分配算法是有效的,对提高仓库的安全性、入库工作效率等具有非常重要的意义.     

基于嵌套分区算法的立体仓库货位分配优化

根据小型立体化仓库运营特点,基于顺序单目标优化思想,提出一种新的仓库货位分配策略。将考虑存储能耗、货架稳定性、运行效率的多目标仓库货位优化问题,转化为单目标优化,建立了仓库货位优化数学模型。根据数学模型特点,采用嵌套分区算法进行优化求解。通过算例分析证明该分配策略与优化方法,可有效处理多目标仓库库位优化问题,优化效果显著。     

自动化立体仓库货位分配优化研究

分析了自动化立体仓库货位优化问题,建立了自动化立体仓库货位优化数学模型,采用Pareto算法研究了货位优化方法,通过实例分析,优化后显著提高了货架稳定性,并且提高了货物存取效率。     

货位分配优化研究综述

合理的货位分配可以有效降低企业仓储成本,提升仓储系统拣选和配送效率,进而提高企业运作的整体效率。为了深入分析国内外学者对货位分配优化研究的现状和趋势,对近年来国内外相关文献进行分析总结。归纳出了货位分配优化目标,介绍了各优化目标的模型建立和适用对象;分析了货位分配优化常用的算法,并对相关算法进行对比分析;探讨了货位分配优化研究的趋势,为进一步深入研究货位分配优化提供了参考。     

响应动态约束条件的多目标货位优化算法研究

针对自动化立库货位决策与优化问题,考虑到优化目标多样、托盘使用状态及可分配货位动态变化等因素,提出了一种响应动态约束条件的多目标货位优化算法。以巷道作业均衡、货架重心稳定及作业路径最短建立多目标优化模型,基于变异系数自适应差分进化算法,使用货位随机数编码,根据实时货位可行域进行个体解码,以响应动态货位约束条件。提出了基于层次分析的Pareto解评价方法,从而获得多批作业货位持续优化的目标权重,为仓储货位决策提供合理方案。多批作业算法实验结果表明:所提算法效果显著优于多目标简单加权算法,能够有效应用于动态货位决策与优化。     

数字化仓储中货位优化分配的研究

货位分配数字化仓储的关键环节,合理的货位分配能够大大地提高出入库效率,降低仓储系统成本。传统的仓库管理系统根据基于经验的固定货物出入库频率设计货位分配策略,而企业的发展和市场的变化导致货物出库频率是一个动态变化的过程。市场的变化导致传统仓库管理系统的货位分配方案无法满足要求的现实情况,提出把RFID技术运用到数字化仓库结合相关算法中对产品入库货位进行动态优化来提高仓库的周转效率。     

基于改进遗传算法的电气设备仓库货位优化

货位分配问题是自动化立体仓库优化的关键。针对传统遗传算法难以收敛至全局最优解的问题,提出了一种改进遗传算法的电气设备仓库货位优化方法。该方法根据优化目标构建了数学模型,使用拉丁超立方抽样法对算法初始化环节进行优化;为了克服遗传算法的局部搜索能力差和收敛速度慢问题,使用改进自适应交叉变异及逆转操作和模拟退火操作构成改进模拟退火遗传算法。实验结果表明,相比于传统遗传算法的求解结果,改进算法显著提高了对目标函数的优化,并且其收敛性和稳定性更佳,该算法在实际工程应用中提出了有效的解决方案。     

自动化仓库货位分配优化问题研究

研究了自动化立体仓库固定货架的货位分配问题。分配货位时需要同时考虑货架稳定性和出入库操作的效率,将这一问题描述为一个组合多目标优化问题,采用遗传算法对这一问题进行了求解,对交叉算子进行了改进,得到的解可兼顾两个优化目标。仿真实验表明这一方法可较好地解决货位分配问题。     

自动化立体仓库货位分配与作业调度集成优化

针对动态提高单载具堆垛机式自动化立体仓库拣选效率的问题,文中提出了一种基于共享货位存储与动态订单拣选策略下的货位分配与作业调度集成优化方法。将动态移库优化扩展到仓库的整个拣选生命周期,建立以双指令循环下堆垛机拣选任务所需的总作业时间最短为评价目标的数学模型,提出了一种基于K-Medoids聚类的粒子群优化(Particle Swarm Optimization,PSO)算法,用K-Medoids算法通过产品与订单的相关性进行初始货位的聚类分析,筛除劣质解的货位范围,并在K-Medoids聚类算法生成的解类簇基础上获得精确解。实验结果表明,考虑动态移库可以使仓库拣选效率提高20%,且该算法与传统PSO算法相比求解时间下降66%左右。     

面向位置推荐的差分隐私保护方法

位置推荐服务能使用户更容易地获得周边的兴趣点信息,但也会带来用户位置隐私泄露的风险。为了避免位置隐私泄露带来的不利影响,提出一种面向位置推荐服务的差分隐私保护方法。在保持用户位置轨迹与签到频率特征的前提下,基于路径前缀树及其平衡程度采用均匀分配和几何分配两种方式进行隐私预算分配,然后根据隐私预算分配结果添加满足差分隐私的Laplace噪音。实验结果表明该方法能有效保护用户位置隐私,同时通过合理的隐私预算分配能减少差分隐私噪音对推荐质量的影响。     

基于位置服务的工作流任务分配方法

在工作流管理系统中,任务分配控制策略对系统的性能影响较大.为了缩短任务执行时间,提高流程运行效率,提升工作的客户满意度,本文在前人研究成果的基础之上,综合考虑任务参与者的工作负载、任务类型等因素,提出了一种基于位置服务的工作流任务分配方法,较好的解决了流程中任务分配的问题,保证任务被尽早、尽快、高质量地完成.     

基于无线定位技术的交通信息获取方法研究

在分析基于无线定位技术的位置跟踪研究的基础上,提出了一种基于无线定位技术的交通信息获取的新方法,阐述了该方法的主要思想,并给出了该方法的结构框架。该方法能以较低的经济代价实现大范围交通信息的获取,是一种有效的交通信息获取方法。     

基于区域性分割索引节点的分布式副本定位方法

提出了一种在数据网格环境下的基于区域性分割索引节点的分布式副本定位方法。利用将副本定位索引信息按着区域特点或访问的频繁程度分布存储在多个索引节点上,同时利用本地副本定位节点完成本地副本的查询。此方法实现简单且具有区域特性。     

一种基于连通分量的文本区域定位方法

文本区域定位对复杂背景图像中的字符识别和检索具有重要意义。已有方法取得高的定位准确率和召回率,但效率较低,难以应用于实际的系统中。文中提出一种基于连通分量过滤和K-means聚类的文本区域定位方法。该方法首先对图像进行自适应分割,对字符颜色层提取连通分量。然后提取连通分量的特征,并用Adaboost分类器过滤非字符连通分量。最后,对候选的字符连通分量根据其位置和颜色层进行K-means聚类来定位文本区域。实验结果显示该方法具有与当前方法相当的准确率和召回率,同时具有较低的计算复杂度。     

基于Dempster-Shafer的飞行机器人多目标视觉定位方法

在受到遮挡物影响的室内环境中,飞行机器人接收数据中常伴有不确定性因素,为了解决复杂室内环境下高精准定位问题,提出了基于Dempster-Shafer的飞行机器人多目标视觉定位方法。根据飞行机器人控制原理,分析飞行位置与期望位置存在偏差,通过提取颜色特征和边缘特征建立多目标模型。设计地面标记,采用迭代算法对标记地面目标进行局部最大化概率计算,以此适应多目标形变,通过Dempster-Shafer证据推理方法获取目标精准位置,由此完成多目标视觉定位。在实验场地支持下,将传统方法与Dempster-Shafer证据推理方法进行对比分析,由结果可知,Dempster-Shafer证据推理方法定位精准度最高可达到96%,对提高室内定位精准度具有一定价值。     

基于分形盒子维数的车牌定位方法

分形维数是估计表面粗糙度的一个重要参数，在图像处理领域中更多地用到分形盒子维的概念，计算盒子维的DBC算法快速，有效，精确度高，被广为采纳，针对车牌内部图像的复杂度和背景有较大差异的特征，提出了一种通过计算分形盒子维同时结合其它图像处理方法来进行车牌定位的新算法，效果较好。     

蚁群算法物流配送中心选址优化仿真研究

研究物流配送选址优化调度问题。为了有效节约车辆运输成本,应选择最优路径。城市车辆调度路径选择,存在路网复杂性,参数设置较多,传统的调度算法存在计算复杂度高,不利于实际应用。为解决优化选址问题,提出了一种改进的蚁群优化物流配送选址方法。算法把求得的解首先分解为解对,然后通过改进的蚁群优化算法将解对从不确定性转变成确定性问题,可以大大的降低求解过程。通过仿真表明,提出的优化算法不但降低了计算的复杂度,优化了选址模型,而且为解决物流选址问题提供了新的有效途径。