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。     

基于遗传算法的军队立体仓库货位再分配研究

为提高军队自动化立体仓库出货速度和运行稳定性,提出了在堆垛机闲时对货位进行以分类存储L形分区为导向的再分配优化设计。根据用户需求,生成分类存储的L形分类存储目标货位分区信息,以堆垛机总运行时间最短和货架重心最低为目标,研究货品新的目标耦合货位并建立了相应数学模型,利用基于混合偏好的遗传算法对该多目标优化问题进行了求解。结果显示,该方法能较大提高自动化立体仓库某类货品在特定环境下的出库效率并降低货架重心。同时,该研究对一般意义的货位再分配也具有一定价值。     

改进NSGA-Ⅱ算法在仓库管理系统货位分配中的应用

随着现代计算机技术的发展,在物流企业仓库管理朝着控制最优化、运行智能化发展的趋势下,仓库货位优化成为物流中心布局研究的重要部分。主要以南京公安警用装备仓库为背景,为了解决南京公安仓库管理的业务需求和入库货位优化这类多目标优化问题,设计了一种可行性的方案,旨在提高南京公安装备仓库的管理水平。首先介绍系统整体架构设计,接着详细说明主要功能模块,最后给出了系统关键实现和亮点。     

遗传算法在立体仓库货位优化分配中的研究

存储一定数量货物的自动化仓库中,以基于随机存储策略的库区和货位分配以及堆垛机行驶时间为优化控制目标,针对自动化立体仓库的库区和货位的分配策略问题进行了讨论,提出立体仓库的库区优化数学模型。在库区优化基础上,进一步提出货位优化数学模型,将Pareto最优解的概念与遗传算法相结合,提出了一种解决多目标优化问题的Pareto遗传算法解决货位优化问题,给出了仿真实验及分析。结果表明采用遗传算法优化策略可以有效地解决自动化立体仓库的货位优化分配问题。     

基于免疫遗传算法的智能柔性仓库货位自动化分配方法

针对没有充分考虑到货物就近存储、分配不均、入库效率低等的问题,为了有效地提高工作效率,提高空间利用率,设计了一个基于免疫遗传算法的智能柔性仓库货位自动化分配方法。将保证上轻下重的货架承重原则、先入后出的目标、关联性货物就近存储作为分配目标,采用免疫遗传算法不断迭代计算,赋予其自动化属性,对各层的个体给予同样的虚拟适度值,实现智能柔性仓库货位自动化分配。结果表明,所提出方法在应用后,能够将较重货物分配在底层,提高算法搜索效率,保证入库时间较短,满足智能柔性仓库自动化运维模式需求。     

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。     

Pareto遗传算法在货位配置中的应用研究

固定货架是自动化立体仓库应用最广泛的存储设备,货位配置是否优化直接影响货架的稳定性和存取操作效率。因此,建立了货位配置优化问题的数学模型,提出了采用Pareto遗传算法解决多目标组合优化问题,可得到Pareto最优解集。此算法包括5个基本算子：选择、变异、交叉、小生境技术、Pareto集合过滤器。通过仿真实验验证了将Pareto遗传算法应用在实际货位配置优化问题中,取得了较好的结果。     

病毒协同进化遗传算法在自动化立体仓库货位优化中应用的研究

自动化立体仓库的存取效率直接影响着现代物流的整体效益,而存取效率高低的关键在于货位优化。针对自动化立体仓库实际应用中的货位规划难题,提出了利用病毒协同进化遗传算法来研究自动化立体仓库货位优化问题的方法,并将该算法和传统的遗传算法作比较。以提高货架稳定性和货物出入库效率为优化目标,建立了货位优化的多目标优化问题数学模型。最后利用MATLAB工具进行编程与仿真,实验结果表明,病毒协同进化遗传算法(VEGA)相比传统的遗传算法具有更好的收敛性和搜索效率。由此可见,利用病毒协同进化遗传算法对自动化立体仓库进行货位优化,可以很大程度上改善货物的出入库效率和货架的稳定性,进而提高货架的使用率。     

基于学习的遗传算法及其在布局中的应用

布局问题属于具有很强应用背景的组合优化问题,除其内在的NP完全的计算复杂性,布局还包括约束复杂性问题和布局物体与空间的形状复杂性问题。针对布局求解中存在的问题,该文进行了基于全局优化的布局求解方法研究。布局问题中有一类关于复杂分片光滑连续函数全局优化算法,但目前的各种遗传算法的效率和精度不能令人满意。文中从生物可以从环境中学习生存技巧、自主的趋利避害的思路出发,增加了学习算子,引用函数的局部信息,构造拟牛顿方向,令每个个体在当前状态下有目的地搜索,最有效的向局部最优点趋进。通过典型测试函数与传统遗传算法,模拟退火算法,复合形法进行比较验算,表明该算法具有优良的求解质量和较好的求解效率;并以旋转卫星舱布局的简化模型为背景,建立多目标优化数学模型,与传统遗传算法和乘子法的计算结果比较,该算法求解的质量和效率更优。该文研究表明,基于学习的遗传算法在布局优化中具有应用潜力;启发式随机搜索策略和局部优化算法相结合的求解方案是解决复杂函数优化的有效途径。     

基于遗传算法的指派问题求解

提出了利用遗传算法来解决指派问题．主要将每项任务作为一个基因位。形成染色体。然后借助遗传操作的选择、交叉和变异等操作来对问题进行优化操作。实验结果表明该算法是有效的。     

蜂窝移动通信系统中基于免疫遗传算法的固定频率分配

频率分配的问题是一个典型的NP—Complete问题。本文介绍了一种基于免疫遗传算法的蜂窝移动通信固定频率分配方法。通过仿真与标准遗传算法对比分析，说明了免疫遗传算法在解决固定频率分配问题方面具有较好的效果。     

蜂窝移动通信系统中基于免疫遗传算法的固定频率分配

频率分配的问题是一个典型的NP-Complete问题。本文介绍了一种基于免疫遗传算法的蜂窝移动通信固定频率分配方法。通过仿真与标准遗传算法对比分析,说明了免疫遗传算法在解决固定频率分配问题方面具有较好的效果。     

求解多目标组合优化的改进Pareto适应度遗传算法

将Pareto适应度遗传算法（PFGA）与局部搜索相结合,提出了一种用于求解多目标组合优化问题的改进算法IPFGA,该算法基于Pareto支配关系对遗传操作产生的每一个个体进行局部搜索,并采取在外部群体中引入拥挤距离的精英选择策略。实验结果表明,与PFGA相比,IPFGA有更快的收敛速度。     

用遗传算法实现防空导弹体系的目标分配

根据目前防空作战的特点,对自动化指挥控制系统中的目标分配问题进行了详细分析,从而建立了对单个空袭目标和多个空袭目标不同空袭敌情时的目标分配模型,构造了独特的模型参数,根据一例来袭空情,通过改进的遗传算法对模型进行求解,得到了比较好的目标分配结果,从而为防空导弹武器系统的目标分配问题提供了一个可行的参考方法。     

武器-目标分配问题的模拟退火算法

武器-目标分配(WeaponTargetAssignment)问题是一个典型的优化问题,模拟退火算法是求解此问题的一种有效方法。文章采用模拟退火算法对WTA问题进行求解,通过实验得到了理想的仿真结果。     

基于最佳进化方向的多目标遗传算法

该文模拟自然界中生物总是向着有利于自己的方向进化,即朝生物利益最大化的方向进化这一现象,给出了一种新的设计适应度函数的方法,并且结合多目标优化的Pareto最优解的概念,提出了求解多目标优化问题的一种新的算法———基于最佳基因的多目标遗传算法。数值实验表明,该算法不仅操作简单、鲁棒性强、速度快、且能够获得数量多而且广泛的Pareto最优解。     

遗传算法的应用及研究分析

在介绍遗传算法的基本原理与方法的基础上,分析了遗传算法相对于其它算法的优越性和存在的问题以及遗传算法的主要应用和研究发展方向。     

多宇宙并行量子衍生遗传算法研究

将量子的多宇宙特性和遗传算法相结合,提出了多宇宙并行量子衍生遗传算法。算法中将种群分成若干个独立的子群体,称为宇宙。给出了不同宇宙数量下的并行拓朴结构,提出了宇宙内采用量子旋转门演化和量子变异,宇宙间采用移民和量子交叉的两种信息交互方式,能有效克服早熟收敛现象,使得搜索效率和搜索能力得到更进一步提高。典型函数优化实验验证了该文所提算法的有效性。