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。     

基于混合遗传算法的多航空集装器装箱优化设计

目的 为了解决当前航空业因航空集装器上货物的组装编排均由人工完成,尚无任何软件系统可以实现自动计算,造成航空货运经济效益和时效性低下的问题,开展航空集装器装箱算法研究.方法 充分利用精英选择策略的精英遗传算法和轮盘赌的简单遗传算法相结合,研究多航空集装器的装箱最优问题.结果 以某航空公司的某国际航线选取了20 d的历史数据来进行实验,计算得出,国际航线平均舱位利用率提升了5％.结论 对多航空集装器装箱进行了装箱模型构建和算法优化,提升了航空货运舱容利用率,装载得到了有效地优化,实现了装箱最优.     

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。     

基于改进粒子群算法的月地转移轨道优化

月地转移轨道优化是月球返回任务的技术难题之一,其搜索空间大、约束条件多。该文通过罚函数法将多约束优化问题转化为无约束优化问题,提出了一种改进粒子群算法,利用适应度函数来更新惯性权重,对粒子的速度加以约束,还对粒子的位置参数引入随机反馈控制,分析了算法的收敛性。在月地返回窗口内获得了逃逸速度增量最小的月地转移轨道优化结果,并利用目标函数的等高线图分析,对优化结果进行了验证。     

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。     

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。     

基于强化学习的机场行李装箱优化方法

目的针对因行李随旅客无序抵达而无法提前得知行李尺寸信息的机场行李装箱问题,以行李车的装箱空间利用率为优化目标,提出基于强化学习的行李在线装箱方法。方法首先,根据机场行李装箱的实际情况,建立行李装箱的数学模型;接着,针对行李在行李车内寻找合适装箱位置和姿态的问题,设计行李装箱位置选择方法和装箱姿态评价方法;最后,借助强化学习的"试错"学习模式,通过训练行李装箱模型获得行李在线装箱策略。结果在仿真实验中文中算法的行李车空间利用率能够达到82.9%,计算耗时0.39 s,这2项指标均优于机器学习算法。结论在求解机场行李在线装箱问题上具有较好的实用性。     

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.     

阀口袋套袋机器人轨迹优化方法研究

目的 为了提高阀口袋套袋机器人的工作效率,提出基于改进粒子群算法的阀口袋套袋机器人时间最优轨迹规划方法。方法 首先,通过逆运动学方程反解出操作空间轨迹对应的关节空间角度值。其次,采用4–3–4混合多项式对阀口袋套袋机器人的关节空间轨迹进行插值拟合。最后,在速度约束条件下,利用改进粒子群算法对阀口袋套袋机器人的运行时间进行优化处理。结果 仿真结果表明,改进粒子群算法可以在保证阀口袋套袋机器人运行平稳的条件下将总运行时间缩减41.66%,实现了阀口袋套袋机器人在关节空间中时间最优的轨迹规划。结论 该方法可有效地提高机器人工作效率,延长机器人的使用寿命,为阀口袋套袋机器人稳定可靠运行提供了科学依据。     

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.     

子母穿梭车式立体仓库复合作业路径优化

目的研究子母穿梭车式立体仓库中复合作业路径优化问题,有利于提高系统运行效率,降低成本。方法对于子母穿梭车式立体仓库在一次存取货作业中复合作业方式的实际调度路径,考虑到其运动机构的加(减)速度,以完成复合作业总时间最短为目标建立数学模型。针对该系统复合作业的运行特征,提出一种结合遗传和蚁群算法各自优点的混合粒子群算法进行优化求解。结果实例验证可知,与粒子群算法和蚁群算法相比,文中提出的混合粒子群算法具有性能稳定、优化效率更高等优点。结论文中所提复合作业路径优化方法能够有效地缩短子母穿梭车式立体仓库的复合作业时间,提高了进出库调度效率。     

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。     

Drilling path optimization by the particle swarm optimization algorithm with global convergence characteristics

Drilling path optimization is one of the key problems in holes-machining. This paper presents a new approach to solve the drilling path optimization problem belonging to discrete space, based on the particle swarm optimization (PSO) algorithm. Since the standard PSO algorithm is not guaranteed to be global convergent or local convergent, based on the mathematical model, the algorithm is improved by adopting the method to generate the stop evolution particle once again to obtain the ability of convergence on the global optimization solution. Also, the operators are proposed by establishing the Order Exchange Unit (OEU) and the Order Exchange List (OEL) to satisfy the need of integer coding in drilling path optimization. The experimentations indicate that the improved algorithm has the characteristics of easy realization, fast convergence speed, and better global convergence capability. Hence the new PSO can play a role in solving the problem of drilling path optimization.     

Location Selection and Scheduling Optimization of Material Storage in Manufacturing Workshop

Based on improved immune algorithm, the location of material storage in manufacturing workshop is studied. Intelligent optimization algorithms include particle swarm optimization algorithm, genetic selection algorithm, simulated annealing algorithm, tabu search algorithm and so on. According to the non-linear constraints, the objective function is established to solve the minimum energy consumption of material distribution. The improved immune algorithm can solve the complex problem of manufacturing workshop, and the material storage location and scheduling scheme can be obtained by combining simulation software. Scheduling optimization involves material warehousing, sorting, loading and unloading, handling and so on. Using the one-to-one accurate distribution principle and MATLAB software to simulate and analyze, the location of material warehousing in manufacturing workshop is determined, and the material distribution and scheduling are studied.     

舰艇武器布置问题的一种协同优化算法

针对舰艇武器布置问题的特点，提出了一种基于粒子群优化和分类器系统的协同优化算法，以粒子群优化进行优化计算，用分类器系统消除约束．计算实例表明，该算法能较好地实现优化计算，并能节省大量的计算时间．     

基于信息熵改进的粒子群算法在桁架结构

提出了信息熵改进的粒子群优化算法用于解决有应力约束、位移约束的桁架结构杆件截面尺寸优化设计问题.首先介绍了信息熵基本理论和基本粒子群优化算法理论,然后对粒子群优化算法作了合理的参数设置,并将信息熵引入粒子群优化算法的适应函数和停机判别准则中.最后对2个经典的优化问题进行求解并与其他算法进行了比较.数据结果表明信息熵改进后的粒子群优化算法在桁架结构优化设计中优于其他同类算法.     

面向货物装卸需求的越库仓门分配和货车排序

在货物种类多、批量少的越库调度系统中,货物的装卸顺序要求对于优化仓门分配和货车排序问题起着重要作用。针对这种情况,以最小化越库操作完工时间为目标,建立越库调度模型。分别基于优化仓门分配和货车排序问题,设计惯性权重非线性改变和增加交叉操作的改进粒子群算法进行迭代寻优。最后通过不同规模的数值实验,将改进粒子群算法与标准粒子群算法和遗传算法进行对比分析,实验结果表明改进粒子群算法在求解精度上比标准粒子群算法和遗传算法有明显优势,在求解时间上优于遗传算法,略逊色于标准粒子群算法。     

求解连续空间优化问题的扩展粒子蚁群算法

扩展蚁群算法是蚁群算法创始人Dorigo提出的一种用于求解连续空间优化问题的最新蚁群算法,但该算法的收敛速度参数和局部搜索参数取值缺乏理论指导,因此其性能受算法参数影响较大.本文提出一种求解连续空间优化的扩展粒子蚁群算法,将粒子群算法嵌入到扩展蚁群算法中用于在线优化扩展蚁群算法参数,减少了参数人为调整的盲目性.从而改善扩展蚁群算法的寻径行为.通过将本文提出的算法与遗传算法、克隆选择算法、蚁群算法、扩展蚁群算法对5种典型测试函数优化的结果对比表明,本文算法在搜索速度和全局搜索能力方面均优于其它算法.