自动化立体仓库中环形2-RGV系统入库调度模型与求解算法

确定合理的货物运送序列，实现穿梭车(RGV)与堆垛机协同作业是提升自动化立体仓库中环形2-RGV系统搬运效率的重要手段。通过对RGV在环形轨道运作环境下的碰撞情况进行分析，以货物总入库时间最小化为目标，考虑了同一辆RGV运送、两RGV碰撞避免以及RGV与堆垛机协同运作等约束，构建了环形2-RGV系统入库调度问题的混合整数规划模型，设计了可快速求解问题的混合变邻域禁忌搜索(HVNTS)算法。为验证算法的有效性，设计了25组不同规模的算例，并将HVNTS算法的求解结果与CPLEX和禁忌搜索算法的求解结果相比较，算例实验结果表明：货物的平均入库时间分别节省了0.36%和8.67%,且HVNTS算法的求解时间均在3 min内，证明所提算法能快速有效地求解该问题。     

基于改进灰狼优化算法的自动化立体仓库作业能量优化调度

针对带有截止时间约束的自动化立体仓库出入库作业调度问题,以调度过程中堆垛机能量消耗为优化目标建立数学模型,并引入相应的惩罚函数。对于入库货物,同时考虑定位存储和随机存储两种入库策略,采用一种最近邻货位选择策略对随机存储货物进行合理货位分配。采用一种改进灰狼优化算法对问题进行求解,算法通过引入融合Lévy飞行的混合个体更新策略和多种群重组策略来增强算法的搜索能力。通过仿真实验验证了改进灰狼优化算法在求解自动化立体仓库出入库作业能量优化调度问题的有效性。     

基于改进遗传算法的环形RGV系统调度优化

针对自动化立体仓库中环形穿梭车系统(Rail Guided Vehicle system,RGVs)调度优化问题,综合考虑RGV数量、进出货口限制、复合作业次数和堵塞次数对作业效率的影响,以最小化任务总完工时间为目标,建立了多影响因素下的RGV调度数学模型,并采用改进遗传算法对模型进行求解。首先,设计了多影响因素下的编码方式,提高算法求解实际问题的能力;然后,在遗传算法中引入模拟退火操作,提高算法的局部搜索能力,避免算法求解过程陷入局部最优;最后,设计染色体修复方法来避免非法解的出现,提高算法的收敛速度和求解稳定性。通过实例验证了模型和算法的有效性与先进性。     

两端式自动化立体仓库布局堆垛机调度

针对两端式自动化立体仓库出/入库任务序列的分配方式和堆垛机的调度路径展开了研究。以堆垛机执行出/入库任务的时间为存储效率的评价标准,考虑货物出/入库台的分配问题,建立了单一命令与复合命令两种作业方式并存的堆垛机调度模型。运用涡流搜索算法优化堆垛机的调度路径,获得了堆垛机调度模型的最优解,实现了存储效率的最优化。仿真验证表明,该方法可以有效分配货物的出/入库台,优化堆垛机调度路径,提高仓库的存储效率。     

多目标下的自动化立体仓库拣选作业路径优化

自动化立体仓库系统是在计算机直接控制和管理下自动存取并实现综合自动化管理货物的多层仓库存储系统,其中,堆垛机作业时间长短直接影响仓库存储效率的高低.针对堆垛机拣选作业模式,提出了自动化立体仓库拣选作业的新型数学模型,并对遗传算法初始种群进行改进,用改进后的遗传算法对该模型进行了求解.     

基于正弦式自适应遗传算法的堆垛机路径优化研究

针对自动化立体仓储系统中堆垛机的路径优化问题,在分析AS/RS对货物的分配原则的基础上,论述了堆垛机的3种作业模式,得出了基于AGA的优化算法——正弦式自适应遗传算法。最后通过建立数学模型对算法进行分析,并结合MATLAB进行仿真验证。系统运行结果表明,该算法能有效地降低由AGA引起的交叉概率p_c和变异概率p_m所带来的影响,进而避免种群进化停滞和陷于局部最优等现象,提高堆垛机作业的效率。     

分散式立体仓库堆垛机调度模型

针对多出/入库台布局模式下的立体化仓库堆垛机调度问题,分析了不同任务下堆垛机的作业模式,并以堆垛机执行任务所需总时间为评价标准,建立了一种基于混合命令序列的堆垛机调度模型。在此基础上,运用遗传算法对堆垛机调度路径进行优化研究,并通过实例仿真对多出/入库台堆垛机调度模型进行分析。结果表明,所建堆垛机调度模型及优化方法可以提升多出/入库台立体仓库的仓储效率。     

自动化立体仓库调度模型分析及优化

针对传统仓库模型货架和巷道过长,堆垛机执行深处库位任务时效率低下,提出一种两端出/入库台的同轨双车运行模式,以两台堆垛机完成任务的运行时间为评价标准,建立了基于单一任务、复合任务并存的调度模型。为避免两堆垛机碰撞,保证仓库存取效率最优,提出了统筹分配的任务分配原则。采用细菌觅食(BFO)算法对堆垛机路径优化问题进行研究,仿真结果表明,统筹分配原则可有效避免碰撞发生,双堆垛机调度模型及优化算法可显著提高收敛速度和仓储效率。     

密集仓储环境下多AGV/RGV调度方法研究

针对密集仓储环境下,出库作业时,有轨车(Rail guided vehicle,RGV)在不同货架间运送货物的换乘需要借助穿梭车(Automated guided vehicle,AGV)实现,入库作业时,货物先由穿梭车从输送带送达货架口,再由有轨车完成入库操作等特征,构建密集仓储环境下考虑多出入库任务的多AGV/RGV作业调度模型,包括穿梭车任务分配模型、协同有轨车选择模型和出入库完工时间数学模型.为实现密集仓储环境下的多AGV/RGV调度,提出适应不同出入库货位分布的穿梭车任务分配规则,实现考虑执行任务均衡的穿梭车任务分配;利用遗传算法实现多AGV/RGV出入库协同调度,对遗传算法关键解码算子进行详细设计,解码确定各穿梭车与有轨车执行出入库任务的顺序、任务的起始时间和结束时间,使得所有出入库任务的总完工时间最短.最后,通过某物流仓储企业实际案例进行测试,测试结果表明,提出的启发式规则能实现穿梭车任务的均衡分配,基于遗传算法的协同调度方法能有效地产生多AGV/RGV协同调度方案,减少出入库作业总时间,提高了仓储作业整体效率.     

基于指派问题的自动化仓库复合出入库作业优化

研究了自动化立体仓库中的出入库调度优化问题,首先对堆垛机的作业类型和时间进行了分析和对比,然后提出利用指派问题的匈牙利算法对堆垛机的复合作业循环时间进行优化,最后将该算法运用于实例进行优化,并与动态规划的逆序递归求解进行了比较,得出指派问题的匈牙利算法更优的结论。     

复合拣选策略下堆垛机作业序列优化问题

订单拣选是配送中心最费时费力的环节,配送速度不仅是新型电商的核心竞争力也是大型制造企业物料配送的核心指标,复合式拣选策略成为提高配送速度的重要方式。结合复合式拣选方式中货物之间不同的出货要求,将货物按照出货的紧急程度进行分类,建立了以能耗成本、作业时间以及出货惩罚值最小化为目标的堆垛机拣选作业序列多目标优化模型。通过改进带精英策略的非支配排序遗传算法(NSGA-Ⅱ)实现该问题的高效求解。算例分析表明,复合式拣选策略下可实现大多数订单的提前拣选,改进优化算法可为决策者在成本、效率和服务质量3个维度提供科学决策依据。     

自动化立体仓库堆垛机拣选作业调度研究

将堆垛机拣选作业调度归纳为旅行商问题，并从遗传算法角度，研究了求解堆垛机拣选作业调度最优路径的具体方法。经过仿真试验验证，这一方法完全可行。     

AS／RS堆垛机调度数学模型的建立及遗传算法的实现

在假定约束松弛条件下,对自动化立体仓库堆垛机调度过程中出库数量大于入库数量的情况进行了深入的研究,建立了数学模型,并依据数学模型设计了遗传算法,通过MATLAB仿真验证了算法的可行性。     

遗传算法在立体化仓库任务调度上的应用

针对立体化仓库调度问题,以最短完成批量任务的时间为目标,运用遗传算法(GA)进行求解。对堆垛机批量出入库任务的排序问题进行编码,并将染色体前后两部分分别进行处理,从而得到较好的优化方案。通过对9×9规模立体仓库的一组9入库、9出库作业调度问题的测试,表明了遗传算法在仓库任务调度应用上的可行性和有效性,为实际的生产问题提供了一个解题思路。     

堆垛机式密集仓储系统复合作业三维空间路径优化

为提高堆垛机式密集仓储系统的运作效率,提出混合蚁群算法,利用该算法有效地解决了复合作业三维空间路径规划问题。在堆垛机和穿梭车配置比为1∶2情况下,分析堆垛机和穿梭车在三维空间内的实际调度路径,并考虑其运动过程中的加速度建立数学模型。针对该系统复合作业的特点,设计了一种三维启发函数来改进蚁群转移概率,将遗传算法生成的初始解转变为蚁群算法的初始信息素,通过粒子群算法对蚁群算法参数进行优化,避免蚁群算法为寻求最优参数组合而进行大量盲目实验。实例分析表明,所提出的混合蚁群算法与遗传和蚁群算法相比,具有更好的全局性,能够有效地缩短密集仓储系统复合作业的时间、优化三维空间路径、提高进出库调度效率。     

改进遗传变邻域算法求解飞机装配线调度问题

针对飞机装配调度过程中受到空间限制的问题,建立了以最小化装配作业总工期为目标并考虑空间约束的飞机装配线分部段作业调度数学模型,提出了一种求解此模型的改进遗传变邻域算法。该算法采用优先级规则进行种群初始化以缩减解空间,并设计了一种结合接受阈值的变邻域局部搜索方式,采用考虑紧前紧后关系三种邻域结构来确保搜索过程中产生合法解,以提高搜索能力,避免传统遗传算法陷入局部最优,最后通过标准算例库PSPLIB中的算例验证了算法的有效性和优越性。     

基于元胞机和改进GA的大型零件柔性作业车间调度算法

针对大型零件柔性作业车间调度问题,采用改进遗传算法优化元胞机局部演化规则,提出了元胞机和改进遗传算法相结合的混合调度算法。依据总加工时间最短、各工位负荷率高、同一工位组各工位负荷平衡率高的优化目标,建立了离散化后单个静态调度单元的遗传算法优化模型,并结合算例具体说明了优化过程。通过文献实例演算验证了混合算法求解大型零件柔性作业车间调度问题的可行性和有效性。     

基于两阶段狼群算法的自动化立体仓库作业集成优化

为提高单载具自动化立体仓库动态工况下的进出库效率,针对自动化立体仓库作业集成优化问题建立了仿真优化模型。模型根据货物重质、出入库频率划分货架区域,以指令内最小化单载具堆垛机运行时间为研究目标,设计了一种两阶段狼群算法对其进行优化。该算法使用狼群算法对货位分配和作业调度进行集成优化,求解过程体现出两优化问题之间的关联和反馈。实验结果表明,在不同的订单规模下,相比其他优化方式,两阶段狼群算法能得到满意解,并有效缩短自动化立体仓库的作业时间。     

自动化立体仓库（AS／RS）

自动化立体仓库简称立体仓库或立体库,一般是指采用几层、十几层乃至几十层高的货架储存单元货物,用相应的物料搬运设备进行货物入库和出库作业的仓库。立体库系统是由立体货架、有轨巷道堆垛机、出入库托盘输送机系统、     

智能工厂多搬运载体协同作业优化

针对智能工厂中多搬运载体间的协同作业问题,以堆垛机-AGV-机械手三资源为研究对象,考虑AGV在交叉路口避碰规则以及优先级动态调整规则,建立以总任务完工时间最少为主决策目标,以惩罚成本最低为辅助决策目标的协同作业优化模型;采用优化粒子群算法求解,为避免算法在迭代后期搜索能力弱易陷入局部最优的情况,引入遗传算法中的自适应变异进行优化。通过实例验证表明,考虑AGV在交叉路口的避碰规则,能明显缩短任务完成时间和AGV在路口的等待时间,同时,验证了优化粒子群算法在求解和收敛速度方面性能优于传统粒子群算法。