双伺服机分层旋转货架拣选路径优化的两级遗传算法

提出求解一类组合优化问题的新方法。首先通过虚拟点法把双拣选台问题转化我单拣选台问题,然后将启发式规则与遗传算法相结合,提出一种两级遗传算法。仿真结果表明了该算法的有效性。     

应用改进LK算法求解固定货架拣选优化问题

针对自动化立体仓库中固定货架拣选作业要求速度快、效率高的特点,分析和研究了一种新型改进Lin-Kemighan(LK)算法,并将其应用于固定货架拣选优化问题。仿真实验结果表明,该算法能够大大降低时间和空间的计算复杂度,快速、稳定地找出最优解,满足了多次作业时待拣选货物数目在较大范围内变动的要求,尤其是满足了中大规模作业的要求。     

基于蚁群优化算法的旋转货架拣选路径规划

给出自动化立体仓库单拣选台分层水平旋转货架系统的数学模型,提出一种改进的蚁群优化算法,用于解决货物拣选路径规划问题。该算法能快速找到最优货物拣选路径,得到的解质量较高且计算时间短。仿真结果表明,该方法适用于求解中小规模货物拣选路径的规划问题,可以提高自动存储作业效率。     

多巷道固定货架拣选作业优化问题的研究

拣选作业的效率直接影响自动化立体仓库系统的整体效益.为满足客户货单动态变化的需求,分析了自动化仓库单存/取机对多巷道固定货架拣选操作的工作特点,构建了含装箱约束条件的多目标货物拣选路径问题的数学模型,并提出一种带选择算子、插入点操作和动态自适应调整算法参数的改进蚁群算法.实验表明,该算法具有较好的全局寻优能力,收敛速度快,是解决货物拣选路径优化问题的有效算法.     

基于混合遗传算法的固定货架拣选问题求解

针对自动化立体仓库固定货架系统拣选路径优化问题的特点,分析并设计了一种新型混合遗传算法。构造初始种群时加入了一种补充算法,遗传操作采用了一种受贪婪算法启发的交叉算子和倒位变异算子,显著改善了原有遗传算法的搜索能力。仿真结果表明该遗传算法在执行时间和优化效果两方面均能很好的满足作业要求。     

基于改进蚁群算法拣选作业优化问题的求解

合理优化拣选作业是提高自动化仓库整体运行效率的重要策略。针对自动化仓库固定货架拣选作业的特点,构建了货物拣选路径优化问题的数学模型,采取候选节点集合策略、选择算子及自适应调整算法参数改进措施,设计一种改进的蚁群算法。实验表明,该算法具有较好的全局寻优能力,收敛速度大幅度提高,能够较好地满足中大规模拣选作业要求。     

仓储拣选作业路径VRP模型设计与应用

首先介绍了单回路运输TSP模型、多回路运输VRP模型及其相关的扫描算法,通过研究我国仓储中心拣选作业的实际情况,运用运输路径TSP以及VRP模型设计分析方法,针对其与拣选路径模型设计的相似性,结合订单拣选的特点,综合考虑实际拣选环境,对拣选作业中的无形性因素给予合理假设,建立了拣选作业路径优化设计VRP模型,并利用扫描算法对模型求解后,发现其可以有效缩短拣选步行距离,从而减少拣选时间、提高拣选效率。结论可作为物流企业和科研单位在拣选路径设计上的数学依据。     

基于蚁群遗传算法的自动化立体仓库拣选路径优化

合理优化货物的拣选路径是提高自动化立体仓库运行效率的一种有效方法。通过分析自动化立体仓库拣选作业的工作流程与特点,为自动化仓库拣选作业建立优化数学模型,首先利用蚁群算法生成优异的初始种群,然后通过遗传算法对该数学模型进行优化求解。仿真结果表明该模型是可行的,蚁群遗传算法的混合不仅得到更精确的结果而且加速了算法的求解速度,从而能够改善拣选作业的效率。     

基于免疫单亲遗传算法的拣选作业优化

根据堆垛机拣选作业的特点,以最短作业时间为目标构建优化数学模型。在单亲遗传算法的基础上引入免疫抗体的提取与注射机制,设计一种免疫单亲遗传算法用于求取模型最优解。仿真结果证明,该算法具备全局搜索能力,收敛速度快,响应时间短,可有效减少堆垛机的作业时间,提高自动化立体仓库的存取效率。     

基于单亲遗传算法的拣选作业优化研究

针对自动化立体仓库高存储、高速度、高效率的特点,对拣选作业的运行过程进行分析,建立了相应的拣选作业优化模型,并设计一种高效的单亲遗传算法用于求解。通过仿真验证,结果表明该算法具有很好的全局搜索能力,并能很好地兼顾优化时间和优化效果两个方面,满足实际作业运行要求,适合在实际工程中使用。     

在线订单分批及拣选路径规划模型及算法

在人到货订单拣选系统中,客户下达订单后将由拣货员穿梭仓库进行拣选.在仓库的拣选设备容量和拣货人员数量有限制的条件下,研究在线订单分批优化问题,预防订单过早或延迟服务,以最短的时间完成拣货任务.构建考虑最小拣货路径的在线订单分批规划模型,以最小化平均有效订单服务时间.提出一种基于规则的启发式算法来求解模型,其中包含k-m...     

一种混合优化算法面向高维函数优化的研究

基本粒子群算法（PSO）在面对高维多极值函数优化的问题时粒子容易快速集中到最优粒子附近，导致粒子运动能力丧失，种群陷入停滞，因此寻优效果并不理想。针对这种情况，通过引入人工鱼群算法（AFSA）中的聚群和觅食行为与粒子群算法相结合形成一种新的混合优化算法来解决这些问题。最终通过仿真实验证明该混合优化算法在面对高维函数的优化问题上具有优秀的寻优能力。     

配送中心拣货系统订单处理仿真研究

以某大型IT分销商的配送中心为原型，建立了一个涵盖多种拣货单位，拣货方式、拣货分区，拣货设备等具有代表性的配送中心拣货系统，并采用VB6．0与Microsoft Access编制了配送中心从接受订单开始到产生拣货单和分类单的订单处理模拟程序，仿真运行达到预期效果，可以为配送中心拣货系统的规划决策、现有拣货系统的改善及订单处理软件的开发设计提供参考。     

基于改进粒子群算法的物流中心选址优化

物流配送中心的选址问题在当今经济,尤其是任电子商务发展迅速与繁荣的社会中有着举足轻重的地位。本文采用提出的改进粒子群算法对该问题的模型进行了求解,仿真结果表明改进算法对于该问题求解的有效性。     

一种混沌人工鱼群优化算法

人工鱼群算法是一种群智能全局随机优化算法,存在陷入局部极值和效率低的不足,结合混沌搜索的特点,提出一种混沌人工鱼群优化算法,该算法是用混沌初始化来初始化鱼群,在聚群和追尾行为后进行混沌的遍历性和随机性扰动来使鱼群局部搜索同时摆脱局部极值点。仿真实验结果表明,该算法比基本人工鱼群算法全局能力更强,搜索效率更高。     

微粒群算法的发展及应用

介绍了1995年以来微粒群算法的开发过程,分析了算法原理、算法流程,并将微粒群算法与其他演化算法进行了比较,最后介绍了一些已经开发和在将来有希望的领域中的应用。     

启发式路径下节约里程的订单分批算法

基于电商配送中心人到货整箱拣选系统,考虑拣选器具和商品包装体积,构造以最大化里程节约量为目标的订单分批模型,提出基于启发式拣选路径下节约里程的订单分批算法,并结合某企业物流中心订单数据对该算法进行仿真实验。研究结果表明,基于启发式路径下里程节约的订单分批方法（D-eco）的求解效果优于先到先服务分批方法（FCFS）和基于相似度的订单分批方法（SBBM）。在5种不同订单池容量下,采用D-eco进行订单分批后拣货人员总行走距离平均比FCFS和SBBM多缩减了12%和2%。     

基于混合遗传算法的多巷道间移动拣选优化

针对需要在多个巷道中移动作业的订单拣选问题,设计了存储仓库布置图的数据结构,通过事先把节点之间的最短距离和最短路线计算出来,然后在求订单中任意两个货位间的最短距离时,借助其邻接节点来求。在此基础上设计了一种混合遗传算法来求解问题,并对每一代的最优个体使用Lin-Kernighan算法进行优化。实验结果表明改进的混合遗传算法所求得的解的质量以及收敛速度都有较大提高。该方法可用于超市、书店等需要拣选设备或人员在多巷道间移动拣选的情况。