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。     

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.     

硬质直方体集装箱装载系统的开发与优化

以外形为长方体的硬质直方体产品的集装箱装载为对象,以提高集装箱的空间利用率为目的,在多约束条件下,研究了集装箱装载优化系统的设计,并给出了优化数学模型。以VB 6.0为开发平台,并应用其相应的绘图功能,开发出了符合我国集装箱标准和运输条件的集装箱装载优化系统。     

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。     

基于改进粒子群算法的航空行李在线装载优化

目的 为解决航空行李自动装卸中关键装载算法问题,实现航空行李自动装卸,同时满足流水作业的实际需要.方法 基于关键点装载策略,提出一种以装载空间利用率为优化目标,考虑行李质量、体积及装载顺序等约束条件的改进粒子群算法.首先,通过关键点法输出流水线上待装载行李的全部可放点序列,然后根据约束条件重新定义粒子群算法的速度与位置,以空间利用率为适应度函数进行迭代寻优,输出全局最优解,实现对装载位置与姿态的优化.结果 实验部分采用真实行李数据对算法进行仿真验证表明,改进粒子群算法优化后可将箱体空间利用率提高了10.8％,平均规划布局效率提高了26.5％.结论 提出的装载算法能够有效地解决实际行李装载问题,为行李流水作业的货物装载提供理论依据及参考.     

求解复杂集装箱装载问题的新方法

提出了一种求解复杂集装箱装载问题的新方法，该方法将求解复杂装箱问题分成两步：首先，根据一定的启发式规则将集装箱进行体积最大化装载，并在深度方向根据货物将空间分层；然后，用遗传算法将各层进行重心位置最优化调整，使装载方案更加符合实际运输需要。实际应用结果表明，该方法在空间利用率、重心位置以及计算效率等方面都优于其他同类方法。     

航材包装单元多隔层集装箱装载优化研究

目的 通过对装载模型开展研究,提高航材包装单元在组合式多隔层集装箱中的装载率,为部队进行集装箱装载工作提供技术方法。方法 依据待装载航材包装单元和集装箱尺寸,分析集装箱内部的分割方案,考虑装载容积、载质量、底面积和装载重心等约束条件,综合空间利用率和载质量为目标函数,建立数学模型,并利用遗传算法对每种分割方案进行优化计算,确定最佳的分割与装载方案。结果 以26个航材包装单元待装入B9型组合式集装箱为例,最优的装载方案是将集装箱内部分割成3层,16个航材包装单元被装入,空间利用率达到86.25%,装载后集装箱的稳定性良好。结论 该模型能有效优化航材包装单元的装载方案,提升组合式集装箱的装载效率,对加快军用物资的输送具有重要意义。     

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.     

基于改进遗传算法的三维单箱装箱问题研究

集装箱装箱问题属于NP(Non-Deterministic Polynomial)问题,为提高集装箱的空间利用率,降低物流配送的成本,合理的装箱方案是必不可少的。针对三维单箱装箱问题,提出一种基于改进遗传算法的人工智能算法,用来实现所建立的优化模型。结合实际装箱问题,分析装箱问题的约束条件,建立数学优化模型,通过将目标函数作为适应度函数和遗传操作中采用排序选择法、部分匹配交叉来实现对传统遗传算法的改进。最后,通过MATLAB编程实现该优化模型的求解,实现了集装箱装载效率的提高。     

散套装货物混合装载问题优化算法及其可视化

针对具有七种现实约束的散货和套装货物混合三维装箱优化问题,采用树搜索策略,以空间切割、货物组块及装载套数迭代法为基础,在考虑装载的套装、摆放方式、放置稳定性、承重级别、优先级、载重、重心等约束条件下,构建了一种启发式搜索迭代算法。通过实际算例,分别计算了套装约束下和无套装约束下的装箱优化结果,并利用所开发的软件给出了3D装箱效果图,发现该算法可保证套装货物成套装载,且空间利用率可达90%以上,验证了算法的有效性和实用性。     

基于组合的三维集装箱装入启发式算法的研究

集装箱装入属于有多种约束的空间资源优化问题。其求解思路可以推广到飞机、轮船的货舱装载,乃至计算机的内存分配等多种应用领域。笔者提出了通过回溯过程实现的组合装入的启发式算法,设计了有效的装入策略,定义了用于装入过程状态描述的剩余空间表示和小剩余空间的结合原则。通过实例验证,能有效提高集装箱空间的利用率。与现有算法比较,具有适合装入物体种类多,尺寸差别大的情况。     

车辆战术储备器材包装单元装载优化研究

目的通过对车辆战术储备器材包装单元化装载问题展开研究,为提高部队车辆战术储备器材包装单元装载能力提供技术与方法依据。方法分析装载优化模型的空间、质量、装载平衡和摆放稳定性等主要约束以及约束的处理方法,运用启发式算法对模型求解流程进行合理设计,并提出启发式算法和遗传算法相结合的混合遗传算法,以托盘装载为例说明具体装载过程。结果算例结果表明,托盘空间利用率达到了98.3%以上,装载单元集装稳定性高。结论该算法可减少装载容器数量,提升容器装载能力,优化器材包装单元装载,对提高车辆战术储备器材快速保障能力具有重要意义。     

基于混合蚁群算法的箱装农产品单车装载研究

目的提出一种求解考虑包装特点的箱装农产品单车装载优化问题的有效算法。方法针对箱装农产品单车装载中的弱异类货物问题,以容积利用率最优为目标构建装载数学模型;分析农产品成箱包装的特点,并重新描述了货物承重约束和方向约束;针对模型求解提出了一种混合蚁群算法,包括基于砌墙式的启发装载策略,以及改进后的期望函数;最后选取了5组标准数据,构造了1组农产品数据,设置了3套实验方案对算法进行验证。结果实验1中算法较2种比对算法目标值分别高出3%和2.5%;实验2,算法平均体积利用率达到81.59%;实验3,改变初始参数后算法最大目标值为93.9%。结论提出的算法求解单车弱异类货物装载问题有效且性能良好;算法用于求解考虑包装特点的箱装农产品单车装载问题,具有一定的可行性。     

集装化运输单箱配载问题研究综述

目的 探索集装化运输单箱配载问题模型及典型求解算法研究现状,为相关领域展开深入研究提供参考.方法 通过分析常见的单集装箱装载问题模型,梳理已有的求解算法,提出单箱装载问题求解算法的优化方向和思路建议.结论 作为集装化运输的重要环节,单箱装载对提高物流运输能力和经济效益有着重要的意义,现有的求解算法仅仅是初步解决单箱装载问题,但仍存在一定的不足,一方面是考虑到约束条件有限,不满足实际应用需要;另一方面是求解方案质量有待提高,求解的时间和效率尚有改进空间.     

基于无监督深度融合机制的货物在线装箱算法

目的 针对当前三维装箱算法存在的模型鲁棒性差、泛化性弱、装载率低等问题,设计一种无监督融合机制的在线装箱算法。方法 充分考虑货物“即到即码”的实时性需求,以容器空间利用率为优化目标,基于无监督深度融合指针网络端到端学习模型框架,将在线三维装箱的码垛过程公式化地表述为马尔科夫决策过程,设计强化学习要素,并以深度强化学习算法为主,融入蒙特卡洛树搜索,对智能体的决策动作进行训练,以生成具有较优“学习”能力的在线三维装箱模型。结果 采用125种不同尺寸和方向随机生成货物数据集,并在7种约束条件下验证,实验结果表明,容器的平均利用率可达84.6%。结论 该算法的泛化性较好,且其装载率远优于当前效果较好的启发式算法、深度学习方法,为货物的在线装箱提供了理论依据及参考。