遗传算法在货位分配中的应用研究

本文讨论了货位分配算法。首先建立了货位分配算法的数学模型,然后提出了采用遗传算法解决这个多目标组合优化的问题。最终通过应用验证了算法的适用性。     

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。     

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。     

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。     

汽车零部件立体仓库货位优化问题研究

以立体仓库库存为研究对象,从物流仓储管理角度,研究了货位分配优化问题。分 析了汽车零部件货位布局优化原则,建立多目标货位分配优化数学模型,对遗传算法进行了算子 设计,运用Matlab 软件实现模型的求解,得出可行的货位优化方案。最后结合实例进行多目标 货位优化数学模型求解及应用,并以三维仿真图形展示了优化效果,验证了所设计的遗传算法的 有效性,对同类问题的解决具有参考意义。     

一种货架共用模式自动化立体仓库货位优化

为了保证货物进出,航空货运站中会采用货位共用模式的自动化立体仓库存储散装货物。货位优化对提升该模式立库的工作效率,进而保证机场货运站整体效率有着重要意义。在详细分析该立库的工作特点基础之上,建立数学模型,采用遗传算法对货位优化问题进行了研究。仿真和实际现场应用结果表明该算法有效地提高了货物进出库的工作效率和存储安全性。     

普通立体仓库的货位优化模型与算法研究

在物流仓储的总成本中,库存成本占很大比重。企业为了减少库存成本,不断设法去改进和优化仓库"存储"的过程。针对普通立体仓库的入库过程,在考虑叉车载重、货位容量和存储策略等限制条件下,建立了以入库作业过程中工作人员行走总路程最小为目标的货位优化模型。根据问题和模型特点,将货位优化问题分为两层优化:货位选择优化层和货位顺序优化层;然后将传统遗传算法同启发式算法相结合对模型进行求解;最后通过仿真实验验证了模型和算法的合理性和可行性。该成果可用于解决多数普通仓库的货位优化问题。     

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。     

基于改进遗传算法的电气设备仓库货位优化

货位分配问题是自动化立体仓库优化的关键。针对传统遗传算法难以收敛至全局最优解的问题,提出了一种改进遗传算法的电气设备仓库货位优化方法。该方法根据优化目标构建了数学模型,使用拉丁超立方抽样法对算法初始化环节进行优化;为了克服遗传算法的局部搜索能力差和收敛速度慢问题,使用改进自适应交叉变异及逆转操作和模拟退火操作构成改进模拟退火遗传算法。实验结果表明,相比于传统遗传算法的求解结果,改进算法显著提高了对目标函数的优化,并且其收敛性和稳定性更佳,该算法在实际工程应用中提出了有效的解决方案。     

基于遗传算法的重力式立体仓库优化调度

为提高重力式立体仓库出入库操作的效率,分析了某企业重力式立体仓库货架布局,提出了货物在出入库操作中的七种规则集,以平均作业时间、堆垛机利用率、其它设备利用率为优化控制目标,用遗传算法求出出入库路径优化的最优解。通过C语言仿真实验验证了提出的方法的有效性。     

自动化仓储系统不规则货位优化问题研究

针对不规则货位的自动化仓储系统的特点,以提高系统效率和空间利用率为优化控制目标,研究了自动化仓储系统不规则货位优化分配策略,提出了首先对不规则的货位进行货位区优化,对每个货位区进行货位优化的数学模型,提出两级遗传算法解决货位优化问题。结果表明,该优化方法有效地提高了系统的效率,实现了密集存储,为自动化仓储系统中不规则货位的货位分配优化提供了理论依据和实践途径。     

基于SOA的自动化立体仓库管理系统实现

针对传统自动化立体仓库管理系统的扩展能力弱、应对业务流程变化能力差等问题,提出了基于SOA的软件结构模型,并应用该模型开发了立体仓库作业监控系统。通过作业执行过程中模块之间的调用关系,阐明了该软件结构模型易于扩展和维护的特点。该模型采用B/S的系统架构,Silverlight作为客户端呈现技术,以WCF服务作为SOA的实现技术,实现了通讯的平台无关性和丰富的用户体验,提高了系统的柔性和应对业务流程变化的能力,为自动化立体仓库管理系统的开发和可视化管理提供了有价值的解决方案。     

基于改进粒子群算法的立体仓库货位分配优化

研究自动化立体仓库固定货架的货位分配问题,货位分配综合考虑了货架的稳定性和出入库效率,建立了货位优化的数学模型,提出了基于Pareto最优解的改进粒子群算法（PSO）来解决此问题的方法。在优化过程中引用了置换的概念来计算粒子的速度,并且在算法中采用小生境技术提高非劣解集的分散性,用存档群体保存了非劣解。仿真实验证明,此优化策略可以有效地解决自动化立体仓库的货位分配问题。     

基于遗传模拟退火算法的立体仓库储位优化

针对自动化立体仓库储位分配问题,结合仓库运作特点和安全性要求,构建了自动化立体仓库储位优化问题的多目标模型,并提出了求解模型的基于Sigmoid曲线的改进自适应遗传模拟退火算法（SAGA）。首先,以降低货品出入库时间、同组货品距离和货架重心为目标建立储位优化模型;然后,为了克服遗传算法（GA）局部搜索能力差和易陷入局部最优的缺点,引入基于Sigmoid曲线的自适应交叉变异操作和逆转操作,同时完成与SAGA的融合;最后,对改进遗传SAGA进行算法优化性、稳定性和收敛性测试。仿真实验表明,相比模拟退火（SA）算法的求解结果,该算法对货品出入库时间的优化度提高了37.7949个百分点、对同组货品距离提高了58.4630个百分点、对货架重心优化度提高了25.9275个百分点,并且该算法具有更好的稳定性和收敛性。由此验证了改进遗传SAGA求解问题的有效性,该算法可为自动化立体仓库储位优化提供决策方法。     

基于遗传算法的图像检索中特征权重自动调整

综合多种特征的图像检索可以克服使用单一特征带来的问题,如何组织这些特征使其发挥最佳作用是基于内容图像检索中的一个难点。提出了一种基于遗传算法的多特征权重自动赋值方法,首先将图像检索中特征权重调整问题转换为优化问题,进一步利用遗传算法求取权重的最优解,使检索效果达到最好。实验表明,该方法查全率和查准率较高,并且具有较强的鲁棒性和推广能力,对于各种特征和特征表示方法,都能够提供最佳的组合。     

S7-400在自动化立体仓库监控系统的应用

介绍烟厂烟叶配方自动化立体仓库的整个监控系统的结构,详细叙述西门子S7-400PLC在系统中硬件配置和程序设计。整个控制系统实现了仓库的管理监控,实际运行可靠,达到了设计要求。     

输送机控制系统在自动化立体仓库中的应用

作为立体仓库的重要组成部分,输送机设备发挥着越来越重要的作用。仓库中所有货物的入库、出库等作业都必须通过输送机来完成。以某空港配餐公司自动化立体仓库为例,介绍了输送机在仓库中的应用,在立体仓库出入库工艺流程的基础上,分析设计了全自动模式下输送机出入库的步进流程图,并对不同工作模式下输送机的工艺流程进行了分析。     

自动化仓库管理与控制系统集成设计与实现

分析了自动化仓库管理与设备控制系统的功能需求，指出了它与过程监控系统的不同点，划分了自动化仓库管理与控制系统功能模块。结合以太网和现场总线的技术特点，设计了以交换式快速以太网为主干、以总线型现场总线为底层的系统集成网络结构，给出了基于以太网的设备监控通信协议分层模型。通过介绍该设计在某企业生产仓储兼有物流功能的自动化仓库的实现，阐明了仓库管理与监控系统软件的集成。该设计使用通用器件和通用技术以较低成本实现了自动化仓库管理与控制系统集成，具有易于扩展和维护的优点。     

基于遗传蚁群算法的QoS路由算法研究

利用遗传算法的快速全局搜索能力和蚁群算法的正反馈收敛机制,引入遗传蚁群算法（Genetic Algorithm Ant Colony algorithm）GAAC来解决QoS路由问题。算法设计的基本思想是首先由遗传算法产生较优解,较优的路径留下信息素,其他路径不改变,然后在有一定初始信息素分布的情况下,用蚁群算法求精解。仿真表明算法比单一采用遗传算法和蚁群算法进行路由选择具有更好的性能,且更适合于动态网络环境下的QoS路由选择。