求解集装箱装载问题的混合蚁群模拟退火算法

目的 针对物流行业中存在的大规模、复杂、多规格货物的集装箱装载问题,提出一种基于塔装载启发式算法、二维装载点启发式算法、蚁群模拟退火算法的混合算法。方法 首先,采用塔装载启发式算法将三维待装箱装载成塔集,即将三维装箱问题降为二维装箱问题,有效降低集装箱的装载规模;其次,蚁群算法通过融入信息素选择更新策略,并利用自适应信息素挥发系数来提升算法整体的收敛速度,同时结合模拟退火算法对每代优秀路径集进行局部搜索,避免算法因收敛过快而陷入局部最优;最后,将蚁群模拟退火算法与二维装载点启发式算法相结合,优化每座塔的装载顺序和放置姿态,寻找最优的装载方案。结果 实验证明,在250组算例中,采用混合算法后,集装箱的平均空间利用率为90.92%,优于其他3种对比算法。结论 设计的混合蚁群模拟退火算法适用于解决大规模集装箱装载问题。     

多车多件货物平衡装载优化研究

基于重心平衡的货物装载要求在提高车厢装载率的同时实现货物装载重心的优化，这对于货物安全高效运输具有重要的意义。针对多件不同规格的矩形物品装载于多个车厢的平衡装载问题，提出了同时对多辆车以对称的形式进行装载的思想，并设计了改进后的贪婪自适应搜索算法来实现这一过程；通过设计2种改进策略，对初始解进一步优化；最后提出了对部分已装载货物位移以改善各车厢重心分布的方法。经过实例运算和分析，证明本文提出的方法能快速制定货物平衡装载布局方案，并达到车辆的高效利用及货物安全运输的要求。     

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.     

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.     

一类多资源调度问题的优化算法

若调度系统中的作业或任务需要一个或多个资源共同完成， 则这一类调度问题被称为多资源（或多处理机）调度问题。本文针对Jobshop中的这一调度问题，提出了基于遗传的优化调度算法，并用实例证实了该算法的有效性。     

多时段可搭载零担物流路径优化问题模型及算法研究

基于承运人的视角,考虑运输任务在可搭载情况下的零担物流路径规划问题,建立了以收益最大为目标函数的数学模型,并设计了一种基于动态规划的启发式(a heuristic algorithm based on dynamic planning,HAbDP)算法进行求解。首先利用改进的动态规划算法求出无搭载任务时任意起点到任意终点间的最短路径,随后利用2-opt交换算子将各阶段出现的不可行路径转化为可行路径并进行任务搭载操作,统筹优化后得到完整计划期内车辆路径运行方案。通过数值算例分析得到如下结论:①在小规模问题中,HAbDP算法与精确算法相比,二者的最优收益相近,但前者计算时间大幅度减少;②在较大规模问题中,HAbDP算法与粒子群算法相比,在计算时间上较为接近,但是在求解质量上前者占优;③与传统零担物流路径方案相比,考虑运输任务可搭载后,其空载率、空载线路数量均有显著降低,而总收益显著提升。因此,提出的模型及HAbDP算法对求解可搭载零担物流路径优化问题具有一定的现实意义和参考价值。     

基于启发式算法的单航空集装器的装箱优化设计

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（ULD）装箱算法研究。方法 应用先进的贪心算法与遗传算法相结合的启发式算法研究单个航空集装器的装箱最优问题。结果 对单个航空集装器（ULD）装箱进行了装箱模型构建和算法优化,使得节省的航空集装器空间得到全部利用,实现最优装箱。结论 文中算法计算出的装载方案较人工计算更精确、更具稳定性,且经济效益更高。后续还有望把这种算法转化为高度智能化的软件系统,对航空货运自动化和工作流程标准化具有一定的推动意义。     

质量体积双约束下车辆装载与配送路径联合优化研究

目的 针对质量与体积共同限制的配送路径问题,综合考虑订单不可拆分、货物的体积等约束,构建包含路径最短和装载率最高双目标的车辆装载与配送路径联合优化模型。方法 在车辆路径优化模型的求解方面,首先利用聚类算法对配送区域进行划分,然后通过车辆的载质量判断是否能进行站点货物的配送,最后利用遗传算法求得最优路径。在三维装载模型的求解上使用贪心算法和基于块的启发式算法,解决了货物的装箱问题。结果 基于某公司具体实例对模型与算法的可行性进行了验证,优化后配送的车辆减少了1辆,配送距离减少了154.247km,平均装载率达到了93.89%,节省了企业的配送成本。结论 所构建的模型以及求解的算法可以提高装载率和配送效率,为解决车辆装载与配送路径联合优化问题提供理论依据。     

基于混合遗传算法的多箱型三维装箱问题研究

目的 提高电商仓储领域打包环节包装箱的利用率。方法 针对电商仓储领域多箱型多种物品类型的三维装箱问题,建立混合整数规划的数学模型,设计基于启发式经验规则和多种算子组合的装箱过程模块算法。分别从装箱顺序和带有改进型算子这两方面设计多箱型三维装箱问题混合遗传算法,对装箱方案进行优化。结果 经实验证明,在装箱顺序优化环节PSO–HGA算法系列中,PSO–HGA–S1算法最优。在带有改进算子的混合遗传算法中,IPO–HGA–S1算法最优。结论 文中设计的混合遗传算法能很好地提高电商仓储领域打包环节包装箱的利用率。     

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。     

求解集装箱堆场堆垛问题的约束满足算法

集装箱堆垛问题普遍存在于港口码头堆场作业管理中,是在集装箱数目已知的前提下,要求满足交货期限制、重量限制以及垛位高度限制等约束条件,目标是实现占用垛位数最少。通过问题分析,将其归结为一类带顺序约束的装箱问题,并建立了约束满足优化模型,设计了嵌入经典装箱启发式原则的约束满足求解算法。为了验证模型和算法的可行性和有效性,根据某集装箱码头堆场的实际生产情况构造测试算例,实验结果表明,该算法对于实现垛位数最小化、求解复杂约束下的大规模堆场问题较现有的装箱启发式有一定程度的改善。     

基于启发式算法的在线多尺寸行李码放问题求解

目的 为了解决目前大部分三维装箱算法无法求解航空运输背景下机场托运行李在线码放的问题,开展在线托运行李码垛算法研究.方法 首先,基于实际应用环境提出一种全新的码放顺序约束以及在线多尺寸行李码放数学模型.然后,设计一种有别于传统在线问题一次仅获取一件物品信息的规则,通过改变获取行李信息三维相机的位置,从而提前获取更多的行李信息,提出每次获取K个行李尺寸信息,并构建组合式码放策略的在线启发式"填充点"算法.最后,采用每次获取3件真实机场托运行李信息进行仿真和实验.结果 结果证明,算法给出的码垛布局方案不仅可以确保在线状态下不同类型尺寸托运行李的高效码放,且优化后的算法可获得84.86％的填充率,同时具有良好码放稳定性.结论 算法给出的码垛布局方案合理,有较好的填充率,为此后航空运输背景下在线三维装箱问题的算法设计提供了一个新方向.     

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。     

一刀切约束下的二维装箱问题高效求解算法

目的 为实现大规模物料的快速剪裁切割,对考虑一刀切约束的二维装箱问题进行研究,并构建相应的改进优先度算法IPH(Improved Priority Algorithm,IPH).方法 IPH能够在不需要任何迭代搜索下,直接进行剩余空间分割与填充.为此,发展PH算法中的优先度放置规则,并以最大化生成大空间面积和最小化生成小空间面积为基础,设计改进砌砖式空间分割策略.结果 针对标准数据集的对比实验表明,IPH能够在较短时间内完成大规模算例的高效求解,并首次获得了多个算例的最优填装效果.结论 基于概率较优的启发式求解方法,能够实现无迭代优选下的一刀切二维装箱问题直接求解,且运算效果令人满意.     

基于蚁群算法的军用车辆器材装箱配载问题

目的对军用车辆器材装箱配载问题进行合理优化,以提高集装箱的空间利用率。方法阐述了军用车辆器材装箱配载问题的重要性,并对装箱配载问题进行理论分析,应用蚁群算法建立数学模型和实现流程,通过实例分析验证该算法的合理性。结果利用蚁群算法模拟与优化装箱配载问题使集装箱利用率达到了88.96%,并确定出了最优的装箱配载方案。结论蚁群算法能够对军用车辆器材装箱配载问题进行合理优化。     

一类资源负荷均衡问题的优化调度算法

针对一类n个独立任务在m个不完全同等的处理机上处理，使处理机的最大负荷为最小的非抢先调度问题，提出了一种启发式算法－－最小平衡算法，并分析了它的时间复杂性，在此基础上，又将最小平衡算法和遗传算法结合起来，提出了基于遗传的最小平衡算法，并用实例证实了该算法的有效性。     

基于启发式算法的乘用车物流运输问题分析

伴随着汽车工业的高速崛起,乘用车物流运输问题也快速走进人们的视野。由于现在很多物流公司在制定运输计划时主要依赖调度人员的经验,在面对复杂的运输任务时,往往效率较低且运输成本不尽理想。考虑到影响乘用车物流运输成本的主要因素分别为轿运车的使用数量、轿运车的单价以及行驶里程数等等,本文采用建立逐级目标的模式,应用启发式算法,结合计算机软件,给出了求解乘用车物流运输问题的数学模型。应用此模型求解了2种不同类型的乘用车物流运输问题,提出了合理的运输方案。此项工作对今后物流公司处理此类运输问题提供了重要的参考价值。     

启发式算法在超市配送路线优化方面的研究

连锁超市配送路线的合理与否对配送速度,合理利用车辆和配送费用都有直接影响。因此配送路线的优化问题是配送工作的一个重要问题,做好配送工作具有十分重要的意义和作用,以某一连锁超市为例,对其配送路线的优化问题进行深入的研究。     

面向教学的三维变换算法可视化方法研究

在深入研究计算机图形学三维变换算法原理的基础上,分析了算法可视化的实质,建立了三维坐标系,并实现了坐标的投影变换,运用动态演示的方法,结合交互控制技术,实现了三维变换算法可视化教学演示系统CAI.学习者可以更快、更准确地理解计算机图形学三维变换的算法实质,有效地提高了教学质量.     

改进的混合粒子群优化算法

针对粒子群算法后期收敛速度较慢,易陷入局部最优的缺点,提出了改进的混合粒子群算法.通过更改现有的速度更新公式,加入扰动项,以及引入交叉和变异算子等措施,改进了粒子群算法的性能.数值试验表明,改进后的粒子群算法在全局寻优和局部寻优能力上均得到提高,是一种有效的优化算法.