Taboo Search Algorithm for Item Assignment in Synchronized Zone Automated Order Picking System

The idle time which is part of the order fulfillment time is decided by the number of items in the zone; therefore the item assignment method affects the picking efficiency. Whereas previous studies only focus on the balance of number of kinds of items between different zones but not the number of items and the idle time in each zone. In this paper, an idle factor is proposed to measure the idle time exactly. The idle factor is proven to obey the same vary trend with the idle time, so the object of this problem can be simplified from minimizing idle time to minimizing idle factor. Based on this, the model of item assignment problem in synchronized zone automated order picking system is built. The model is a form of relaxation of parallel machine scheduling problem which had been proven to be NP-complete. To solve the model, a taboo search algorithm is proposed. The main idea of the algorithm is minimizing the greatest idle factor of zones with the 2-exchange algorithm. Finally, the simulation which applies the data collected from a tobacco distribution center is conducted to evaluate the performance of the algorithm. The result verifies the model and shows the algorithm can do a steady work to reduce idle time and the idle time can be reduced by 45.63% on average. This research proposed an approach to measure the idle time in synchronized zone automated order picking system. The approach can improve the picking efficiency significantly and can be seen as theoretical basis when optimizing the synchronized automated order picking systems.

城市轨道交通列车加开计划编制模型研究

本文主要研究城市轨道交通在计划编制阶段由于客流不均衡需要在初始运行图加开列车的问题,在确保列车运行安全降低运营成本的前提下合理地加开列车实现运输能力的灵活配置。将列车运行过程形式化描述为事件-活动网络,构建了分时段多目标优化列车加开计划编制模型,提出了启发式决策规则与禁忌搜索算法相结合的两阶段求解算法。结合地铁运行实际数据,在高峰时段和平峰时段分别构建不同算例场景,验证了模型和算法的可行性和有效性。

面向车载时间敏感网络的流量调度策略及改进算法研究

本文面向汽车电子电气架构中的时间敏感网络(TSN)流量调度问题开展研究。针对实际应用需求,提出一种车载TSN网络拓扑建立方法。针对网络中多类型信息流调度问题,提出一种基于时间感知整形器(TAS)机制的流量调度策略并建立相应的数学模型,在降低网络总延时的同时,兼顾高优先级信息流的时间敏感性和低优先级信息流的数据完整性。为解决模型中信息流转发过程复杂导致求解效率不稳定和流量调度方案众多导致寻优困难的问题,提出一种改进的遗传算法(IGA),从设置自适应交叉概率公式、引入禁忌搜索变异、多种群联合3个方面进行了优化。实验结果表明,本文所提出的算法在端到端延时优化方面提升了43.47%,在生成方案稳定性方面提升了76.96%,该算法可得到低延时、高可靠的车载TSN流量调度方案。本文的研究成果为智能网联汽车领域的研究和车载网络通信算法的优化提供了思路。

基于禁忌搜索算法的计算机网络通信覆盖范围优化方法

尽管网络通信覆盖范围已经得到了大幅提升,但仍然存在一定的地理限制。在某些偏远地区,由于地理环境复杂或其他因素,网络信号可能无法覆盖到这些地区,为此,现提出基于禁忌搜索算法的计算机网络通信覆盖范围优化方法。首先,构建网络通信节点覆盖模型,每个需要通信的目标均需要被多个通信传感器的节点进行感知,其次,部署计算机网络通信感知节点,通过一定的覆盖控制手段和启动休眠顺序控制可以有效提高监测效率,最后,基于禁忌搜索算法优化网络通信覆盖范围,高效优化服务区覆盖率。实验结果表明:该文章提出的基于禁忌搜索算法的计算机网络通信覆盖范围优化方法的覆盖能力要明显由于传统方法,说明通过禁忌搜索算法对计算机网络通信覆盖范围进行优化,可以有效地提高网络覆盖范围,减少通信盲区,提高网络的使用性能。

考虑设备预防性维护的开放车间调度问题

依据实际生产车间的运行情况,建立了带设备预防性维护的开放车间调度模型,并设计一种混合遗传禁忌搜索算法来求解该问题。根据问题的特点,设计了混合算法的遗传编码、解码、改进交叉和变异等操作,以及禁忌搜索算法的邻域结构,使算法在集中搜索与分散搜索中达到平衡。所提算法在开放车间调度Taillard基准实例和带预防性维护的开放车间调度案例中的应用验证了其高效性和有效性。

基于粒子群遗传禁忌的武器目标分配优化算法

针对传统的粒子群算法与遗传算法在解决武器目标分配优化时存在收敛精度不高的问题,提出了一种基于粒子群遗传禁忌的武器目标分配优化算法WTAO-PGT。通过引入自适应选择比例调控种群多样性,并改进遗传算法的交叉、变异算子以及禁忌搜索的邻域动作,使算法具有较强跳出局部极值的能力。仿真实验结果表明,所提算法在收敛精度上较粒子群禁忌混合搜索等算法有较大提升。

化工园区突发事故应急资源调度策略

考虑突发事件应急资源调度的时效性、充足性和经济性等特点,研究了应急资源调度策略。首先,针对应急资源调度多储备点、多事故点、多资源的情况,引入化工园区事故多米诺效应约束,构建了一种以应急资源调度时间最短化为主要目标和运输成本最小化为次要目标的双目标应急资源调度模型,通过利用理想点法将双目标问题转化为单目标问题;其次,针对调度模型的特点,提出一种改进的灰狼算法对模型进行求解,该算法融合了遗传算法、交叉算子以及引入禁忌表策略,提高了收敛精度和全局寻优能力,并对解进行离散化处理,从而得到实际的突发事件应急资源调度策略;最后,通过仿真对比实验,验证了所提模型和算法的有效性,确保可以兼顾化工园区事故应急救援的时效性和经济性,提高应急处置救援能力,为决策者提供科学合理的应急资源调度方案。

基于混合遗传禁忌搜索算法的多机器人任务分配

为解决传统遗传算法在求解仓储多机器人任务分配问题时,收敛速度慢且容易陷入局部极值的问题,该文提出一种混合遗传禁忌搜索算法。首先以机器人配送成本最小为目标建立数学模型;然后在传统的遗传算法中引入禁忌搜索算法中的禁忌表和藐视准则,来对遗传算法每次迭代后的种群进行优化调整,使得算法能够跳出局部最优且快速收敛。仿真结果表明,混合遗传禁忌搜索算法能有效地改善遗传算法的全局寻优能力,提升仓储的整体运行效率。

混合禁忌搜索的车间调度遗传算法研究

针对以最小化最大完工时间为目标的作业车间调度问题,提出一种混合禁忌搜索的遗传算法。禁忌搜索是一种能有效跳出局部最优解的元启发式算法,在每次迭代过程中通过搜索当前解的邻域来获得一个新解,通过评价新解的优越性来优化求解结果;加入多种交叉方式随机选择来扩大种群多样性;同时加入局部邻域搜索来改善解的质量,加快算法收敛速度。将提出的改进算法用于求解若干基准问题,算法具有一定的改良性,能优化求解结果。

引入路径夹角的粒子群-禁忌搜索寻优的速度前瞻算法研究

对于数控系统中路径为连续微线段的情况,本文提出一种采用路径夹角进行优化的多轨迹速度前瞻算法。首先基于前后路径的约束关系初算衔接速度;其次,利用路径夹角对衔接速度和最大加加速度进行矢量函数映射;最后,将所得的加减速参数带入S加减速模型,得到非对称S型加减速数据。并且采用粒子群-禁忌搜索混合算法对路径夹角的调整系数进行优化,通过熵权法计算适应度函数合成指标的权重,得到全局最优解。结果表明,相较于传统S型加减速,本文采用的算法显著提高了加工效率,具有较高的柔性,极大的提升了加工精度。

基于深度卷积神经网络的电力物资运输车辆调度优化算法研究

提出基于深度卷积神经网络的电力物资运输车辆调度优化算法,设置了约束条件,并以最短配送路径与最低开销为目标函数,构建电力物资运输车辆调度问题数学模型。利用改进Hopfield神经网络求解车辆调度问题数学模型,通过构造运输车辆邻接矩阵、处理约束以及神经网络计算得到运输车辆调度方案,采用禁忌搜索算法优化车辆调度方案,获取车辆调度最优解。实验验证结果显示:对比其他算法,该算法可得到距离最短的配送路径,且车辆配送所需时间最少,配送开销最低。

基于遗传算法的无线传感器网络覆盖控制优化策略

针对节点高密度部署的无线传感器网络中优化工作节点集的选取问题,提出了一种基于遗传算法的覆盖控制优化策略:设计了密度检测机制优化初始种群,保证种群质量;采用精英操作,提高优化速度;引入禁忌思想,设计了两种禁忌操作,实现局部有效搜索,优化全局搜索。仿真实验及分析表明,该策略快速有效地实现了工作节点数目少、节点集覆盖率高的工作节点集的优化选取,在获得较高覆盖质量的条件下休眠了更多的冗余节点,可有效地降低能耗,延长网络生存时间。

应用混合蚁群算法求解模糊作业车间调度问题

为解决蚁群算法求解时间过长和易陷入局部最优的问题,提出了一种求解模糊作业车间调度问题的混合算法,该算法将蚁群算法用于全局搜索。为了提高搜索效率,根据作业车间调度问题解的特征,提出一种基于关键工序的邻域搜索方法,并使用此邻域搜索方法的禁忌搜索算法嵌入蚁群算法。利用禁忌搜索算法较强的局部搜索能力,提高了蚁群算法的优化能力,改善了作业车间调度问题解的质量。实验结果验证了该混合搜索算法的有效性,其优化效果优于并行遗传算法和禁忌搜索算法。

基于TS-SVM模型的水安全评价

核函数参数和误差惩罚因子的选择对支持向量机模型(SVM)的精度有较大影响。为充分发挥SVM的性能,提出基于禁忌搜索算法优化的支持向量机模型(TS-SVM)。将TS-SVM应用于山东省水安全指数计算,得到各个水安全利用方案的评价指数值和安全等级。对比分析表明,TS-SVM具有较强的学习能力,能给出合理的评价结果,是一种有效的评价模型。

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job Shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量。在混合粒子群算法中,采用粒子群算法进行大范围全局搜索。根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力。采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法。由此说明本文所提出的混合粒子群算法是有效的。

求解Job Shop调度问题的改进禁忌搜索算法

提出一种改进的禁忌搜索算法,解决传统禁忌搜索算法优化效果对运行次数和初始解依赖的不足,提高这类问题的求解质量。根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,采用此邻域选择方法构造禁忌搜索算法,当无邻域时,重新产生初始解进行禁忌搜索,将传统的禁忌搜索算法从单起始点搜索改进成多起始点搜索。采用改进的禁忌搜索算法对13个难的benchmarks问题进行10次求解,得到的平均值8个优于TSAB算法,得到的最优解6个优于TSAB算法、4个与TSAB算法相同。采用基于关键工序的邻域结构构造的改进TS算法具有较强的搜索能力。

考虑时间分级的移动应急电源优化配置模型

合理配置移动应急电源对提高城市电网应急能力具有重要意义。综合考虑停电时间、用户自备电源供电时间、供应点与用户间交通时间、用户损失费用、应急电源投资和维护费用以及供应点交通便利度等因素,建立了含3个优化目标考虑时间分级的应急电源配置数学模型。提出了求解该模型的引入回溯表和长期表的多目标禁忌搜索算法;模型统一考虑了供应点选址及用户选择,并能够提供多种候选方案。实际算例证明模型和求解算法是合理和有效的,也有助于提高城市电网应急能力。

定位-车辆路径问题的两阶段混合启发式算法

定位-车辆路径问题(LRP)集成了设施定位分配和车辆路径决策,属于NP-hard难题.为有效求解实际大规模的具有设施容量约束和车辆容量约束的LRP问题,设计了基于禁忌搜索及双种群蚁群算法的两阶段混合启发式算法.算法第1阶段采用禁忌搜索算法确定设施定位及客户分配,算法第2阶段采用双种群蚁群算法优化车辆路径,蚁群间的通信与协调通过信息素共享来实现.通过仿真试验并与其他启发式算法进行对比,结果表明,该算法是可行和有效的.

基于改进遗传算法的流水车间调度求解方法

流水车间调度问题是一类经典的NP完全问题,为此提出了一种求解极小化总完工时间的流水车间调度问题的改进遗传算法。该算法采用构造型启发式算法和随机方法共同产生初始种群,结合禁忌搜索算法的局部搜索性能和遗传算法的全局搜索性能。仿真实例的结果表明该算法对问题求解的可行性和有效性。

多车型单配送中心混合装卸车辆路径问题研究

针对客户多样化和个性化的需求,建立多车型、多约束条件的集货和配送车辆调度模型,并提出了混合遗传算法求解.首先,采用自然数编码,可以使问题变得更简洁;用最佳保留选择法,以保证群体的多样性;用改进的顺序交叉算子保证算法能够收敛到全局最优;引入2-交换变异策略,并结合爬山算法,加强染色体的局部搜索能力;其次,对遗传算法求得的精英种群再进行禁忌搜索.实例计算表明本算法均优于遗传算法和禁忌搜索算法.