现实约束条件下的集装箱多箱装载优化

针对现实约束条件下的多种货物、单一箱型的复杂集装箱多箱装载优化问题,提出遗传算法与启发式算法相结合的交互式混合算法.该算法利用遗传算法将货物分配到各个集装箱内,再用启发式—变异算法产生各个集装箱的装箱方案,2种算法交互进行,搜索优化解.基准测试问题的数值试验表明,该算法产生的装箱方案优于基于M ichael E lay算法的装箱方案.

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。

基于改进遗传算法的航空集装箱装载优化

目的为保证货物在运输中的平稳性与安全性,优化航空运输中集装箱的装载布局问题,提出一种改进遗传算法并开展航空集装箱装载应用研究。方法考虑货物装载的7种现实约束条件,以集装箱体积利用率为优化目标,建立航空集装箱多箱装载优化模型。采用三段式实数编码随机产生初始种群,并加入最优个体保护策略增强遗传算法的全局收敛性,结合不同约束条件构造合理的适应度函数。结果以真实航空货物信息作为实验数据,实验结果表明在满足多种现实约束的条件下,集装箱体积平均利用率由优化前的74.07%提高到83.99%,装载件数明显增加,适用于航空集装箱的运输装载。结论算法能够应用于航空集装箱装载运输中,为航空运输业实现智能化装载、提高运输效率创造了条件。