三维单集装箱装载问题(Three-dimensional Single Container Loading Problem,3D-SCLP)因其在制造业和物流业中有着广泛的应用,已成为最优化领域中最经典的工程问题之一。然而,目前的优化方案主要从算法优化改进与局部约束调整等角度考...三维单集装箱装载问题(Three-dimensional Single Container Loading Problem,3D-SCLP)因其在制造业和物流业中有着广泛的应用,已成为最优化领域中最经典的工程问题之一。然而,目前的优化方案主要从算法优化改进与局部约束调整等角度考虑,没有充分考虑实际装载过程中的复杂约束需求,如重量限制、负载平衡、货物稳定性、堆叠约束以及人因工程因素,导致现有方法理论装载率虽高,但实用性低。在充分考虑实际多重复杂约束的基础上,提出了一种基于天鹰座优化器的改进元启发式算法。该算法基于种群优化策略,并将差分变异和高斯扰动与潜在点策略相结合,实现复杂约束情况下的快速收敛。在中等规模工业实例数据上进行了算法验证,与传统启发式优化方法相比,所提方法能够解决中等规模复杂约束下的三维装箱优化问题,在实际空间利用率、生成效率等方面优于现有的解决方案。对物流运输行业减少人工成本,实现装箱标准化与智能化具有重要意义。展开更多
文摘三维单集装箱装载问题(Three-dimensional Single Container Loading Problem,3D-SCLP)因其在制造业和物流业中有着广泛的应用,已成为最优化领域中最经典的工程问题之一。然而,目前的优化方案主要从算法优化改进与局部约束调整等角度考虑,没有充分考虑实际装载过程中的复杂约束需求,如重量限制、负载平衡、货物稳定性、堆叠约束以及人因工程因素,导致现有方法理论装载率虽高,但实用性低。在充分考虑实际多重复杂约束的基础上,提出了一种基于天鹰座优化器的改进元启发式算法。该算法基于种群优化策略,并将差分变异和高斯扰动与潜在点策略相结合,实现复杂约束情况下的快速收敛。在中等规模工业实例数据上进行了算法验证,与传统启发式优化方法相比,所提方法能够解决中等规模复杂约束下的三维装箱优化问题,在实际空间利用率、生成效率等方面优于现有的解决方案。对物流运输行业减少人工成本,实现装箱标准化与智能化具有重要意义。