基于嵌套蚁群算法的机器人拣货作业联合优化

针对物流仓储中心拣货作业过程中系统订单分批和拣货路径分步拣选效率低的问题,提出一种基于嵌套蚁群的订单分批和路径优化的联合拣货策略。首先,建立以最小化总路径为目标的订单分批与拣货路径联合优化模型;然后,考虑双重优化的复杂性,设计一种嵌套蚁群算法对模型进行求解,以订单分批模型为基准不断优化订单分批结果,得出最优分批集合单,其优化集合单再嵌套蚁群算法实现拣货路径优化。为验证该算法对随机订单有效性,抽取某一天17:00-18:00时段内既有货架区货物又有地堆区货物的43个订单算例进行仿真实验,与传统订单分批和拣货路径分步拣选策略相比,基于嵌套蚁群算法的拣货作业联合优化模型的随机订单拣货路径更短、拣货时间更少,经过联合优化后,机器人总拣选距离缩短了170 m。基于嵌套蚁群算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题,为配送中心拣选系统的优化提供依据。

求解混杂生产调度问题的嵌套混合蚁群算法(英文)

蚁群算法作为解决优化问题的有力工具 ,它的有效性已经得到了证明 .由于其生物学背景 ,基本蚁群算法被设计来求解复杂的排序类型组合优化问题 ,在连续空间优化问题的求解方面研究很少 .本文提出一种嵌套混合蚁群算法 ,用于解决具有混杂变量类型的复杂生产调度问题 ,在一种新的最佳路径信息素更新算法的基础上 ,提高了搜索效率 .计算机仿真结果表明 ,本文提出的方法在求解此类问题上性能优于另一种基于进化计算的有效方法———遗传算法 .蚁群算法作为解决优化问题的有力工具 ,它的有效性已经得到了证明 .由于其生物学背景 ,基本蚁群算法被设计来求解复杂的排序类型组合优化问题 ,在连续空间优化问题的求解方面研究很少 .本文提出一种嵌套混合蚁群算法 ,用于解决具有混杂变量类型的复杂生产调度问题 ,在一种新的最佳路径信息素更新算法的基础上 ,提高了搜索效率 .计算机仿真结果表明 ,本文提出的方法在求解此类问题上性能优于另一种基于进化计算的有效方法———遗传算法 .

考虑关键件加工质量的双资源约束车间调度算法

在工人异质性和机床类型多样的资源约束型车间中,针对资源抢占使加工质量向非关键件倾斜从而导致关键件加工质量无法保障的情况,建立了以完工时间为主要优化目标,以关键件加工质量、整体加工质量为辅助优化目标的双资源(工人/机床)约束柔性作业车间调度问题模型,并提出一种两级嵌套蚁群算法。首先采用工件候选集、资源候选集生成满足关键件加工要求的可行调度解;然后为工序寻找更合适的开工时间,针对机床类型、人机时窗差异设计了基于时窗的活动调度策略以提高算法的局部寻优能力;进而提出了一种保质策略,使关键件和总体工件加工质量水平持续提高;最后,通过算例测试验证了保质策略和两级嵌套蚁群算法的有效性。

农村公路治超站选址与治超车路径优化研究

为了降低超载运输车辆对农村公路的损坏,保证农村公路的服务质量和减少农村公路因超载产生的额外养护费用,以治超站为基地对农村公路实施移动治超。为了以最小成本实现所有超载路段的监控和超载治理,构建了同时确定治超站数量、治超站选址以及以治超站为基地治超车的巡游路径优化模型;针对具有大规模候选点集和最大可设置设施数不确定的选址-路径问题,设计了二级嵌套的蚁群算法对模型求解;利用实际数据进行案例分析。结果表明:治超站被选在矿产资源丰富、施工场地密集的地区,周边矿运货车和渣土车的超载运输现象明显;治超车的巡游路线包含多条货车流量大的省县干道。

双资源约束的航天结构件车间生产调度方法

针对航天结构件生产调度过程中工序加工时间随操作人员能力级别而变化,关重件和关键工序特定设备和人员要求约束等问题,构建综合考虑关键设备和人员双资源约束的柔性车间作业调度数学模型,解决航天结构件生产设备资源维、人员资源维、工序信息维的描述。为实现双资源约束下的柔性调度,提出嵌套式蚁群-遗传混合算法,针对结构件加工工序设备和人员双资源选择问题,建立资源选择问题与蚁群并行搜索的映射关系,设计蚁群算法实现资源选择;为提高算法搜索性能,利用遗传算法求解当前蚂蚁资源选择下的调度问题,在避免人员资源使用冲突前提下实现设备加工工序的优化排序,使得关键设备利用率最大,总完工时间最短,并通过综合考虑蚁群和遗传算法阶段的求解目标进行蚁群算法信息素的更新,大大提高算法获得较优解的性能。最后,通过航天结构件车间实际案例进行算法测试,测试结果表明,嵌套式蚁群-遗传混合算法能有效地求解双资源约束的航天结构件车间生产调度问题,可降低资源总负荷,提高关键设备利用率,避免人员资源冲突,具有良好的综合调度性能。