考虑学习效应的最小化延误总时间的单机批次排序问题

一些生产场景中,工件以批次作业的形式被安排生产,工件批量大、加工工序基本相同,所以标准工时相同,而且实际加工时间会受到学习效应的影响.为此,讨论学习效应的最小化延误总时间的单机批次排序问题,对该问题建立数学模型.该问题属于NP-hard问题,采用动态规划算法(DP)和模拟退火算法(SA)求解该问题,通过实验分析不同规模时DP的执行时间与SA的执行时间和求解误差的变化趋势,比较SA与其他实践中常用的经典规则的求解效果.最后得出DP适合批次数小于13的小规模问题,可以得到精确解;与经典规则相比,SA至少可以使目标函数降低20%,表明SA算法具有有效性.SA解决大规模问题时效果较优,并得出SA的执行时间和误差随着控制参数改变的变化趋势.

考虑拆分策略的智能仓库订单分拣建模与优化

针对一种两类订单混合分拣的自动小车分拣问题,考虑其在订单分拣过程中出现的分拣AGV(automatic guided vehicle)堵塞和人工收集站闲置的现象,提出一种订单拆分的策略及拆分后子订单批次调整的方法,并以总订单完工时间最小化为优化目标,建立了订单拆分的订单分拣整数规划模型;提出一种改进离散灰狼优化算法,将订单分批、批次排序以及下架库位选取3个子问题进行联合优化。数值实验结果表明,订单拆分策略使总订单完工时间显著减少,并且通过与经典算法以及其他同类型算法的对比,验证了所提算法的优越性。