基于混合遗传算法的固定货架拣选优化问题研究

采用一种结合Hopfield网络模型的遗传算法,解决了自动化立体仓库中固定货架拣选作业路径优化问题。 在利用Hopfield/Tank神经网络的快速局部搜索能力的同时,又利用了遗传算法的全局寻优特性,有效地获得全 局优化的拣选路径。仿真结果表明,算法能够满足待拣选货位点数目在较大范围内变动的要求。

应用改进LK算法求解固定货架拣选优化问题

针对自动化立体仓库中固定货架拣选作业要求速度快、效率高的特点,分析和研究了一种新型改进Lin Kernighan(LK)算法,并将其应用于固定货架拣选优化问题。仿真实验结果表明,该算法能够大大降低时间和空间的计算复杂度,快速、稳定地找出最优解,满足了多次作业时待拣选货物数目在较大范围内变动的要求,尤其是满足了中大规模作业的要求。

基于小生境遗传算法的自动化仓库固定货架拣选优化

对自动化仓库固定货架拣选优化问题进行了描述,提出了求解该问题的小生境遗传算法。算法采用自然数编码,利用共享函数使种群呈现多样性,并且加入了局部扰动操作和改进的交叉、变异操作,提高了算法的全局寻优能力。介绍了算法的原理,对算例进行了计算,并与文献中优化结果进行了比较。对算例结果进行分析表明,该算法可以更有效地求得固定货架拣选问题的优化解,是解决该问题的有效方法。

基于二进制粒群的拣选作业优化

目的提高电子标签拣选系统中拣选作业的效率与货位占有率。方法以某电子拣选库为研究对象,提出以订单完成度、货位占有率以及货位聚集度为目标的拣选优化模型。设计基于二进制粒子群算法(BPSO)和遗传算法(GA)的模型求解仿生算法。结果试验及优化结果表明,基于BPSO的电子拣选库订单的完成度、货位占有率以及货位聚集度较遗传算法更高。结论基于二进制粒子群算法求解的优化模型较符合实际的电子拣选库人工拣选作业,同时仓储作业货位的利用率及拣选效率得到了提高。

Max-Min蚁群算法在固定货架拣选路径优化中的应用

固定货架拣选路径优化问题是一个典型的TSP问题 .为NP完全难题 .使用Max MinAntSystemAlgorithm来求解该问题 ,计算机仿真结果表明该方法能较快地找到最优解 ,而且比神经网络。

双伺服机分层旋转货架拣选路径优化的两级遗传算法

提出求解一类组合优化问题的新方法。首先通过虚拟点法把双拣选台问题转化我单拣选台问题,然后将启发式规则与遗传算法相结合,提出一种两级遗传算法。仿真结果表明了该算法的有效性。

一种鱼骨仓储布局下的拣选路径优化方法

根据一种非传统鱼骨(fishbone)布局的特点,基于仓储运作约束条件建立了拣选路径优化模型,构造了非传统货位距离矩阵;在标准遗传算法基础上,通过进化逆转算子克服标准遗传算法存在早熟收敛和局部搜索能力较差等问题,给出了一种多种群遗传算法;为验证算法的有效性,在不同订单规模下,将多种群遗传算法与标准遗传算法和S-Shape算法进行比较,应用MATLAB软件仿真分析,一系列实验结果表明多种群遗传算法计算结果最优,并且寻优速度更快于标准遗传算法,能够很好地解决鱼骨仓储布局下的拣选路径优化问题,提高仓储智能化水平。

基于遗传算法的配送中心订单拣选路径优化案例研究

以行走距离最短为目标,对配送中心内订单分批拣选行走路径问题进行了优化研究,重点阐述了运用遗传算法来实现种子订单分批拣选方法(GASM)与中点型路径拣选方法的解题步骤,每一种算法都进行了四组算例试验研究,并在其它假设前提不变时,通过案例数据阐述了当拣选路径由S型变为中点型拣选之后,订单进行分批拣选的路程变化情况。

基于人工鱼群算法的拣选作业优化问题

为了提高自动化仓库固定货架拣选作业的工作效率,引入较为简单、高效的人工鱼群算法来优化拣选路径.根据所建立的拣选路径优化问题的数学模型进行程序设计,并在Matlab环境下进行仿真实验,通过结果有效证明该算法是提高拣选效率的有效方法.

复合拣选策略下堆垛机作业序列优化问题

订单拣选是配送中心最费时费力的环节,配送速度不仅是新型电商的核心竞争力也是大型制造企业物料配送的核心指标,复合式拣选策略成为提高配送速度的重要方式。结合复合式拣选方式中货物之间不同的出货要求,将货物按照出货的紧急程度进行分类,建立了以能耗成本、作业时间以及出货惩罚值最小化为目标的堆垛机拣选作业序列多目标优化模型。通过改进带精英策略的非支配排序遗传算法(NSGA-Ⅱ)实现该问题的高效求解。算例分析表明,复合式拣选策略下可实现大多数订单的提前拣选,改进优化算法可为决策者在成本、效率和服务质量3个维度提供科学决策依据。

旋转货架拣选作业优化的交叉蚁群算法求解

单伺服机分层水平旋转货架存取路径优化问题是一个特殊的TSP问题,为NP完全难题。使用蚁群算法来求解该问题,搜索时间长、收敛速度慢、易陷于局部最优解。为此,根据遗传算法中的交叉操作对该算法进行了改进,构造交叉蚁群算法,并进行计算机仿真,结果表明该算法能较快地找到最优解。

基于鱼骨型仓库布局的多车拣选路径问题优化

为了推动鱼骨型仓库在实际场景下的应用,针对鱼骨型仓库布局下的拣货路径优化问题,构建待拣货点距离计算模型和以有载重、容积限制的多车拣货距离最短为总目标的拣选路径优化模型。考虑遗传算法(GA)全局搜索能力强、粒子群算法(GAPSO)收敛速度快以及蚁群算法(ACO)较强的局部寻优能力,提出一种解决拣选路径优化模型的混合算法(GA-PSO-ACO)。通过不同订单规模的仿真实验,得出该混合算法在适应度值、迭代次数、收敛速度等方面均优于GA算法和GAPSO算法,且在订单规模较大时,平均适应度值约降低8%,有效缩短了总拣选距离,验证了混合算法在解决鱼骨型仓库布局下的拣货路径问题的先进性和有效性,为解决此类仓库内部的拣货路径问题提供新的解决方法和思路。

动态立体仓库中穿梭车货到人多目标拣选路径优化

近年来,穿梭车被广泛地应用到仓库拣选作业中,传统的"人到货"拣选方式正逐渐被"货到人"的自动化拣选方式取代,所以,穿梭车拣选路径的选择变得尤为重要。文中创新性的将禁忌搜索算法应用到自动化立体仓库中穿梭车的拣选路径优化,对于提高仓库的作业效率具有重要意义。

汽车零部件仓储的拣选优化

汽车零部件仓储对汽车主机厂的正常生产起着至关重要的作用,本文对汽车零部件仓储的拣选优化问题进行了研究,以期提高汽车行业生产水平。

仓储物流管理中基于RFID的拣选作业优化系统研究

探讨了拣选作业过程的优化,通过有效地配置仓库资源,降低运营成本.现有基于条形码或基于手工的仓库管理系统难以处理实时的仓储物流操作,而将RFID技术应用于仓库数据的收集和共享,进一步优化拣选作业系统,提高仓储物流管理的效率.

一种fishbone仓储布局下拣选路径存取协同策略的优化

为了提升仓储物流中心的生产运作效益,基于一种非传统fishbone布局路径优化特点研究的基础上,提出了一种质量、体积双负载约束下的存取协同的策略模式,并构建了拣选路径的优化模型。针对该模型,设计了改进的禁忌搜索算法(TS)进行模拟仿真试验,该算法的初始值部分由遗传算法生成,有效地克服了禁忌搜索算法对初始值的依赖性。应用该算法,针对不同的订单规模和不同的初始负载比例,将传统的拣选模式和存取协同的策略模式下的最短拣货路径距离进行了比较,结果显示存取协同策略模式能够缩短fishbone布局下拣货路径的距离,其优化比例最高可达38%左右,最差的优化结果也有12%,从而提升生产作业效率。

基于群智能算法的仓库拣选路径优化

基于群智能控制系统,提出了一种仓库拣选路径优化的群智能算法,以路径最短为目标,实现仓库的拣选路径优化。与传统的集中式和分布式算法相比,该算法无需构建中心节点,不必增加硬件或时序冗余,具有并行性和简单性的特点。

自动仓库三叉堆垛机拣选作业的优化

自动化立体仓库的广泛应用要求计算机化的控制算法去支持其调度和拣选决策。本文针对一个三叉堆垛机拣选顺序的问题进行研究,涉及一个三叉堆垛机存取操作,目标是通过算法计算,最大限度地减少堆垛机完成拣选任务单所需的时间。实践证明,研究堆垛机拣选作业优化问题对自动化立体仓库工作效率的提高具有重要意义。本文所研究的算法已经成功应用到上海烟草集团有限责任公司天津卷烟厂项目中。

遗传算法在固定货架堆垛机拣选路径优化中的应用

固定货架的拣选路径优化问题是一个典型的TSP问题。以堆垛机拣选路径作为研究目标,通过计算货位点所在的坐标位置产生拣选点。运用基于顺序的遗传基因编码方式编制程序,对拣选路径进行优化。仿真实验和实际应用表明该算法能较快找到最优解,并有效提高系统运行效率。

考虑非对称情形的一类拣选问题的改进LK算法求解

分析并推证出单巷道固定货架的拣选优化问题可归结于对称或非对称旅行售货商问题 ,研究了一种新型的改进Lin Kernighan (LK)算法 ,并将其应用于固定货架的货物拣选优化过程中。实验仿真结果表明 ,用该算法能降低固定货架对称和非对称拣选优化时间和空间计算的复杂度 ,快速、稳定地找出最优解 。