基于遗传-变邻域搜索算法的堆垛机作业调度优化

基于缩短自动化立体仓库中堆垛机完成货物出入任务时间的目的,建立了堆垛机作业调度的作业时间模型,通过修补机制、校正机制和遗传-变邻域搜索算法的优化方法,使得在优化的过程中,确保出入库任务序列的长度相等,并能够复用同一批作业任务中因出库作业产生的空货位。12组作业任务的仿真实验结果表明,相较于变邻域搜索算法,遗传-变邻域搜索算法的收敛速度更快,其中3组作业任务解的质量更高,总耗时和相对耗时的优化率分别为11.57%~21.56%和35.85%~68.89%,且复用空货位可以缩短堆垛机的作业时间。

基于有向图强连通改进变邻域搜索算法的AGV单向导向路径网络设计

为最小化物料搬运成本,结合有向图强连通性理论,提出一种改进变邻域搜索算法。首先,以最小化AGV的运载和空载成本为目标,建立相应的数学规划模型。接着,给出一种初始解生成方法,并构建目标函数计算的网络流模型。然后,为提高局部搜索能力,以有向图强连通性中反转路、反转圈保持强连通性为基础,提出3种邻域结构生成方法,以保证邻域解搜索过程中解的可行性,提高求解效率和质量。最后,针对6个基准案例,运用算法求解,并将其与其他多种启发式算法进行比较。实验结果表明,对于中小规模问题案例,算法求得案例的最优解;对于两个大规模案例,算法求得新的最好解,验证了提出算法的有效性。

基于改进A^(*)算法的移动机器人路径规划

【目的】解决传统A^(*)算法在路径规划中存在的搜索效率低、储存量大、搜索路径紧贴障碍物等问题。【方法】提出了一种改进A^(*)算法,使机器人能够快速有效地规划出一条远离障碍物的全局路径。首先根据扩展节点到目标点的距离不同,在传统A^(*)算法基础上改进出基于距离的变权重评价函数,提升了路径搜索效率,降低了所需存储量;其次提出一种自动切换邻域搜索算法,通过障碍物所在位置不同自动切换搜索邻域,避免了规划出的路径紧贴障碍物的现象;最后,通过MATLAB搭建50 m×50 m仓库和100 m×100 m商场的栅格地图进行仿真实验,对比改进算法与传统A^(*)算法性能。【结果】改进A^(*)算法在简单环境中搜索时间缩短了70.78%,扩展节点降低了71.20%;在复杂环境中搜索时间缩短了92.59%,扩展节点降低了89.25%。【结论】改进A^(*)算法的效率、所需存储量、避障能力远远优于传统A^(*)算法,且改进A^(*)算法能避免规划出的路径紧贴障碍物的现象,得出较优的路径,具有应用于实际场景的潜力。

自动化立体仓库中环形2-RGV系统入库调度模型与求解算法

确定合理的货物运送序列,实现穿梭车(RGV)与堆垛机协同作业是提升自动化立体仓库中环形2-RGV系统搬运效率的重要手段。通过对RGV在环形轨道运作环境下的碰撞情况进行分析,以货物总入库时间最小化为目标,考虑了同一辆RGV运送、两RGV碰撞避免以及RGV与堆垛机协同运作等约束,构建了环形2-RGV系统入库调度问题的混合整数规划模型,设计了可快速求解问题的混合变邻域禁忌搜索(HVNTS)算法。为验证算法的有效性,设计了25组不同规模的算例,并将HVNTS算法的求解结果与CPLEX和禁忌搜索算法的求解结果相比较,算例实验结果表明:货物的平均入库时间分别节省了0.36%和8.67%,且HVNTS算法的求解时间均在3 min内,证明所提算法能快速有效地求解该问题。

有限缓存区自动化分拣车间调度混合人工蜂群算法

自动化订单分拣效率低下的问题普遍存在于各个生产销售企业的配送中心。针对以提高分拣效率、降低整个物流过程的成本为最终目标的有限缓存区自动化分拣车间调度问题,通过融合可操作性强并且合理有效的混合人工蜂群算法加以改善。在引领蜂阶段引入并使用遗传算法,设计了4种混合结构的调度算法。并且进一步利用插入和交换邻域的邻域搜索算法提升了混合算法的局部改良能力。通过仿真实验验证了所提混合调度算法的高效率和优越性。

考虑充换电的模块化需求响应公交路径优化

模块车能通过中途分离与合并来调整车队容量、实现无缝换乘,兼具规模化与“门到门”灵活性优势,但其轻量化的电池设计也在一定程度上限制了车辆续航能力。为了探索模块车在需求响应公交中的应用,并解决车辆中途充电问题,本文建立了模块化需求响应公交路径规划模型,优化车辆路径计划、车队编组策略、车内换乘策略以及换电和机会充电计划。针对模型特征设计了改进的自适应大邻域搜索算法,根据各车辆路径之间需要进行编组和协同交互的特点,定制化设计了车队类修复算子和能源类修复算子等。使用安徽宣城的出行数据进行实验,结果显示:与传统公交相比,模块化需求响应公交系统使乘客总出行用时降低48.81%;与车辆单独运行的方案相比,车队编组方案能够使系统总成本平均降低13.24%;相比仅充电策略,充换电结合策略能在少量增加备用电池固定成本的情况下,使能源成本减少21.09%;此外,企业可以通过调整等待时间惩罚系数来平衡企业经营成本与乘客时间成本,达到动态最优。