基于聚类和网格覆盖的三维装箱算法

三维装箱问题是一类常见的组合优化问题,现有的研究工作集中于提升算法的装载效率,较少考虑算法决策时间的影响,而时间效率是决定算法能否应用于工业实践的重要标准之一。本文提出了一种改进的三维最优适配算法用于解决装箱问题,通过结合遗传算法和聚类算法,在降低搜索空间维度、提高算法收敛速度、减少算法运行时间的同时,寻找更优的解。在华为数据集上的实验结果表明,本文提出的算法在兼顾时间效率和装载效率的基础上,能够获得较好的结果。

求解入库堆垛问题的改进约束满足算法

入库堆垛问题普遍存在于堆场作业管理中,是在货物数目和出库顺序已知的前提下,要求较长(重)的货物置于较短(轻)的货物下方,目标是实现占用垛位数最少。通过问题分析,将其归结为一类带顺序约束的A形装箱问题,并建立了约束满足模型,设计了嵌入经典装箱启发式的约束满足求解算法。实验表明,该算法对于求解复杂约束下的大规模堆场问题较现有的装箱启发式有一定程度的改善。

半在线入库堆垛问题的动态求解算法

堆场垛位优化问题一直是仓储管理的难点和焦点之一,垛位优化可以保证物料装卸和出入库的高效率,同时对保证合同交货期也起着至关重要的作用。针对仓储和生产一体化下的入库堆垛问题,本文通过分析将其归结为一类半在线的A型装箱问题,并依据问题的特点,建立了最小化总倒垛次数的优化模型。根据货场天车在相邻入库过程中存在空闲作业量的特点,设计了一种前序货物允许移动的动态堆垛策略,结合堆垛约束后嵌入到经典装箱启发式算法中,最后通过仿真算例验证了该策略的有效性。

求解集装箱堆场堆垛问题的约束满足算法

集装箱堆垛问题普遍存在于港口码头堆场作业管理中,是在集装箱数目已知的前提下,要求满足交货期限制、重量限制以及垛位高度限制等约束条件,目标是实现占用垛位数最少。通过问题分析,将其归结为一类带顺序约束的装箱问题,并建立了约束满足优化模型,设计了嵌入经典装箱启发式原则的约束满足求解算法。为了验证模型和算法的可行性和有效性,根据某集装箱码头堆场的实际生产情况构造测试算例,实验结果表明,该算法对于实现垛位数最小化、求解复杂约束下的大规模堆场问题较现有的装箱启发式有一定程度的改善。