复杂约束下单集装箱装载问题的改进元启发式算法

三维单集装箱装载问题(Three-dimensional Single Container Loading Problem,3D-SCLP)因其在制造业和物流业中有着广泛的应用,已成为最优化领域中最经典的工程问题之一。然而,目前的优化方案主要从算法优化改进与局部约束调整等角度考虑,没有充分考虑实际装载过程中的复杂约束需求,如重量限制、负载平衡、货物稳定性、堆叠约束以及人因工程因素,导致现有方法理论装载率虽高,但实用性低。在充分考虑实际多重复杂约束的基础上,提出了一种基于天鹰座优化器的改进元启发式算法。该算法基于种群优化策略,并将差分变异和高斯扰动与潜在点策略相结合,实现复杂约束情况下的快速收敛。在中等规模工业实例数据上进行了算法验证,与传统启发式优化方法相比,所提方法能够解决中等规模复杂约束下的三维装箱优化问题,在实际空间利用率、生成效率等方面优于现有的解决方案。对物流运输行业减少人工成本,实现装箱标准化与智能化具有重要意义。

遗传算法求解复杂集装箱装载问题方法研究

现场集装箱装载问题多为多目标、多约束优化的复杂问题 .遗传算法本身的鲁棒性、并行搜索性以及在 NP完全问题求解中的广泛应用 ,表明遗传算法是解决复杂集装箱装载问题的有效途径 .探讨了遗传算法在求解这一复杂问题过程中的应用 ,给出了有效的编码形式和解码运算 .算例求解结果显示出很好的效果 .

一种求解三维集装箱装箱问题的混合遗传算法

在遗传算法的基础上结合传统启发式装箱算法,设计了一个混合遗传算法,该算法既继承了遗传算法的全局搜索好的优点,也克服了遗传算法局部搜索能力差的缺点,能够较好地解决集装箱这类多目标多约束的空间三维分布的问题。

基于禁忌算法的多约束集装箱装载问题研究

多约束集装箱装载问题的约束主要包括集装箱重心位置约束、集装箱单箱重量约束、货物放置顺序约束、货物摆放方位约束以及货物摆放位置约束。采用禁忌算法求解该问题。算法基于自然数编码,设计了货物的摆放规则和序列生成方式,设定二种邻域,根据邻域的不同,构造了两种禁忌表。针对算法的原理,分析了具有代表性算例的试验结果,表明了所提出的禁忌算法对优化多约束集装箱装载问题的有效性。

基于PBIL算法的集装箱装配问题的研究

介绍了基于种群的增强式学习的PBIL算法的基本原理和实现方法。分析比较了遗传算法和PBIL算法求解过程的异同点。介绍了PBIL算法在集装箱装配问题中的应用,并通过一个具体的实例验证了算法的可行性和有效性,证明了PBIL算法比遗传算法具有更高的搜索效率。

蚁群算法求解复杂集装箱装载问题

针对复杂集装箱装载问题(CLP),应用启发式信息与蚁群算法求解了最优装载方案。首先,建立了复杂集装箱装载问题的数学模型,利用蚁群算法对解空间的强搜索能力、潜在并行性及可扩充性,结合三空间分解策略将布局空间依次分割;然后,装入满足约束条件的最优货物块,完成不同大小三维矩形货物的装载布局。在此基础上,设计了基于空间划分策略的蚁群算法。最后以700件货物装入40尺(12.025 m)高柜箱进行计算,结果表明该方法能提高集装箱的空间利用率,同时兼顾了多个装载约束条件,可应用性好。

基于Beam Search算法的集装箱装载问题研究

针对具有优先装载约束的集装箱装载问题,对Partial Beam Search算法进行了改进。在搜索过程中去除相似中间状态,增加了搜索过程的多样性,提高了算法的搜索效率。实验结果证明了算法的有效性。

基于集装箱堆场翻箱问题历史研究成果的探究

集装箱堆场为提高堆场效率,减少船舶在港时间,在岸桥、场桥、龙门吊、集卡及其它们之间的协同运作和集装箱的操作方面都做出了努力,集装箱翻箱问题作为影响集装箱堆场的重要指标也受到了高度的重视。已有的文献已经对堆场中的翻箱问题做出了一定的研究,并取得了一定的成果,对堆场实际运作提供了理论支持。本文主要是通过对已有文献中针对翻箱问题的解决方案进行归纳总结,结合对实际堆场的调查提出目前解决翻箱问题的关键点和未来可能的研究方向。

集装箱货源问题研究

1集装箱货源是当前港口的突出问题 2001年我国港口经济保持了较高的增长率,基本上完成了既定的目标任务,但是体制性和结构性矛盾有所加剧,其突出表现是港口企业的亏损进一步扩大.导致企业亏损的原因是多方面的,但几乎所有的港口亏损企业都面临着货源紧张的共同问题.2001年大部分时间里大部分港口等货上门的现象相当突出.货源不足加剧了港口企业与货主之间的资金拖欠,使港口企业本来就紧张的资金更为紧张.总之,集装箱货源市场问题已成为当前导致港口企业经营困难的一个普遍原因.

集装箱货箱装载模型和算法

对集装箱装载货箱的两类问题,基于分层思想建立多步决策模型,提出棱(面)判别矩阵法把三维装箱问题转化为二维乃至一维装箱问题而得到模型的求解算法.

多类型集装箱装船模型及优化

针对集装箱装船问题提出了一个整数规划模型.该模型能够解决多类型、多目的地集装箱的装船问题.在实现了最小化倒箱次数、最大化运输船空间利用率的同时还保证了船只在不同负载分布下的稳定性,并能保证结果是全局最优解.实验中使用COIN-OR(Common Optimization Interface for Operations Research)对建立的模型进行求解.结果表明其有效性,从而为合理进行船只配载提供了一个有效的途径.

基于自适应细菌觅食算法的集装箱装载

针对集装箱装载问题复杂度高以及改进现有方法难度大等问题,采用一种基于自适应细菌觅食算法,求其最优解。根据货品堆置方向和三空间分割装载策略,使用基于顺序表示的遗传基因编码方式,将装箱过程中三维"切割与组合"问题转化为适应度函数的可行性解,改进标准细菌觅食算法中的趋化操作,引入基于余弦的自适应步长计算方法。仿真结果表明,该算法具有收敛速度快、空间利用率高等特点,为集装箱装载问题提供了一种思路和方法。

基于自适应混合遗传算法的装箱问题探讨

多约束条件下的三维集装箱问题是NP难题,它的求解极为困难.提出了一种自适应混合遗传算法,该算法采用直观的自然数编码机制、混合启发式规则的解码方法和改进的遗传算子.仿真结果表明,该算法在效率和精度上均优于基于空间分解的启发式搜索法等常用的进化类算法.

货物三维装箱问题建模及其乌鸦搜索算法优化

针对货物三维装箱问题建立三维装箱模型.在模型中,为避免货物在运输过程中转弯时由于偏心导致翻车现象的发生,加入了考虑转弯时重心约束,得到重心区域投影为等腰三角形或者等腰梯形.货物放置规则中扩大了剩余空间区域,增加了解的多样性.在算法中,为了提高迭代收敛速度,增强其全局寻优的能力,采用改进的乌鸦搜索算法对模型进行求解与优化.在改进算法中,提出并引入了多概率随机游走策略和解修复策略.解修复策略使得算法适用于模型求解,尽可能增加解的多样性.多概率随机游走策略是种群迭代后继续以多种不同的概率进行随机游走,使得算法全局寻优能力更强.仿真实例与基准函数测试结果表明,改进后的算法优化效果明显.

基于业务外包的集装箱港口车辆调度问题

针对集装箱港口自身运输车队能力的限制,提出了一类基于业务外包的车辆调度模型并对其求解方法进行研究。在详细分析集装箱港口各种业务订单特性的基础上,依据作业订单信息对集装箱港口作业任务进行分类;抽象出了描述此类基于业务外包的车辆调度问题的数学模型并提出一种业务外包定价策略,设计了一种禁忌邻域搜索求解算法;通过对实际调查数据进行处理验证了该模型和算法的有效性,通过与其他算法处理结果进行对比验证了所设计的邻域搜索算法的优越性;最后通过对实验结果数据进行统计分析,得出了一些对集装箱港口作业有实际指导意义的业务外包规则。

集装箱车辆调度问题的变邻域禁忌搜索算法

研究一类带工作时间约束的集装箱专用车辆调度问题的混合禁忌搜索算法。此问题可分解为车辆路线设定和车辆分配两个组合优化问题,但是两个问题的分开求解最优解的组合却并不一定是总问题的最优解。首先对问题给出数学描述,之后通过引入一个变邻域搜索策略,提出一个解决该问题的混合禁忌搜索算法。该算法使用两行向量进行编码,采用随机扩大禁忌步长,并设计三种邻域变换定义,采用变邻域策略来扩大搜索空间。最后通过对6个不同规模算例求解验证该算法在解决此类问题的有效性。

基于空间分割的遗传算法解决三维装载问题

三维集装箱问题是一个经典的NP完全问题。本文针对三维装载问题在公司供应链的实际应用,提出一种基于空间分割的遗传算法,算法中考虑了货物的放置方式和空间分割方式,以集装箱体积利用率最大为目标,定义了相应的遗传算子。实践结果表明,该算法能够有效解决诸如托盘装载、集装箱装载和仓储管理等问题,有效地降低供应链成本。

LTE-A上行终端直通中面向能效的资源分配方案

针对LTE-A上行蜂窝链路与终端直通链路间的同频干扰问题,提出一种联合资源分配方案来最大化D2D链路总能效。上述问题可分解为功率控制和信道分配2个子问题。其中,功率控制子问题可借助Dinkelbach法和拉格朗日对偶得到最优解;信道分配子问题等价于集装箱问题,属于NP难问题,因此,提出一种启发式算法,实现算法性能与复杂度之间的折中。仿真结果表明所提联合资源分配方案优于单一资源优化方案,此外,其具有多项式复杂度且其性能接近理论最优解。