自动化立体仓库中的储位分配及存取路径优化

储位分配和存取作业路径优化是仓储管理中的两个重要决策问题。本文研究如何在自动化立体仓库中对这两个问题进行同时决策。提出了一个混合整数规划模型对该问题进行优化建模,设计开发了一个基于有向连接图的两阶段优化算法对问题求初始解,并利用禁忌搜索算法对所求得的解进行改进。算法第一阶段解决储位分配问题,在此基础上第二阶段利用Hungarian算法对堆垛机的存取作业路径优化问题进行求解。最后利用实例对算法效率和精度进行分析评价,计算结果验证了算法的有效性。     

自动化立体仓库中出入库任务顺序与出库位置选择集成优化研究

具有多个出口的自动化立体仓库系统是一种将存储和分拣相结合的新型仓储技术,其最典型的特征是在货架底层有很多个出库位置以供取货人员分拣。研究此系统中出入库任务排序与出口选择的集成优化问题,以最小化堆垛机完成所有任务的移动距离为目标,将此问题转化为一个混合整数规划模型。根据问题的特点设计了两阶段启发式算法求解此问题,数值结果表明设计的算法能在较短时间内给出近似最优解,同时与企业常用的先到先服务方法相比,该算法可以缩短超过20%的移动距离。     

面向JIT制造的零部件配送中心货位优化研究

面向JIT生产的零部件配送具有种类多、批次多、批量少、出入库时间分散等特点,使得有效分配配送中心的存储货位成为一个难题.将存储货位分配问题抽象为三角形装箱问题,构建了考虑时间维度的货位分配模型,设计了求解该问题的启发式算法.应用某知名汽车装配企业零部件配送中心的实际数据,对货位分配优化模型及算法进行了验证,实证数据表明模型及算法能够有效降低运营成本,提高存储空间利用率.     

物流配送中心直通配送运作时间优化研究

针对直通配送需要尽可能缩短配送中心内运作时间的问题,利用总运作时间与完成所有操作所需时间最长的货源操作时间等价的关系,构建了以最小化总运作时间为目标的配送中心内货源及目的地的出入站口指派问题模型。设计了对个体分2段进行编码、交叉和变异等操作的遗传算法,对模型进行求解,通过算例验证了模型及其算法能够对配送中心内的运作时间进行有效优化。     

基于改进小生境GA的有时间窗物流配送路径优化问题研究

有时间窗的物流配送车辆路径优化问题是一个NP难题,较难得到满意解.本文在基于隔离机制的小生境遗传算法的基础上,引入迁徙操作和模拟退火方法,用来解决有时间窗的车辆路径优化问题.这种方法不仅能够保证群体的多样性,而且具有良好的全局收敛性.实例也证明了该方法的有效性和实用性.     

基于知识域变动模型的信息系统集成知识扩散路径时间序列优化

针对信息系统集成项目中知识域动态变动性对知识扩散有效性的影响,构建知识域变动形态模型,对模型进行演算得到知识域变动影响下,扩散路径中相关知识域的实际变化形态,从而提出信息系统集成项目环境下适应知识域动态变动特征的知识扩散路径的时间序列优化策略,以帮助企业在信息系统集成项目中识别知识域变动形态、合理配置项目资源。最后介绍优化策略的应用案例。     

自动化立体仓库在电力物资仓储管理中的应用——上海市电力公司的实践

正电力库存物资是电力检修、抢修等运维物资的主要供应保障形式,对上海市电力公司"大检修"体系支持起着至关重要的作用。随着电力物资库存管理规模的不断发展和管理颗粒度的细化,仓库管理的标准化、规范化要求也在不断的增加,传统的人工仓库作业模式和数据采集方式已难以满足仓库管理的要求,影响工作效率,成为制约电力仓储管理水平提高的一大障碍。     

运输问题时间优化算法

运输问题是线性规划中的一类特殊问题。适用于求解目标函数符合线性叠加关系的费用或距离问题,对于实际运输问题中的运输时间优化问题则难以给出优化解。本文结合科研实践提出了运输问题中有关时间优化的迭代算法模型,此模型可给出整体运输时间最优的运输方案。通过实际检验证明,此算法简便、稳定、计算结果符合实际情况。     

基于遗传算法的微电网负荷优化分配

负荷优化分配是电力系统中的一类重要优化问题,即在满足各类系统约束条件下,实现发电总成本最低。为了促进微电网的优化运行,本文研究了包含柴油发电机、微型燃气轮机、光伏发电机和风力发电机组成的微电网的负荷优化分配问题。首先简要分析了各个微电源的发电特征和成本函数,然后分别建立了孤岛模式和并网模式下的微电网负荷优化分配模型,孤岛模式下优化模型的目标函数是包含燃料成本和运行维护成本的总成本,约束条件包括发电能力约束和系统功率平衡约束,并网模式下的优化模型则在此基础上,在目标函数中增加了其与大电网交易的收入和支出,在约束条件中增加了电力交易约束。最后,通过遗传算法分别对两种模式下的优化模型进行仿真求解。结果表明,本文提出的负荷优化分配方法可以有效降低微电网的运行成本,促进微电网的优化运行。     

基于时间工作流的REA模型改进研究

起源于事项法的REA模型,全面突破了事项法的基本思想,是现代会计信息系统模式开始的标志。但其在对业务流程建模的支持,对事项信息的捕捉,对领域本体的支持等方面存在缺陷。本文借鉴了工作流管理的研究成果,工作流模型的核心是过程模型,其中,Petri网模型是一种理想的过程建模语言,适合描述异步并发现象,既有严格的形式定义,又有直观的图形表示,具有严格的数学基础和规范化的语义,与REA模型具有共通性和互补性。本文应用时间Petri网流程模型对REA模型进行改进,并给出初步实现过程,有效解决了REA模型中存在的问题,并对REA相关领域的研究方向进行展望。     

基于电商承诺送达机制的多目标低碳MDVRP优化研究

针对存在多配送站的电商物流配送问题,首先,考虑实际装载量对物流配送过程中车辆燃料消耗量的影响,建立燃料消耗量模型,并结合电商平台的承诺送达机制,构建配送延迟时间函数。随后,提出了以最小化物流成本和延迟收货时间的多目标多配送站车辆路径规划问题,建立该问题的混合整数规划模型。再次,采用基于分解的多目标遗传求解算法对问题进行求解。该算法采用矩阵编码的方式,设计了基于贪婪搜索策略的启发式初始化方法,考虑到贪婪搜索策略容易陷入局部最优的劣势,在算法迭代过程中,允许部分不可行解存在以扩大解空间的搜索范围,并进一步设计了遗传算法的交叉和变异算子。最后,以具体物流配送案例进行数值实验,实验结果表明所设计的算法对求解本文模型是有效的。     

基于模糊时间窗的车辆调度问题研究

基于现实生活中配送企业车辆资源有限和顾客对服务时间要求并非完全刚性的特征,通过时间窗模糊化处理将顾客服务的满意度量化为配送服务开始时间的模糊隶属度函数。在一定满意度下,构建了基于模糊时间窗的车辆调度模型,根据模型的特点,改进了基于客户的染色体编码方式,设定了一种新的约束处理方法,避免了惩罚策略中选取惩罚因子的困难。在算法中用模糊优化程序处理问题的模糊特征,通过对顾客服务时间的局部调整来确定最佳服务时间。最终通过实例验证与原结果比较发现,引用模糊时间窗函数不仅可以降低配送成本,而且有利于节省运力资源。     

基于自适应免疫遗传算法的企业信息系统适应性优化研究

为了提高企业信息系统的适应性,研究了企业信息系统的适应性优化问题.首先,建立了企业信息系统适应性的指标体系,并基于企业信息系统的形式化表达方法——对象知识网(Object-based Knowledge Mesh),给出了适应性指标的量化方法;其次,建立了企业信息系统适应性的优化模型,并给出了模型的优化算法——自适应免疫遗传算法;最后以销售处理流程为例说明了企业信息系统的适应性指标、优化模型以及算法的应用,验证了其有效性,为提升企业信息系统的适应性奠定基础.     

基于遗传算法的虚拟企业协同资源优化问题研究

面向复杂零件的协同制造,以工艺流程为核心将协同制造任务进行分解,并有效利用"逻辑制造单元"和"逻辑加工路线"等概念描述复杂零件的协同制造任务,最终目标是形成基于复杂零件工艺流程的、可支撑异地协同生产的加工路线。对复杂零件协同制造的制造资源优化配置问题进行了数学分析和描述,建立了问题的目标函数与约束条件。本文以加工时间、运输费用和加工质量作为目标,约束条件包括顺序约束、释放期约束、时间约束、交货期约束、成本约束和质量约束,最终将资源优化配置问题归结为多目标优化问题,并利用遗传算法进行求解,得到了较为满意的结果。通过实例分析,将模型应用于某型号发动机叶片协同制造,说明采用本论文的模型可以有效解决复杂零件协同制造的资源优化配置问题。     

基于Web和数据仓库的企业决策支持系统研究

本文针对目前企业决策支持系统面临的问题,提出了Intranet环境下,以数据仓库为中心的企业DSS的总体结构与设计。探讨了基于Web和数据仓库的DSS方法与技术,结合实例介绍了系统的设计与开发过程。     

电子商务下基于改进两阶段算法的有时间窗车辆调度优化

为满足电子商务下的物流配送需求,将传统车辆调度模型进行修改,将目标函数改为基于费用最小,在约束条件中增加时间约束、货物容积约束、车辆最大工作时间、多种车型、载重量限制和最大行驶距离等,以提高模型的适用性和通用性。由于有时间窗的车辆调度问题是NP难问题,采用改进两阶段算法进行求解。即第一阶段用模糊分层聚类法将客户群分成若干区域,在每个区域又用扫描算法分解成若干符合约束条件的小规模子集;第二个阶段对各个分组内客户点,就是一个个单独TSPTW模型的线路优化问题,因此,采用改进混合遗传算法进行优化求解,最后的算例仿真表明了算法的有效性和可行性。     

基于多小波的数字水印优化

为了提高数字水印的实用性,必须保证水印的鲁棒性和透明性,为此充分考虑人类视觉系统特性,提出了一种基于多小波的数字水印优化方法。该方法利用Sa4多小波基进行数字水印嵌入,引入多目标优化手段对其嵌入深度进行优化调整,得到最佳嵌入效果。通过遗传算法实现的结果表明,该算法不仅对水印的攻击具有强鲁棒性,且能兼顾载体图像的质量。     

经济时间序列的非线性组合建模与预测方法研究

基于模糊系统在紧立集中能够任意逼近非线性连续函数的特性,本文提出了一种基于Takagi-Sugeno模糊规则基的非线性组合预测新方法,以克服线性组合预测方法在解决非平稳时间序列组合建模问题所遇到的困难和存在的不足,并采用相应的遗传算法确定模糊系统的参数及模糊子集的划分。理论分析和大量的应用实例表明:该方法具有很强的学习与泛化能力,在处理诸如经济时间序列这种具有一定程度不确性的非线性系统的组合建模与预测方面有很好的应用价值。