摘要：针对智能仓储环境下多载位自主移动机器人集群拣选-配送路径规划问题,提出一种改进型基于冲突搜索的多智能体路径规划算法.在模型方面,采用多载位机器人替代KIVA机器人,建立以最小化拣选-配送时间以及无效路径比为目标的数学规划模型.在算法方面,首先,提出一种基于优先级规则的多智能体冲突消解加速策略;然后,设计基于动态规划的单机器人拣选序列优化算法;最后,设计考虑转向惩罚的增强A^(*)算法搜索机器人最优路径.实验结果表明:所提出模型与KIVA系统相比有较大优越性;所提出算法能够有效缩短拣选-配送时间、减少无效路径时间.

摘要：为减少受学习效应影响的单人作业车间的最大完工时间和工人行走时间,建立了考虑依赖加工时间和的学习效应的单人单工序多机车间调度模型,提出考虑学习效应的多目标贪婪算法(MOGL),融合了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)与基于贪婪的邻域搜索,构造了迭代多目标遗传算法(IMOGA),并基于MOGL设计了初始解集。设计实验评估了IMOGA的性能,使用Hypervolume指标比较了IMOGA与传统算法。结果表明,IMOGA可以有效求解该问题,对初始解集的改进和基于贪婪的邻域搜索可以有效提高NSGA-Ⅱ的性能。

摘要：可以并行分拣多个客户订单的"货到人"分拣系统中,每个客户包含多个订单,客户要求按订单排序依次收货。为提高该系统的分拣效率,以最小化料箱出入库数量为目标,从订单排序和客户分批两方面进行优化。分别建立两个0-1整数规划模型解决多客户同时拣选时的订单排序优化和客户分批优化问题;针对客户分批问题,又提出种子算法和遗传算法来解决。设计试验检验了不同客户数量、客户订单数量、总品项数量时订单排序模型和客户分批算法的优化效果。试验结果表明,0-1整数规划模型优化订单排序,可提高效率约15%,具有有效性;客户分批优化方面,0-1整数规划模型、遗传算法和种子算法都可以不同程度地提高系统效率,分别适合不同问题规模和时间要求的场景。

摘要：单人负责多台机器的单一工序作业车间场景中,工人由于重复操作机器而产生学习效应.针对考虑依赖工件位置学习效应的单人单工序作业车间最小化最大完工时间的调度问题,建立一种混合整数规划模型.为解决该问题,设计一个考虑学习效应的贪婪算子,利用该算子构造两种贪婪算法,并提出一种基于贪婪的模拟退火算法.为衡量混合整数规划模型、贪婪算法和基于贪婪的模拟退火算法的性能,设计两种规模问题的数据实验.通过实验得出:现代混合整数规划模型求解器可以解决机器数量和工件总数量乘积小于75的小规模问题;基于贪婪的模拟退火算法求解此问题具有有效性,适用于各种规模的问题;间隔插入贪婪算法解决此问题速度较快,效果良好,可以应用于需要快速求解的场景.

摘要：目前,多层穿梭车系统存在由于输送机缓存长度不合适,而导致出库阻塞或拣选空闲等问题,进而影响系统的整体效率。为提高系统作业效率,减少输送设备成本,在对多层穿梭车系统出库作业流程进行深入分析的基础上,建立输送机缓存输入输出平衡模型;在输送机缓存满足分拣作业正常运行的情况下,提出该缓存长度的最优条件及临界条件。运用开环排队网络建模方法对料箱出库作业流程进行分析,建立料箱平均出库时间模型,并根据料箱出库作业流量分布与人工拣选效率的关系,构建输送机缓存长度的优化模型;为缩短料箱平均出库时间,利用k-means聚类算法和储区排列规则对储位优化,进一步降低输送机缓存长度。仿真结果显示,优化后的品项分配与随机分配相比,补货缓存长度更趋合理,长度减少约12%。该研究一方面可指导规划设计人员对输送机缓存长度进行设计,另一方面可提高系统的整体作业效率,降低运营成本。

摘要：对某型卡车车架和动力总成系统进行动力学求解,分别得到了动力总成系统在车架为固定刚体和运动刚体两种条件下的模态频率,同时对卡车进行模态测试分析,并与两种情况的理论计算结果进行对比分析,发现考虑车架为运动刚体计算得到的模态频率更接近试验值。为悬置系统的准确优化设计提供了参考。