摘要：目的提高电子标签拣选系统中拣选作业的效率与货位占有率。方法以某电子拣选库为研究对象,提出以订单完成度、货位占有率以及货位聚集度为目标的拣选优化模型。设计基于二进制粒子群算法(BPSO)和遗传算法(GA)的模型求解仿生算法。结果试验及优化结果表明,基于BPSO的电子拣选库订单的完成度、货位占有率以及货位聚集度较遗传算法更高。结论基于二进制粒子群算法求解的优化模型较符合实际的电子拣选库人工拣选作业,同时仓储作业货位的利用率及拣选效率得到了提高。

摘要：影响薄壁多孔钢构件稳定性能的因素较为复杂,(以立柱为例)已有的研究更多地考虑了截面的连续属性,而对于工程上常见的非连续截面(如孔洞尺寸)则讨论较少。针对立柱非连续截面的特点,基于立柱力学性能试验及有限元数值计算,采用基于BP神经网络的智能计算方法,建立了立柱稳定性预测模型;通过与真实试验数据比较,该预测模型相对有限元计算模型有更好的预测精度(误差不超过2%),在工程实践中具有良好的应用前景。

摘要：在批量订单的情况下,为了提高自动化立体仓库(AS/RS)的整体作业效率,提出了以堆垛机作业均衡与高仓储效率为目标的立体库货位优化模型。设计了基于二进制粒子群(Binary Particle Swarm Optimization,BPSO)和遗传算法(Genetic Algorithm,GA)的模型求解仿生算法。通过同一个立体库批量订单作业实例,验证了所提模型及算法的有效性,算法试验及分析表明,基于BPSO的立体库作业均衡及货位优化效果较遗传算法显著。