摘要：针对制造和服务系统中假定物料装卸点重合以及设施间物流量对称的不足,结合实际生产布局对过道布置问题进行拓展,以最小化物流成本为目标,提出考虑物料装卸点及非对称流量的过道布置问题,并建立混合整数规划模型。根据问题与模型的特征,设计一种改进灰狼算法进行求解,该算法采用双层整数编码生成初始解,通过将收敛因子非线性化、比例权重动态化对原始灰狼算法进行改进。通过融合反向学习机制和种群更新机制进一步扩大搜索解空间,并添加双阈值停止准则降低多余的迭代次数。将该算法与LINGO求解器对5~49不同规模算例的计算结果进行比较,证明了模型的正确性以及算法的有效性。最后,运用该算法对初始过道布置问题进行求解,并与其他算法的求解结果进行比对,进一步证明了所提算法的优越性。

摘要：为更好地反映实际布置情况,针对现有研究在求解过道布置问题时忽略通道宽度、未设置总流量入口等不足,构建了考虑通道宽度和总流量入口的混合整数规划模型,提出一种改进分散搜索算法进行求解。该算法将禁忌搜索操作嵌入分散搜索的解改进方法中,可以进一步优化参考集中的解,提高获得全局最优解的概率。设计了包含高质量和多样性解的双层参考集、动态参考集更新方法、子集产生方法等多种改进机制。对不同规模(9~49个设施)的测试问题进行了验算与对比,结果表明:针对小规模问题,所提算法均求得了与Lingo软件相同的最优解;对大规模问题的求解质量明显优于基本分散搜索算法和禁忌搜索算法。

摘要：针对制造和服务系统中不规则物流交互点在过道布置问题中的研究不足,以实际布局方式为研究背景,探究物流交互点对过道布置问题(CAP)影响,构建考虑不规则末端设施物流交互点位置的CAP混合整数规划模型(MIP),同时结合问题和模型特点,提出一种基于遗传的混合鸡群算法,该算法采用整数编码方式,应用部分映射交叉、两点变异等操作进行离散化设计,结合所设定的代数参数G按照规则进行重新分组,通过对比5~49不同规模算例测试结果,验证了模型的合理性和算法的可行性。将所提算法与遗传算法、模拟退火算法、分散搜索算法在初始原过道布置问题上进行不同规模求解对比,结果表明了混合鸡群算法在求解效率和求解质量上的有效性和优越性。

摘要：针对现有关于通道宽度对过道布置问题影响研究的不足,以最小化物料搬运成本和通道长度为目标,提出了考虑通道宽度的双目标过道布置问题,并建立了该问题的混合整数规划模型。鉴于该问题具有的NP-hard组合优化特性,提出一种基于Pareto占优的遗传变邻域算法。引入Pareto思想、拥挤距离机制对多目标结果进行处理,设计并对比了4种新生代种群产生方式以提高算法收敛性,将寻优过程中自适应转换搜索深度和搜索广度的变邻域搜索结构嵌入到遗传算法中,在个体完成遗传算法的并行操作之后继续执行变邻域搜索。通过对比所提算法与GUROBI数学规划方法对33个测试算例的运算结果,验证了算法的有效性。最后,应用该算法求解未考虑通道宽度的双目标过道布置问题,不同算法的对比实验表明了所提算法的先进性。

摘要：针对现有过道布置问题研究忽略布局面积对成本的影响以及未考虑矩形设施布置方向的不足,以最小化总物料搬运成本和布局面积为目标,提出考虑设施方向的双目标过道布置问题,并建立混合整数非线性规划模型。由于该问题具有NP-hard属性,提出一种基于Pareto占优的多目标改进分散搜索算法,该算法采用双层编码方式构造可行解,并据此设计双层交叉和变异算子;为有效处理多目标结果,引入Pareto占优思想和拥挤距离机制,将自适应模拟退火双向改进搜索结构嵌入分散搜索算法,通过设置双阈值实现算法对参考集的自适应改进并减少不必要的迭代过程。通过对比所提算法与LINGO数学规划软件对40个算例的运算结果,验证了所提算法的有效性。最后采用所提算法求解双目标过道布置问题,并将所得结果与相关文献对比,证明了所提算法的优越性。

摘要：针对过道布置问题的求解复杂性,提出了一种混合模拟退火及分散搜索算法。该算法通过引入模拟退火操作进一步优化参考集中的解,以提高获得全局最优解的概率。设计了包含高质量和多样性解的双层参考集,扩大了搜索范围,避免算法陷入局部最优。同时采用动态参考集更新方法,及时替换参考集中质量或多样性较差的解,加快算法的收敛速度,并改进子集产生方法,避免产生重复的解,从而提高算法的求解效率。应用所提算法对24个不同规模的测试问题进行验算与对比,结果表明所提算法的求解质量与平稳性均优于基本模拟退火算法和分散搜索算法,且较已有的4种方法更具求解优势。