CN107622321B - 一种基于多约束条件智能生成箱体装载方案的方法 - Google Patents

一种基于多约束条件智能生成箱体装载方案的方法 Download PDF

Info

Publication number
CN107622321B
CN107622321B CN201710621919.6A CN201710621919A CN107622321B CN 107622321 B CN107622321 B CN 107622321B CN 201710621919 A CN201710621919 A CN 201710621919A CN 107622321 B CN107622321 B CN 107622321B
Authority
CN
China
Prior art keywords
layer
goods
loading
cargo
turning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710621919.6A
Other languages
English (en)
Other versions
CN107622321A (zh
Inventor
方鹏翾
郦晖
徐颖宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Bureau 832 Of State Grain And Material Reserve Bureau
Original Assignee
Shandong Bureau 832 Of State Grain And Material Reserve Bureau
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Bureau 832 Of State Grain And Material Reserve Bureau filed Critical Shandong Bureau 832 Of State Grain And Material Reserve Bureau
Priority to CN201710621919.6A priority Critical patent/CN107622321B/zh
Publication of CN107622321A publication Critical patent/CN107622321A/zh
Application granted granted Critical
Publication of CN107622321B publication Critical patent/CN107622321B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Stacking Of Articles And Auxiliary Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于多约束条件智能生成箱体装载方案的方法，结合箱体装载实际情况，在充分考虑影响箱体运输安全及装箱利用率的主要因素基础上，构建了箱体平衡装载优化模型，设计了相应求解算法，即包含平衡调节算法的装箱算法，给出三维图形装车方案，结果表明，系统能快速、有效地求出货物在箱体内的平衡装箱方案，并指导现场工人快速准确的装载货物。

Description

一种基于多约束条件智能生成箱体装载方案的方法
技术领域
本发明属于箱体装载布局优化设计技术领域，具体涉及一种基于多约束条件智能生成箱体装载方案的方法。
背景技术
箱体运输具有低货损、低成本、高效率、高收益等特性，成为目前一种广泛使用并快速发展的运输方式。随着国内物流业的飞速发展，物流相关的先进技术越来越受到关注，并得到了实际的应用。箱体装载是物流运输过程中的一个关键性环节，高效的箱体装载方案对提高配送业务的自动化水平、提高货物装载的优化程度、提高配送业务的工作效率和规范业务流程等方面都有重要的意义。
箱体装载分为两个步骤：第一个步骤，积攒货物，同时计算到达某一目的地的货物体积，当货物总体积满足一定的条件时，生成一份待装货物清单，包含货物的体积、重量等数据。第二个步骤，将清单上货物按照一定条件装入箱体，若有未填满空间，则填充某些材料，或用其他方法进行固定，保证稳定性。在实际过程中常因为以下情况遇到困难：
(1)清单上货物数据与实际货物数据不符合；
(2)在装载的过程中，又有额外的高优先级货物需要装入。
因此，需要重复地装货、卸货、再装入，几次下来，会出现一些遗漏货物或其他情况，装载结果不尽人意无法达到最优的情况。这就需要制定可行的装载计划，考虑到各种影响因素，避免重复劳动，为现场装卸提供决策支持。就目前情况来说，在箱体装载过程中，单纯的地依靠人工装载货物占大多数，这不可避免存在一些问题：首先装载员工仅凭借经验或是随意将货物装到箱体中，这样就造成了箱体利用率过低的问题，进而增加了运输的成本。即使装箱工人的经验丰富，在货物比较多的时候，也很难根据经验判断如何装箱来保证较高的箱体利用率；其次，由于没有预先装箱的方案指导，很难做到一次成功装载，很大程度上会出现装载不合理而重新装载的情况，降低了企业的运作效率。种种情况不仅浪费了人力物力而且还浪费了宝贵的时间，贻误商机。因此，研究切实有效的装载方案，提高箱体利用率以及装箱效率，降低运输成本，将显现出可观而直接的经济价值和社会价值。
当前,许多专家和学者对箱体装载问题做了深入的分析和大量的研究，同时提出了各式各样的算法来解决该问题，但是这些算法的设计都是基于一定的假设条件，无法应用于实际的问题中。除了箱体的空间和载重利用率之外，箱体在实际的装载中还需要考虑许多的约束条件，常用约束条件如下：
(1)方向约束：在装载中，货物的摆放方向受限制，例如某些货物要按照外包装上指定的方向放置。一般货物装载时的方向约束分为任意旋转、水平旋转和禁止旋转三种。
(2)货物承载能力约束：由于货物的外包装和自身性质的原因，货物自身所承受的最大压力要受到限制。有些货物不能摆放在其它货物上面，以防止货物被压坏，影响货物质量。
(3)稳定性约束：货物在箱体内不能随意晃动，放置货物之间相互碰撞引起损坏。因此，需要用某些特殊的材料填充剩余空间或用某些方法固定货物。货物也要有足够的底部支撑，防止出现悬空现象。此外，应尽可能使箱体重心和其几何中心一致，以避免在运输和装卸的过程中出现倾倒或其他情况。
(4)关联货物编组：相同类型的货物或属于同一目的地的货物应尽可能的编成一组，便于装卸操作，提高工作效率。同时对于那些整体拆卸后装箱的货物应当编组一起装入箱体运输，防止货物零件的丢失，造成不必要的麻烦。
(5)装配隔离约束：某些具有挥发性质的特殊货物不宜与其他货物混装，如食品和化学产品不能混合装箱。
(6)装配优先级约束：按照货物的运输的目的地距离，到达期限或者货物保质期等情况确定装箱货物的顺序。
本发明旨在寻找到有效解决箱体装载问题的新思路，摆脱经验主义的落后局面，同时给出一个合理的布局及装载方案，并利用先进的计算机技术生成科学高效的装载方案，实现降低配送成本，提高配送效率的目标。
发明内容
本发明提供了一种基于多约束条件智能生成箱体装载方案的方法，解决当前箱体装载方案主要依靠装卸工人的行业经验，根据待装货物的数量、形状和尺寸多次试装，最终把货物装入箱体，空间利用率和偏载度无法保证符合安全运输要求、装载效率低等问题。
为了解释说明本发明所要保护的基于多约束条件智能生成箱体装载方案的方法，将本发明所解决的技术问题视为：在满足箱体装载容积限制、箱体承载重量限制、装载后货物重心限制等约束条件下，将N类货物(每类各有N1，N2，N3，......，Nn件货物)装入1个箱体，以最大化箱体容积、载重量利用率。并作出如下假设(本发明算法得以实现的前提条件)：
(1)货物形状是长方体，其重心在其几何中心；
(2)货物可支撑、承重及可多层装载；
(3)货物端面平行于箱体端面放置，即正交布局；
(4)货物可以分别绕长、宽、高旋转装载；
(5)如果不同货物的长、宽、高及重量分别相等，则视为同类货物；
(6)允许未装货物留待下次配装，以取得较好的箱体容积或载重量利用率。
便于更清楚理解本发明所要保护的技术方案，本发明还做如下约定(如图1所示)：以箱体箱内左后下角为坐标原点、箱底板为X-Y平面，建立空间直角坐标系：X轴沿箱底板侧边，方向从后向前；Y轴沿箱底板侧边，方向从左向右；Z轴垂直箱底板平面向上。
Gij：表示第i类货物的第j个货物，若货物Gij装入了箱体，Gij取1，否则取0；
L、W、H、Q和V：分别表示箱体的长、宽、高、载重量和箱内有效容积；
Qi、Vi：分别表示第i类货物的重量和体积；
Wij、Lij、Hij：分别表示货物Gij装载后的宽、长、高；
(wij、lij、hij)：货物Gij装载的相对重心位置，即wij＝Wij/2，lij＝Lij/2和hij＝Hij/2；
(Gij x,Gij y,Gij z)为货物装箱后绝对重心坐标，其中Gij x，Gij y和Gij z分别为货物重心到YZ平面(后内侧衬板)、XZ平面(端壁内衬板)和XY平面(箱底板)的距离；
(dGij x,dGij y,dGij z),dAij，dBij分别为装载货物Gij的底面(矩形平面)的左后点坐标、宽和长(如图2所示)；
(W/2,L/2,0)为箱底板纵横中心线交叉点坐标，△1(>＝0)为横向容许偏移量,△2(>＝0)为纵向容许偏移量。
建立以装箱偏载度符合安全要求为第一目标，最大化箱体容积利用率为第二目标，最大化载重量为第三目标的箱体目标约束函数：
Figure GDA0002683807600000031
(α和β为大于0、小于1 的常数，且α＞β)
上述箱体目标约束函数应满足以下条件：
(1)货物总重心横向偏移量
Figure GDA0002683807600000032
(2)货物总重心纵向偏移量
Figure GDA0002683807600000033
(3)货物装载时不允许越出箱体内部边界
宽度W：
Figure GDA0002683807600000034
长度L：
Figure GDA0002683807600000035
高度H：
Figure GDA0002683807600000041
(4)箱体载重量：
Figure GDA0002683807600000042
(5)箱体体积：
Figure GDA0002683807600000043
更进一步，为便于更清楚理解本发明所要保护的技术方案，对算法中所涉及的概念和规则进行如下说明：
(1)层
层是一个有长宽高的长方体空间，其宽和高分别与箱体的宽和高相等，层长度由算法动态决定。层L的左层或右层分别是指层Y轴坐标值小于或大于层L的Y轴坐标值的层。层空间利用率为层中所装货物总体积除以层体积。
(2)砌砖面及砌砖体
砌砖面指层中面积大于零且可用于摆放货物的矩形平面。初始砌砖面就是层底面。砌砖面上装载货物后变为两个砌砖面，即新装载的货物顶面和剩余矩形平面；若砌砖面面积为0，则舍弃该砌砖面。层中砌砖面按照X轴坐标的值由小到大依次保存在砌砖面链表中。砌砖体是指以砌砖面为底面，砌砖面至箱体顶面的距离为高的长方体空间。砌砖面合并是指将同一层中相邻且高度相同的若干个砌砖面合并为一个砌砖面；砌砖面合并伴随有砌砖体合并。
(3)货物块及组合度
货物块是指同一类货物，同一方向单层或多层摆放所组成的长方体，可视为单个新类货物。组合度是指货物块与砌砖体组合程度的高底。组合度越高，货物块与砌砖体组合程度越好，用此货物块装载该砌砖体效果就越好。组合度高低取决于砌砖体长宽高与货物块长宽高之间的差值，且先考虑长、后考虑宽、最后考虑高，差值越小组合度越高。
记货物块的长宽高分别为d1，d2，d3，砌砖体的长宽高为D1，D2，D3(di≤Di，i＝1，2，3…)，组合度为C*的计算公式为：
Figure GDA0002683807600000044
采取组合度越大的货物块装载砌砖体，砌砖体空间利用率及层空间利用率、装载重量就越大，层表面也越齐整，所装货物越稳定。
(4)邻度
邻度(记为Ld)是评价所有剩余货物尺寸跟某一剩余货物尺寸的接近程度。对于某一小于箱体剩余空间长度的货物尺寸L*的邻度计算方法如下：初始令Ld＝O；重复取任一非同类且未从取过的货物类型，将min(|Wij-L*|,|Lij-L*|,|Hij-L*|)与该类型货物剩余数量的积添加到Ld上。采用邻度值越小的尺寸作为层长度，层表面越齐整，层空间利用率越高。
(5)定位规则
定位规则是指货物块在砌砖面上的摆放规则：
①货物块重心放置于层横向中心线正上方；
②如果货物块宽度小于砌砖面宽度，且砌砖面的高加上货物块的高等于前向(沿X轴正方向)紧邻砌砖面的高度，则将货物块紧靠前向紧邻砌砖面装载，否则货物块紧靠后向紧邻砌砖面装载。
(6)面镜贡献量及层换差
面镜贡献量是指层采用面镜法旋转层后(如图3)所得层横向总重心坐标值与旋转前层横向总重心坐标值的差值。面镜贡献量可正可负，面镜贡献量为正或负时分别表示层采用面镜法旋转后可增加或减少箱体内货物总重心横向坐标值。层换差是指箱体内紧邻两层交换纵向秩序之后与之前两层纵向总重心的差值。层换差也可正可负，层换差为正或负时分别表示两层交换纵向秩序之后可以增加或减少箱体内货物总重心的纵向坐标值。
所述装载方法为：
Step1：初始化信息，输入箱体的长、宽、高；货物类型、数量及每种类型货物的重量、数量、长、宽、高；初始化栈S1、S2及可行装箱方案链表S3为空；
Step2：生成层候选长度集并压入栈S1；
Step3：判断栈S1是否为空，若为空，则转Stepl0；否则从栈S1的末端取出一个值作为第一层层长度，转Step4；
Step4：对层中砌砖面或砌砖体进行装载；
Step5：检查如下条件：①层容积已装满或层剩余空间已不能再放入任何一个剩余货物，②货物已全部装载，③箱体装载量已达最大载重量或剩余装载量已不能再放入任何一个剩余货物，若不满足以上任何条件，则当前层还可装载，转Step4；若只满足条件①，则当前层装载结束，转Step6；否则本次箱体装载结束，转Step8；
Step6：计算箱体剩余空间长度和剩余货物各尺寸的邻度，若有邻度不为0的货物尺寸，则转Step8；若所有货物尺寸的邻度都为0，且未采用过末层装载优化策略，转Step7；否则转 Step9；
Step7：采用末层装载优化策略，转Step4对末层进行重装载；
Step8：确定下一层层长度，转Step4；
Step9：记录箱体装载容积、装载重量和已装载货物的装载方向、装载坐标；将当前装箱方案存入可行装箱方案链表中S3，转Step3；
Step10：将可行装箱方案链表S3中的装箱方案按优化模型目标函数值从小至大的顺序压入栈S2，开始进入平衡调节算法。
进一步的，对第一层中砌砖面或砌砖体进行装载的方法为搜索层中高度最低的砌砖面，结合定位规则，选择重量不大于剩余载重量且组合度最高的货物块进行装载，若同时有多个货物块具有最高组合度，则选择重量体积比最大的货物块，并更新层中砌砖面的数量、坐标、长和宽，剩余货物类型、数量及箱体剩余长度。
进一步的，所述末层装载优化策略为卸载当前末层货物，然后取剩余货物中不大于原末层长度与剩余空间长度之和且最大的尺寸作为末层的层长度。
进一步的，所述Step8确定下一层层长度的方法为选取邻度最小且大于0的尺寸作为下一层层长度，若有多个尺寸同时具有最小邻度，则选取最大尺寸作为下一层长度。
进一步的，所述平衡调节算法包括以下步骤：
S1：输入栈S2，横、纵向容许偏移量△1、△2，横、纵向偏移量可调节次数Φh，Φz；
S2：已调节次数
Figure GDA0002683807600000061
取出栈S2中栈末装箱方案作为箱体平衡装箱中间方案；
S3：判断箱体平衡装箱中间方案中货物总重心是否满足横向、纵向容许偏移量限制，计算货物总重心横、纵坐标值Xz、Yz，横、纵向偏移量
Figure GDA0002683807600000062
若Xp>Δ1转S4；若Yp>Δ2转S8；否则转Sl2；
S4：若
Figure GDA0002683807600000063
转S2；否则令
Figure GDA0002683807600000064
并计算每一层的面镜贡献量及面镜贡献量与层中货物总重量的乘积Jc；
S5：从以下两个策略中随机挑选一个策略调节货物总重心的横向偏移量：①贪婪策略，转S6；②随机策略，转S7；
S6：运用贪婪策略调节总重心横向偏移量，若
Figure GDA0002683807600000065
则选取箱体内所有层中Jc最大的层；否则若
Figure GDA0002683807600000066
则选取箱体内所有层中Jc最小的层，采用面镜法旋转被选取的层，更新旋转层中所有货物的X轴方向坐标，即将层宽度减去货物宽度与货物的X轴坐标值之和的差值作为货物新的X轴坐标值，转S3；
S7：运用随机策略调节总重心横向偏移量，从当前层随机挑选一层Lay，记层的总重心横向坐标为HX，若满足如下条件之一：①
Figure GDA0002683807600000071
即Lay层总重心与货物总重心同在纵向中心线一旁；②Lay层的重心与货物总重心不同在纵向中心线的一旁，设层面镜法旋转概率
Figure GDA0002683807600000072
且Pt＝Random[0,1]，则采用面镜法对Lay层进行旋转，更新旋转层中所有货物的X轴坐标值，转S3；
S8：令
Figure GDA0002683807600000073
在0与l之间随机产生数P*，若P*>0.2，转S9，否则转Sl0；
S9：交换单层或多层调节货物总重心纵向偏移量，随机挑选一层或紧邻两层L中，即两层也视为一层调整；记其紧邻左、右层
Figure GDA0002683807600000074
层L中、
Figure GDA0002683807600000075
的Y轴坐标分别为C中、
Figure GDA0002683807600000076
计算L中与紧邻左右层伪交换纵向秩序所产生的层换差分别为CL、CR；若
Figure GDA0002683807600000077
则将层L中与紧邻右层正式交换纵向秩序，即将层
Figure GDA0002683807600000078
及层
Figure GDA0002683807600000079
所有货物的Y轴坐标值减去
Figure GDA00026838076000000710
作为层
Figure GDA00026838076000000711
及层
Figure GDA00026838076000000712
中所有货物新的Y轴坐标值，而层L中及层L中所有货物的Y轴坐标值加上
Figure GDA00026838076000000713
作为L中中及L中中所有货物新的Y轴坐标值；否则若
Figure GDA00026838076000000714
则将层L中与紧邻左层正式交换纵向秩序,转S11；
S10：交换调节货物总重心纵向偏移量，从箱体内的所有层中随机挑选两层，其中层Y轴坐标值大的层记为
Figure GDA00026838076000000715
小的层记为
Figure GDA00026838076000000716
其Y轴坐标值分别为
Figure GDA00026838076000000717
和
Figure GDA00026838076000000718
其层长度分别为
Figure GDA00026838076000000719
和
Figure GDA00026838076000000720
交换层
Figure GDA00026838076000000721
和层
Figure GDA00026838076000000722
的纵向秩序，即将层
Figure GDA00026838076000000723
及其层
Figure GDA00026838076000000724
中所有货物的Y轴坐标值都减去
Figure GDA00026838076000000725
层
Figure GDA00026838076000000726
及其层
Figure GDA00026838076000000727
中所有货物的Y轴坐标值都加上
Figure GDA00026838076000000728
若
Figure GDA00026838076000000729
则将层
Figure GDA00026838076000000730
和层
Figure GDA00026838076000000731
之间所有层及层中货物的Y轴坐标值都加上
Figure GDA00026838076000000732
转S11；
S11：计算货物总重心纵向坐标值Yz及纵向偏移量Yp；若Yp<Δ2，则转S12；若
Figure GDA00026838076000000733
转S2；否则转S8；
S12：调整后的箱体平衡装箱实验方案已满足所有约束条件，将其记最终箱体装箱方案，并输出该装箱方案中的货物布局表。
本发明的有益效果：
本发明可应用于铁路、公路、海运交通运输范畴，充分利用箱体空间，保证已装载货物的偏载度符合运输要求，实现在最短时间内完成装载方案，应用领域广泛，保证运输安全，装载效率大大提高。依据本发明算法生成的装配方案可通过三维图形化方式向现场工人展示，指导现场工人快速、准确装载货物。
附图说明
图1是箱体坐标系示意图，
图2是装载货物Gij示意图，
图3是镜面法示意图，
图4是装载算法流程图，
图5是平衡调节算法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，不能理解为对本发明具体保护范围的限定。
实施例一
参照图4、5，一种基于多约束条件智能生成箱体装载方案的方法，包括以下步骤：
Step1：初始化信息，输入箱体的长、宽、高；货物类型、数量及每种类型货物的重量、数量、长、宽、高；初始化栈S1、S2及可行装箱方案链表S3为空；
Step2：生成层候选长度集并压入栈S1，即将所有不大于箱体长度的货物尺寸构造成集合，并将其元素压入栈S1中；
Step3：判断栈S1是否为空，若为空，则转Stepl0；否则从栈S1的末端取出一个值作为第一层层长度，转Step4；
Step4：对层中砌砖面或砌砖体进行装载，搜索层中高度最低的砌砖面，结合定位规则，选择重量不大于剩余载重量且组合度最高的货物块进行装载，若同时有多个货物块具有最高组合度，则选择重量体积比最大的货物块，并更新层中砌砖面的数量、坐标、长和宽，剩余货物类型、数量及箱体剩余长度；
Step5：检查如下条件：①层容积已装满或层剩余空间已不能再放入任何一个剩余货物，②货物已全部装载，③箱体装载量已达最大载重量或剩余装载量已不能再放入任何一个剩余货物，若不满足以上任何条件，则当前层还可装载，转Step4；若只满足条件①，则当前层装载结束，转Step6；否则本次箱体装载结束，转Step8；
Step6：计算箱体剩余空间长度和剩余货物各尺寸的邻度，若有邻度不为0的货物尺寸，则转Step8；若所有货物尺寸的邻度都为0，且未采用过末层装载优化策略，转Step7；否则转 Step9；
Step7：采用末层装载优化策略，卸载当前末层货物，然后取剩余货物中不大于原末层长度与剩余空间长度之和且最大的尺寸作为末层的层长度，转Step4对末层进行重装载；
Step8：确定下一层层长度，选取邻度最小且大于0的尺寸作为下一层层长度，若有多个尺寸同时具有最小邻度，则选取最大尺寸作为下一层长度，转Step4；
Step9：记录箱体装载容积、装载重量和已装载货物的装载方向、装载坐标；将当前装箱方案存入可行装箱方案链表中S3，转Step3；
Step10：将可行装箱方案链表S3中的装箱方案按优化模型目标函数值从小至大的顺序压入栈S2，开始进入平衡调节算法。
进一步的，所述平衡调节算法包括以下步骤：
S1：输入栈S2，横、纵向容许偏移量△1、△2，横、纵向偏移量可调节次数Φh，Φz；
S2：已调节次数
Figure GDA0002683807600000091
取出栈S2中栈末装箱方案作为箱体平衡装箱中间方案；
S3：判断箱体平衡装箱中间方案中货物总重心是否满足横向、纵向容许偏移量限制，计算货物总重心横、纵坐标值Xz、Yz，横、纵向偏移量
Figure GDA0002683807600000092
若Xp>Δ1转S4；若Yp>Δ2转S6；否则转S10；
S4：若
Figure GDA0002683807600000093
转S2；否则令
Figure GDA0002683807600000094
并计算每一层的面镜贡献量及面镜贡献量与层中货物总重量的乘积Jc；
S5：运用贪婪策略调节总重心横向偏移量，若
Figure GDA0002683807600000095
则选取箱体内所有层中Jc最大的层；否则若
Figure GDA0002683807600000096
则选取箱体内所有层中Jc最小的层，采用面镜法旋转被选取的层，更新旋转层中所有货物的X轴方向坐标，即将层宽度减去货物宽度与货物的X轴坐标值之和的差值作为货物新的X轴坐标值，转S3；
S6：令
Figure GDA0002683807600000097
在0与l之间随机产生数P*，若P*＞0.2，转S7，否则转S8；
S7：交换单层或多层调节货物总重心纵向偏移量，随机挑选一层或紧邻两层L中，即两层也视为一层调整；记其紧邻左、右层
Figure GDA0002683807600000101
层L中、
Figure GDA0002683807600000102
的Y轴坐标分别为C中、
Figure GDA0002683807600000103
计算L中与紧邻左右层伪交换纵向秩序所产生的层换差分别为CL、CR；若
Figure GDA0002683807600000104
则将层L中与紧邻右层正式交换纵向秩序，即将层
Figure GDA0002683807600000105
及层
Figure GDA0002683807600000106
所有货物的Y轴坐标值减去
Figure GDA0002683807600000107
作为层
Figure GDA0002683807600000108
及层
Figure GDA0002683807600000109
中所有货物新的Y轴坐标值，而层L中及层L中所有货物的Y轴坐标值加上
Figure GDA00026838076000001010
作为L中中及L中中所有货物新的Y轴坐标值；否则若
Figure GDA00026838076000001011
则将层L中与紧邻左层正式交换纵向秩序,转S9；
S8：交换调节货物总重心纵向偏移量，从箱体内的所有层中随机挑选两层，其中层Y轴坐标值大的层记为
Figure GDA00026838076000001012
小的层记为
Figure GDA00026838076000001013
其Y轴坐标值分别为
Figure GDA00026838076000001014
和
Figure GDA00026838076000001015
其层长度分别为
Figure GDA00026838076000001016
和交换层
Figure GDA00026838076000001018
和层
Figure GDA00026838076000001019
的纵向秩序，即将层
Figure GDA00026838076000001020
及其层
Figure GDA00026838076000001021
中所有货物的Y轴坐标值都减去
Figure GDA00026838076000001022
层
Figure GDA00026838076000001023
及其层
Figure GDA00026838076000001024
中所有货物的Y轴坐标值都加上
Figure GDA00026838076000001025
若
Figure GDA00026838076000001026
则将层
Figure GDA00026838076000001027
和层
Figure GDA00026838076000001028
之间所有层及层中货物的Y轴坐标值都加上
Figure GDA00026838076000001029
转S9；
S9：计算货物总重心纵向坐标值Yz及纵向偏移量Yp；若Yp<Δ2，则转S10；若
Figure GDA00026838076000001030
转S2；否则转S6；
S10：调整后的箱体平衡装箱实验方案已满足所有约束条件，将其记最终箱体装箱方案，并输出该装箱方案中的货物布局表。
实施例二
本实施例与实施例一的不同之处在于：本实施例的平衡调节算法的第五步运用随机策略调节总重心横向偏移量，从当前层随机挑选一层Lay，记层的总重心横向坐标为HX，若满足如下条件之一：①
Figure GDA0002683807600000071
即Lay层总重心与货物总重心同在纵向中心线一旁；②Lay层的重心与货物总重心不同在纵向中心线的一旁，设层面镜法旋转概率
Figure GDA00026838076000001032
且Pt＝Random[0,1]，则采用面镜法对Lay层进行旋转，更新旋转层中所有货物的X轴坐标值。

Claims (3)

1.一种基于多约束条件智能生成箱体装载方案的方法，其特征在于，包括以下步骤：
Step1：初始化信息，输入箱体的长、宽、高；货物类型、数量及每种类型货物的重量、数量、长、宽、高；初始化栈S1、S2及可行装箱方案链表S3为空；
Step2：生成层候选长度集并压入栈S1；
Step3：判断栈S1是否为空，若为空，则转Stepl0；否则从栈S1的末端取出一个值作为第一层层长度，转Step4；
Step4：对层中砌砖面或砌砖体进行装载；
Step5：检查如下条件：①层容积已装满或层剩余空间已不能再放入任何一个剩余货物，②货物已全部装载，③箱体装载量已达最大载重量或剩余装载量已不能再放入任何一个剩余货物，若不满足以上任何条件，则当前层还可装载，转Step4；若只满足条件①，则当前层装载结束，转Step6；否则本次箱体装载结束，转Step8；
Step6：计算箱体剩余空间长度和剩余货物各尺寸的邻度，若有邻度不为0的货物尺寸，则转Step8；若所有货物尺寸的邻度都为0，且未采用过末层装载优化策略，转Step7；否则转Step9；
Step7：采用末层装载优化策略，转Step4对末层进行重装载；
Step8：确定下一层层长度，转Step4；
Step9：记录箱体装载容积、装载重量和已装载货物的装载方向、装载坐标；将当前装箱方案存入可行装箱方案链表中S3，转Step3；
Step10：将可行装箱方案链表S3中的装箱方案按优化模型目标函数值从小至大的顺序压入栈S2，开始进入平衡调节算法；
所述Step8确定下一层层长度的方法为选取邻度最小且大于0的尺寸作为下一层层长度，若有多个尺寸同时具有最小邻度，则选取最大尺寸作为下一层长度；
所述平衡调节算法包括以下步骤：
S1：输入栈S2，横、纵向容许偏移量△1、△2，横、纵向偏移量可调节次数Φh、ΦZ；
S2：横、纵向偏移量已调节次数
Figure FDA0002683807590000011
取出栈S2中栈末装箱方案作为箱体平衡装箱中间方案；
S3：判断箱体平衡装箱中间方案中货物总重心是否满足横向、纵向容许偏移量限制，即计算货物总重心横、纵坐标值Xz、Yz，横、纵向偏移量
Figure FDA0002683807590000012
若Xp＞Δ1转S4；若Yp＞Δ2转S8；否则转Sl2；
S4：若
Figure FDA0002683807590000021
转S2；否则令
Figure FDA0002683807590000022
并计算每一层的面镜贡献量及面镜贡献量与层中货物总重量的乘积Jc；
S5：从以下两个策略中随机挑选一个策略调节货物总重心的横向偏移量：①贪婪策略，转S6；②随机策略，转S7；
S6：运用贪婪策略调节货物总重心横向偏移量，若
Figure FDA0002683807590000023
则选取箱体内所有层中Jc最大的层；若
Figure FDA0002683807590000024
则选取箱体内所有层中Jc最小的层，采用面镜法旋转被选取的层，更新旋转层中所有货物的X轴方向坐标，即将层宽度减去货物宽度与货物的X轴坐标值之和的差值作为货物新的X轴坐标值，转S3；
S7：运用随机策略调节货物总重心横向偏移量，从当前层随机挑选一层Lay，记层的总重心横向坐标为HX，若满足如下条件之一：①
Figure FDA0002683807590000025
即Lay层总重心与货物总重心同在纵向中心线一旁；②Lay层的重心与货物总重心不同在纵向中心线的一旁，设层面镜法旋转概率
Figure FDA0002683807590000026
且Pt＝Random[0,1]，则采用面镜法对Lay层进行旋转，更新旋转层中所有货物的X轴坐标值，转S3；
S8：令
Figure FDA0002683807590000027
在0与l之间随机产生数P*，若P*＞0.2，转S9，否则转Sl0；
S9：交换单层或多层调节货物总重心纵向偏移量，随机挑选一层或紧邻两层L中，即两层也视为一层调整，记其紧邻左、右层
Figure FDA0002683807590000028
层L中、
Figure FDA0002683807590000029
的Y轴坐标分别为C中、
Figure FDA00026838075900000210
计算L中与紧邻左右层伪交换纵向秩序所产生的层换差分别为CL、CR；若
Figure FDA00026838075900000211
则将层L中与紧邻右层正式交换纵向秩序，即将层
Figure FDA00026838075900000212
及层
Figure FDA00026838075900000213
所有货物的Y轴坐标值减去
Figure FDA00026838075900000214
作为层
Figure FDA00026838075900000215
及层
Figure FDA00026838075900000216
中所有货物新的Y轴坐标值，而层L中及层L中所有货物的Y轴坐标值加上
Figure FDA00026838075900000217
作为L中中及L中中所有货物新的Y轴坐标值；否则若
Figure FDA00026838075900000218
则将层L中与紧邻左层正式交换纵向秩序,转S11；
S10：交换调节货物总重心纵向偏移量，从箱体内的所有层中随机挑选两层，其中层Y轴坐标值大的层记为
Figure FDA0002683807590000031
小的层记为
Figure FDA0002683807590000032
其Y轴坐标值分别为
Figure FDA0002683807590000033
和
Figure FDA0002683807590000034
其层长度分别为
Figure FDA0002683807590000035
和
Figure FDA0002683807590000036
交换层
Figure FDA0002683807590000037
和层
Figure FDA0002683807590000038
的纵向秩序，即将层
Figure FDA0002683807590000039
及其层
Figure FDA00026838075900000310
中所有货物的Y轴坐标值都减去
Figure FDA00026838075900000311
层
Figure FDA00026838075900000312
及其层
Figure FDA00026838075900000313
中所有货物的Y轴坐标值都加上
Figure FDA00026838075900000314
若
Figure FDA00026838075900000315
则将层
Figure FDA00026838075900000316
和层
Figure FDA00026838075900000317
之间所有层及层中货物的Y轴坐标值都加上
Figure FDA00026838075900000318
转S11；
S11：计算货物总重心纵向坐标值Yz及纵向偏移量Yp；若Yp＜Δ2，则转S12；若
Figure FDA00026838075900000319
转S2；否则转S8；
S12：调整后的箱体平衡装箱实验方案已满足所有约束条件，将其记最终箱体装箱方案，并输出该装箱方案中的货物布局表。
2.根据权利要求1所述的基于多约束条件智能生成箱体装载方案的方法，其特征在于：对第一层中砌砖面或砌砖体进行装载的方法为搜索层中高度最低的砌砖面，结合定位规则，选择重量不大于剩余载重量且组合度最高的货物块进行装载，若同时有多个货物块具有最高组合度，则选择重量体积比最大的货物块，并更新层中砌砖面的数量、坐标、长和宽，剩余货物类型、数量及箱体剩余长度。
3.根据权利要求1所述的基于多约束条件智能生成箱体装载方案的方法，其特征在于：所述末层装载优化策略为卸载当前末层货物，然后取剩余货物中不大于原末层长度与剩余空间长度之和且最大的尺寸作为末层的层长度。
CN201710621919.6A 2017-07-27 2017-07-27 一种基于多约束条件智能生成箱体装载方案的方法 Active CN107622321B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710621919.6A CN107622321B (zh) 2017-07-27 2017-07-27 一种基于多约束条件智能生成箱体装载方案的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710621919.6A CN107622321B (zh) 2017-07-27 2017-07-27 一种基于多约束条件智能生成箱体装载方案的方法

Publications (2)

Publication Number Publication Date
CN107622321A CN107622321A (zh) 2018-01-23
CN107622321B true CN107622321B (zh) 2020-11-13

Family

ID=61088588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710621919.6A Active CN107622321B (zh) 2017-07-27 2017-07-27 一种基于多约束条件智能生成箱体装载方案的方法

Country Status (1)

Country Link
CN (1) CN107622321B (zh)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110120133B (zh) * 2018-02-07 2021-08-27 长沙行深智能科技有限公司 用于空间可变柜的基于大小排序搜索的空间分配方法
CN110220549A (zh) * 2018-03-02 2019-09-10 北京京东尚科信息技术有限公司 一种垛型评估的方法和装置
CN108520327B (zh) * 2018-04-19 2021-03-23 安吉汽车物流股份有限公司 车载货物的装载方法及装置、计算机可读介质
CN108750685B (zh) * 2018-04-28 2020-02-14 武汉库柏特科技有限公司 一种离线混合码垛方法及系统
CN108861619B (zh) * 2018-05-30 2020-07-14 武汉库柏特科技有限公司 一种半离线混合码垛方法、系统及机器人
CN110371561B (zh) * 2018-08-28 2022-04-26 北京京东乾石科技有限公司 一种码垛入库的方法和装置
CN110059996B (zh) * 2019-03-06 2022-04-26 日日顺供应链科技股份有限公司 一种基于语音引导系统的场区车辆装载方法
CN110046845B (zh) * 2019-03-06 2022-05-20 日日顺供应链科技股份有限公司 一种场区车辆装载方法和装载系统
CN112001053B (zh) * 2019-05-07 2024-04-05 北京京东乾石科技有限公司 货架数据处理方法、装置、电子设备及可读介质
CN110175405B (zh) * 2019-05-27 2021-09-28 上海维祥信息技术有限公司 车辆装载优化方法及系统
CN110175404B (zh) * 2019-05-27 2023-06-13 上海维祥信息技术有限公司 货物装载调整方法及装置
CN110294251B (zh) * 2019-06-17 2021-05-14 上海航天设备制造总厂有限公司 一种多品种小批量物品的箱中箱式立体库库位设计方法
CN110723553B (zh) * 2019-10-23 2021-09-10 安吉智能物联技术有限公司 一种基于搬运机器人用的垛型生成方法
CN111047100B (zh) * 2019-12-17 2020-10-09 广东工业大学 一种物流集装箱的装箱方法和系统
CN111311145A (zh) * 2020-01-22 2020-06-19 中国铁路上海局集团有限公司科学技术研究所 一种铁路货运智能装配方法
CN112101650B (zh) * 2020-09-07 2024-04-09 华东计算技术研究所（中国电子科技集团公司第三十二研究所） 一种基于组合优化的二维装箱算法的预处理方法及系统
CN112340020B (zh) * 2020-11-17 2022-02-22 中国人民解放军95795部队 一种弹药箱空投重心调整方法及系统
CN112884396B (zh) * 2021-01-15 2024-03-19 安徽省优质采科技发展有限责任公司 用于线上采购平台货物配送的包装盒规格选择方法和系统
CN112434893B (zh) * 2021-01-28 2021-04-06 苏州澳昆智能机器人技术有限公司 一种装车垛型逐层最优设计方法
CN114873003B (zh) * 2021-12-31 2024-03-05 第四范式（北京）技术有限公司 装箱方法和装箱装置
CN114819674B (zh) * 2022-05-07 2023-05-02 安道亿联(重庆)供应链管理有限公司 货箱装载的重心修正方法、装置、电子设备及存储介质
CN115081119B (zh) * 2022-07-20 2022-11-08 中铁第四勘察设计院集团有限公司 一种列车装载的优化方法、装置、设备及可读存储介质
CN115496453B (zh) * 2022-11-16 2023-05-05 中国外运股份有限公司 货物配载方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761635A (zh) * 2014-01-14 2014-04-30 大连理工大学 一种三维多箱异构货物装载优化方法
CN103870893A (zh) * 2014-04-09 2014-06-18 沈阳工业大学 基于三维空间求解具有多重量约束装箱的优化方法
CN106951652A (zh) * 2017-03-29 2017-07-14 华东交通大学 一种基于应用数学模型的集装箱平衡控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761635A (zh) * 2014-01-14 2014-04-30 大连理工大学 一种三维多箱异构货物装载优化方法
CN103870893A (zh) * 2014-04-09 2014-06-18 沈阳工业大学 基于三维空间求解具有多重量约束装箱的优化方法
CN106951652A (zh) * 2017-03-29 2017-07-14 华东交通大学 一种基于应用数学模型的集装箱平衡控制方法

Also Published As

Publication number Publication date
CN107622321A (zh) 2018-01-23

Similar Documents

Publication Publication Date Title
CN107622321B (zh) 一种基于多约束条件智能生成箱体装载方案的方法
Alonso et al. Mathematical models for multi container loading problems with practical constraints
TWI568643B (zh) 自動棧板裝載機及材料處理系統
Huang et al. Heuristic algorithms for container pre-marshalling problems
Junqueira et al. Heuristic algorithms for a three-dimensional loading capacitated vehicle routing problem in a carrier
Jamrus et al. Extended priority-based hybrid genetic algorithm for the less-than-container loading problem
CN110175404B (zh) 货物装载调整方法及装置
Júnior et al. A hybrid approach for a multi-compartment container loading problem
Sheng et al. A heuristic algorithm for container loading of pallets with infill boxes
Costa et al. Weight distribution in container loading: a case study
CN116579721B (zh) 仓储货位优化方法、装置、电子设备及存储介质
Koch et al. A hybrid algorithm for the vehicle routing problem with three-dimensional loading constraints and mixed backhauls
CN111754014A (zh) 拣选工作站出库任务的控制方法、存储介质及电子设备
CN112815941A (zh) 一种拣货路径规划方法、装置、设备和存储介质
Saini et al. A stochastic model for the throughput analysis of passing dual yard cranes
CN110228640B (zh) 一种多规格板件打包方法
Dulebenets A new simulation model for a comprehensive evaluation of yard truck deployment strategies at marine container terminals
Tang et al. Modeling and solution for the ship stowage planning problem of coils in the steel industry
CN115796750B (zh) 货物入库方法、出库方法、装置和计算机设备
JP4359108B2 (ja) ピッキング物品積上げ指示システム
CN115660551A (zh) 一种电网计量物资无人值守仓库多agv调度优化方法及系统
CN111428929B (zh) 带二维装卸和时间窗口限制的路径规划系统
CN117252037B (zh) 三维装箱方法、装置、电子设备及存储介质
Zhou The pallet loading method of single category cargo based on railway containerized transport
Soman et al. Two-dimensional loading in vehicle routing problem with release and due dates

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 266109 Wenyang Road, Chengyang District, Qingdao, Shandong Province, No. 988

Applicant after: Shandong Bureau 832 of state grain and Material Reserve Bureau

Address before: 266109 Wenyang Road, Chengyang District, Qingdao, Shandong Province, No. 988

Applicant before: 832 BUREAU OF SHANDONG RESERVE MATERIAL MANAGEMENT BUREAU

GR01 Patent grant
GR01 Patent grant