CN109992899B - 一种基于改进的slp和遗传算法的洗消站装备设施布局方法 - Google Patents

一种基于改进的slp和遗传算法的洗消站装备设施布局方法 Download PDF

Info

Publication number
CN109992899B
CN109992899B CN201910274587.8A CN201910274587A CN109992899B CN 109992899 B CN109992899 B CN 109992899B CN 201910274587 A CN201910274587 A CN 201910274587A CN 109992899 B CN109992899 B CN 109992899B
Authority
CN
China
Prior art keywords
decontamination
vehicle
units
unit
layout
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
CN201910274587.8A
Other languages
English (en)
Other versions
CN109992899A (zh
Inventor
诸雪征
胡紫城
聂坤林
晏国辉
刘顺华
顾进
高晓辉
王丁
李慧卓
聂晓聪
赵伟
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.)
Insititute Of Nbc Defence
Original Assignee
Insititute Of Nbc Defence
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 Insititute Of Nbc Defence filed Critical Insititute Of Nbc Defence
Priority to CN201910274587.8A priority Critical patent/CN109992899B/zh
Publication of CN109992899A publication Critical patent/CN109992899A/zh
Application granted granted Critical
Publication of CN109992899B publication Critical patent/CN109992899B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/12Computing arrangements based on biological models using genetic models
    • G06N3/126Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Genetics & Genomics (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于改进的SLP和遗传算法的洗消站装备设施布局方法,包括如下步骤:步骤一:确定洗消站组成要素、作业流程、洗消单元;步骤二:分析洗消单元之间相互接近程度关系;步骤三:构建洗消单元基本布局模型;步骤四:遗传算法求解洗消站布局初步架构;步骤五:Flexsim仿真优化布局初步方案。本发明采用基于改进的SLP理论,得出洗消单元之间综合相互关系,通过遗传算法对洗消单元布局进行初步静态求解,并利用Flexsim仿真软件进行动态模拟改进,得到最终洗消站装备设施布局方案。本发明方法通用性强,可通过计算机实现,解决了洗消站科学布局问题,对核生化救援队开设洗消站具有实际应用价值。

Description

一种基于改进的SLP和遗传算法的洗消站装备设施布局方法
技术领域
本发现属于复杂生产系统布局规划设计领域,具体涉及一种基于改进的SLP和遗传算法的洗消站装备设施布局方法。
背景技术
洗消是对受染对象实施消除和消毒的活动。放射性和核沾染的消除是指各种消除手段从人员皮肤、物体表面、地面、水和食物中除去放射性物质,并将其转移到对人员无害的地方。化学战剂的洗消,是通过洗消剂对染毒对象上的化学毒剂进行物理消除,并将其消毒降解,降低沾染对象表面上毒剂残破浓度,失去或降低对人员的伤害。洗消站是洗消分队对染有化学毒剂、放射性污染物的人员、武器、装具进行去除污染的场所。
目前洗消站布局方法主要是遵循风向、装备功能、资源供应等原则性要求,利用以往经验和参照国外应用模型组织布局,缺乏定量分析方法,洗消站内洗消装备设施布置的科学性和系统性不强,致使洗消作业连续性较低,制约洗消作业效率提升。经研究发现,可以将洗消站布局问题转化为生产系统设施布局问题,洗消作业工序相对固定,把洗消作业过程看成一个产品生产加工过程,产品物料就是洗消对象、洗消剂、水等物资,通过洗消作业,生成洁净的洗消对象,即新的产品。而常见生产系统设施布局方法包括Reed布局规划方法、CORELAP平面布局方法、SLP方法、Apple工厂布局方法、ALDEP方法、MultiPLE方法等数学规划方法以及利用Arena、AutoMod、ExtendSim等软件涉及的仿真技术等。这些布局方法,这些方法都有其各自的优点,对系统设施布局起到了一定的优化作用,对研究洗消站布局具有一定理论指导意义。
在这种背景下,综合考虑洗消任务、洗消对象、洗消装备种类数量等条件,发明了一种基于改进的SLP理论和遗传算法的洗消站装备设施布局方法。该方法首先利用改进的SLP理论,结合洗消装备作业能力,确定洗消站内各洗消单元的综合密切程度,其次通过遗传算法搜索静态最优洗消站布局基础方案,最后使用Flexsim软件对方案进行动态模拟优化,提出改进的洗消站布局最终方案。该方法解决了洗消站复杂布局问题,有效提升洗消作业效能。
发明内容
本发明的目的是提供一种洗消站装备及设施布局的方法,该方法综合考虑洗消装备及设施作业能力、洗消作业流程、场地面积、以及污染物处理特有的安全要求,解决洗消站这类复杂系统的布局问题,较好地融合了洗消装备设施的场地面积的最低要求和污染物受染程度不同的洗消作业需求,可实现有限空间条件下洗消站内部设计整体布局,为该类复杂系统提供一种新的科学布局方法,保证洗消作业过程安全高效。该方法主要是基于改进的SLP(Systematic Layout Planning)设施规划理论,融合各洗消装备系统自身作业能力及Flexsim仿真评估洗消站作业效能应用,对洗消站内部各洗消装备及相应设施进行合理布局,解决了复杂洗消站内部布局科学性、系统性、安全性等问题,提高洗消站整体作业效能。
本发明采用的技术方案为:洗消站装备布局问题主要是平面布局问题,主要是指有n个洗消装备设施和洗消站内n个位置,每个装备要求分配至一个位置,是n个装备到n个位置的映射。可应用系统布局设计理论,把洗消作业过程看成一个产品生产加工过程,但系统布局设计方法缺乏动态柔性,需要通过新的技术来弥补其局限性,可以利用Flexsim软件对洗消站各洗消单元进行建模,能够较好反映洗消作业过程,进而对布局方案进行检验评价。下面结合流程图图1中的步骤,具体介绍该方法的技术方案。
本发明一种基于改进的SLP和遗传算法的洗消站装备设施布局方法,包括如下步骤:
步骤一:确定洗消站组成要素、作业流程、洗消单元
通常洗消对象为人员、车辆、装备、精密仪器、服装等等。
1、确定洗消站基本组成要素。针对洗消任务需要(一般分为消毒和消除两种情况背景),根据上级指示,明确洗消站组成要素,开设人员洗消线、车辆装备洗消线、装具洗消线等等。
2、划分洗消单元。洗消单元是指把洗消站内功能相关的装备、设施进行分类,划分出独立的洗消作业区域,构成洗消作业的基本单元,根据作业流程内容,将洗消站划分为
Figure BDA0002019569500000021
个洗消单元{F1,F2,…,FN},每个洗消单元作业面积需求为{M1,M2,…,MN},其中Mi=li·wi,i=1,2,…,N;li、wi分别为洗消单元长和宽。若洗消单元数为N,则洗消单元对数为:
Figure BDA0002019569500000022
洗消单元具备以下条件:①洗消单元装备及设施布局均为矩形,且装备摆放位置为最适合洗消操作位置。②风向确定,为避免二次交叉污染,每个洗消单元出口方向应处于迎风方向。
3、分析洗消作业流程。针对不同的洗消对象,分析每类对象的具体洗消作业流程和操作步骤,可以用流程图形式表示作业过程(见图2),图符号见表1。
表1
Figure BDA0002019569500000031
步骤二:分析洗消单元之间相互接近程度关系
1、计算洗消作业量。洗消作业量以下简称“作业量”是指洗消对象、洗消剂等从一个洗消单元流入另一洗消单元,产生的作业物流量,体现洗消物资的流转过程。由于洗消对象与消耗物资之间很难通过质量或数量进行直观比较,研究发现洗消物资消耗与洗消对象表面积密切相关,因此,把人员、车辆、装具等洗消对象的作业量都转化为表面积进行衡量,便于横向比较作业量强度。
(1)洗消对象表面计算。车辆装备按照长方体计算,不包含车辆装备底盘部分:
Figure BDA0002019569500000032
式中ki为每种车辆的数量,ai为每种车辆的长,bi为每种车辆的宽,hi为每种车辆的高,n为车辆种类;②人员表面选用采用Stevenson公式计算:S=0.0061×身高(cm)+0.0128×体重(kg)-0.1529;③其他不规则装具以近似矩形、椭圆形等方式进行表面积计算。
(2)消耗水量表面积计算。通常为保证洗消彻底,染毒对象洗消过程中受到的喷洒面积必然大于染毒面积,消耗标准为1.5L/m2;①车辆预先洗消对车轮沾染土块进行刷洗,底盘部分采取行驶通过洗消水沟方式组织清洗,设置C个30L洗消剂桶,B个1000L水囊,利用刷子沾取洗消剂清理土块,平均每辆车洗刷车轮消耗液体TL;②使用龙门式洗消装备对车辆装备进行洗消时,消耗水量计算公式:
Figure BDA0002019569500000033
式中k为洗消作业损耗系数(通常为1.2),c为固定洗消门架喷头数量,p为每个喷头出水量L/min,b为喷枪数量,q为每把喷头出水量L/min,v为平均车速m/min,n为车辆种类,ki为每种车辆的数量;③使用非龙门式洗消装备对车辆装备进行洗消时,消耗水量计算公式:
Figure BDA0002019569500000034
式中b为喷枪数量,q为每把喷枪出水量L/min,ti为补消每种车辆的作业时间min,ki为每种车辆的数量;④人员洗消耗水量:
Figure BDA0002019569500000035
式中pi为i型人员洗消车喷头出水量L/min;ei为喷头数量;ti为淋浴时间min;ri为洗消人员数量;n为人员洗消车种类,σi为每种人员洗消车的数量;⑤装具洗消对象消耗水量计算以作业流程中,操作消耗标准为计算依据;⑥洗消作业过程中补充水量,通过计算所有洗消对象总体消耗水量,除去各型人员、车辆洗消车固有车载水量,即为需要拉水补充水量。
2、作业量关系分析。我们将洗消单元之间洗消作业量强度状况划分为特高、很高、较高、一般和可忽略五个等级,用符号A、E、I、O、U来表示,其作业量范围依据实际作业按照等级比例来划分,A级:A1-A2,E级:E1-E2,I级:I1-I2,O级:O1-O2,U级:0。分数一般取A=4,E=3,I=2,O=1,U=0。统计得到作业量强度分析表2。
表2
Figure BDA0002019569500000041
3、非作业量关系分析。洗消单元对之间的相互接近程度除了需要分析作业量因素,还要分析非作业量因素的影响。特别是污染物性质特殊,对作业环境要求非常严格,存在作业量不能够全面反映出密切程度关系的可能。为防止污染物扩散、二次(交叉)污染等问题,必须严格作业程序和配置方位,重点关注6个方面因素:①使用相同装备设施或场地;②污染物相对集中安全存放;③相互之间容易产生干扰;④洗消单元之间距离,主要是车辆转弯半径、尺寸、调整距离等限制因素;⑤方便洗消操作和指挥管理;⑥保持洗消作业流程连续性。非作业量相互关系等级可以划分为A、E、I、O、U、X六个等级,分别对应的分值为4、3、2、1、0、-1。每个等级的含义及其比例如表3所示。非作业量关系密切等级重点考虑前四项因素,通过分析非作业量等级(见表4),得到作业量关系强度汇总表(见表5)。
表3
Figure BDA0002019569500000042
表4
Figure BDA0002019569500000043
表5
Figure BDA0002019569500000051
4、综合关系密切程度。权重值是计算作业量(g)与非作业量(f)相互关系重要程度的关键因子,通常情况下,权重取值范围为(1:3~3:1),显然洗消站作业过程中作业量关系起主导作用,因此取权重值g:f=2:1,计算洗消单元之间综合关系公式:JPij=gGPij+fFPij,JPij式中表示洗消单元i与洗消单元j之间的综合关系分值,GPij和FPij分别表示洗消单元之间的作业量与非作业量分值,具体结果如表6所示。
表6
Figure BDA0002019569500000052
步骤三:构建洗消单元基本布局模型
1、建立目标模型。
(1)相关要求
根据洗消作业实际,需要考虑以下几个要求:①每两个作业单元之间其洗消对象流转路径应与洗消站的长度和宽度相平行,则洗消对象流转路径的距离可以表示为:dij=|xi-xj|+|yi-yj|;②针对车辆装备洗消作业特点,应尽量减少车辆装备转弯次数,转弯角度应尽可能大;③每个洗消单元出口方向应处于迎风方向,其出口与风向夹角应尽可能小,因此洗消单元出口方向只可能有两个方向,延X轴方向或延Y轴方向,为更好描述洗消单元布局方式,设定一个0-1变量Pi用以表示第i个洗消单元的出口方向:
Figure BDA0002019569500000053
另,入口方向通常与出口方向相对应。
(2)目标函数
以洗消单元之间洗消对象流转成本最小(Z1)、综合关系最大(Z2)和风向夹角为最小(Z3)为目标,建立布局优化模型,如下所示:
Figure BDA0002019569500000054
Figure BDA0002019569500000061
Figure BDA0002019569500000062
其中,i和j为洗消单元的编号,且i≠j,将上述多目标转化为单目标,考虑到(1)、(2)、(3)的量纲不同,故加入归一化因子μ1、μ2、μ3对其统一量纲,同时,由于具体洗消对象和洗消线作业流程不同,三个目标函数所占的比重也会有所差别,因而分别给赋以权值ω1、ω2、ω3由此可得到单一目标函数表达式:
Figure BDA0002019569500000063
其中:
Figure BDA0002019569500000064
ω1为洗消作业量流转成本项的仅值,ω2为洗消单元之间综合相互关系项的权值,ω3为洗消单元出口与风向夹角项的权值,且ω123=1,权值ω1、ω2、ω3均通过专家打分获得。
式中:N为洗消单元总数;cij为洗消单元i到j的单位距离的流转成本,通常为常数,分/m2·m;qij为洗消单元i到j之间的作业量;dij为表示在洗消站布局中洗消单元i到j之间的距离,dmax为存在作业关系的两个洗消单元之间最大距离;Tij为洗消单元i到洗消单元j之间的综合相互关系值;bij为洗消单元i到洗消单元j之间的邻接度,由dij和dmax计算转化得到,具体见表7,θij为洗消单元i和洗消单元j中心点连线与X轴夹角;βi为洗消单元i出口方向与风向夹角。
表7
Figure BDA0002019569500000065
(3)约束条件
①洗消单元面积之和不能超出洗消站规划总面积S:
Figure BDA0002019569500000071
②洗消单元布局范围不能超过洗消站最大范围(H为洗消站总长,K为洗消站,Hoj代表洗消单元j在X轴方向与边缘的最小间距,Koj代表洗消单元j在Y轴方向与边缘的最小间距):
Figure BDA0002019569500000072
Figure BDA0002019569500000073
③洗消单元均不能重叠放置,dxji为洗消单元j和i在X方向的最小间距,dyji为洗消单元j和i在Y方向的最小间距:
Figure BDA0002019569500000074
Figure BDA0002019569500000075
④为保证车辆洗消线与人员洗消线作业流畅避免交叉干扰,车辆洗消线内紧邻两个洗消单元F车i(x车i,y车i)和F车i+1(x车i+1,y车i+1)连接线,与人员洗消线内紧邻两个洗消单元F人i(x人i,y人i)和F人i+1(x人i+1,y人i+1)连接线在min(x车i,x车i+1,x人i,x人i+1)≤x≤max(x车i,x车i+1,x人i,x人i+1)范围不存在交点,即
Figure BDA0002019569500000076
其中:
Figure BDA0002019569500000077
2、适应度函数。由于洗消站布局中所处理的是目标函数最小化问题,因此采用倒数变换法来确定适应度函数,定义适应度函数为:
Figure BDA0002019569500000078
步骤四:遗传算法求解洗消站布局初步架构
1、确定编码机制。采用符号编码和二进制编码相结合的方法来作为染色体的编码机制,每个染色体表示一种洗消站布局方案,将染色体分为两段,前半段表示洗消单元的布局顺序,采用连续自然数{1,2,…,N}来表示各洗消单元的对应编号,同时区分车辆装备、人员、装具等洗消线,对洗消单元进行相对划分,后半段表示洗消单元方向,采用二进制编码来表示,染色体的表现形式为Rj={F1,F2,…,FN|P1,P2,…,PN},其中FN表示N个洗消单元的编号,PN表示N个洗消单元的出口方向,另外洗消单元布局方法按照从左下角起,横向从左至右,从下层到上层的顺序进行排列,如果同时放置空间不足时,将自动选择下一行排列。
2、设置参数。设置进化环境种群大小D,交叉概率Hc、变异概率Hm、最大世代数max—gen;
3、输入信息。输入洗消站总体区域面积S,各洗消单元面积Mi,固定洗消单元数量n,非固定洗消单元数量m,洗消单元之间综合相互关系值Tij,洗消单元i到j的单位距离的流转成本cij,洗消单元i到j之间的作业量qij以及终止条件等基本信息。
4、初始化。随机生成m个非固定洗消单元的基因,判断是否满足约束条件,若满足则保留,并与固定洗消单元的基因一起构成一组染色体,若不满足则再重新随机产生,如此反复,直到最后产生出D个可行染色体,形成初始种群。
5、选择操作。采用轮盘赌选择法,计算种群上每个个体的适应度值Qi,根据一定概率进行选择遗传产生下一代,个体i被选中概率计算公式如下:
Figure BDA0002019569500000081
6、交叉操作。对种群中的D个个体采用随机配对组成[D/2]对个体组,交叉概率Hc和约束条件选择出适合的染色体,进行交叉操作生成新的个体。
(1)二进制编码交叉操作。随机选取单点i交叉位置,将交叉点后面的基因相互对换,具体过程如表8所示。
表8
Figure BDA0002019569500000082
(2)符号编码交叉操作。采用双点交叉替换方式,首先随机选择两个交叉点对其区域内各基因值进行替换,其次再按照交叉区域内产生的基因值映射关系,将交叉区域外各基因值进行替换。具体过程如表9和表10所示。
表9
Figure BDA0002019569500000091
对产生的映射关系:2-3,4-5,1-8进行再次替换。
表10
子代1 6 5 3 5 8 2 1
子代2 7 9 2 4 1 6 8
7、变异操作。根据变异概率Hm和约束条件选择出适合的染色体,进行变异操作生成新的个体。
(1)二进制编码变异操作。随机选取两个基因位,对选定的基因位上的基因值做取反运算,具体过程如表11所示。
表11
基因位 1 2 3 i N
父代 1 0 0 1 0
子代 1 1 0 0 0
(2)符号编码变异操作。随机选取两个基因位,对其基因值进行对换操作,具体过程如表12所示。
表12
基因位 1 2 i i+1 i+2 i+3 N
父代 6 5 2 4 1 3 8
子代 6 5 3 4 1 2 8
8、检查终止条件。通过软件编程相关算法,观察目标函数的收敛曲线的收敛情况,从而来判断进化过程是否可以停止。若目标函数的收敛曲线已达到收敛,则可结束遗传算法的搜索工作,输出种群中适应度最优的染色体作为问题的满意解或最优解,否则需要重新设定遗传演化的世代数,转入设置参数步骤继续进行搜索。最终输出种群中适应度最优的染色体,得到每个洗消单元坐标值,并绘制出洗消站初步方案布局图。
步骤五:Flexsim仿真优化布局初步方案
1、建立模型。剖析洗消仿真过程,建立洗消站内系统元素与仿真模型元素对应关系,明确仿真模型元素功能,并将其在建模环境中连接起来形成洗消站整体仿真模型。
2、洗消单元仿真数据设置。
(1)基本参数设置。明确仿真计量时间、距离、水量等单位,统一设置对人员、车辆等行驶速度等常规数据。
(2)作业参数设置。根据实际洗消作业数据,对照仿真基本参数进行转换计算,并将其依次录入对应仿真模型元素参数栏内。
3、运行分析仿真结果。根据仿真模型输出报告,分析拥堵洗消单元环节,提出针对性布局改进措施。
4、改进优化方案与初步方案进行对比。建立改进优化方案Flexsim仿真模型,输出仿真运行结果,与初步方案运行结果进行分析比较。
本发明与现有技术相比的优点在于:
本发明提供了基于改进的SLP和遗传算法的洗消站装备设施布局方法。其优点是综合考虑洗消站洗消对象数量、洗消单元规模、自然环境、洗消资源等约束条件,采用基于改进的SLP理论,得出洗消单元之间综合相互关系,通过遗传算法对洗消单元布局进行初步静态求解,并利用Flexsim仿真软件进行动态模拟改进,得到最终洗消站装备设施布局方案。方法通用性强,可通过计算机实现,解决了洗消站科学布局问题,对核生化救援队开设洗消站具有实际应用价值。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为基于改进的SLP和遗传算法的洗消站装备设施布局流程图。
图2为洗消站洗消作业流程示意图Ⅰ。
图3为洗消站洗消单元布局坐标示意图。
图4为遗传算法收敛曲线。
图5为洗消站洗消作业流程示意图Ⅱ。
图6为洗消站布局初步方案示意图。
图7为洗消站布局改进方案示意图。
具体实施方式
某消防救援队在执行化学工厂泄露事故处置任务中,一定数量人员、车辆、装具受染,为避免或减轻环境受到次生化学污染危害,上级指示使用A型门式车辆洗消车、B型非门式车辆洗消车、C型人员洗消车、D型人员洗消车(以下简称“A车、B车、C车、D车”)开设洗消站,主要开设1条车辆洗消线(采取人工车辆预先洗消方式,1号A车负责清水冲洗,2号A车负责洗消剂洗消,1号B车负责补消,2号B车负责拉水)、2条人员洗消线(负责补消的B车给D车供水,负责清水冲洗的A车给C车供水)和1条装具洗消线。风向为东北,白天气象条件良好,操作人员技能熟练,前期简易自消、互通情况等准备工作都已完成,人员、装具、车辆补消概率分别为7.7%、5%、12%,水和洗消剂都按水来计量。
步骤一:确定洗消站组成要素、作业流程、洗消单元
1、洗消站基本组成要素。
(1)人员洗消线:人员等候地域、防护服掩埋区、脱衣间、淋浴间、穿衣间、人员复检点。
(2)车辆洗消线:车辆等候地域、车辆预先洗消平台、车辆洗消平台、试剂反应区(车辆暂停场)、仪器洗消平台、车辆复检点、车辆补消点。
(3)装具洗消线:受染装具堆放区、装具洗消区、装具晾晒区、洗净装具堆放区、装具领取点。
2、洗消单元划分及场地面积要求。消防车辆车身长度6-16m,车宽2.7-4.5m,转弯半径5-12m,考虑消防车辆尺寸对消洗作业的特殊要求,结合洗消流程实际,洗消单元划分及区域面积具体情况见表13,其中等待区域、集结区域、水源位置固定。
表13
Figure BDA0002019569500000111
Figure BDA0002019569500000121
3、洗消作业流程分析。依据外军洗消作业流程,结合洗消对象需求,对照洗消单元划分情况,绘制洗消作业流程图(车辆补消时采取单独设置补消点方式组织局部洗消),具体见图4和表1所示。
步骤二:分析洗消单元之间相互接近程度关系
1、计算作业量。已知该消防救援队基本编成与洗消作业时间及消耗水量,如表14和表15所示。
表14
Figure BDA0002019569500000122
表15
Figure BDA0002019569500000123
(1)洗消对象表面积。①车辆总表面面积(不含底盘部分)为6560m2,车辆车轮和底盘总面积为2352m2。②根据国家卫生计生委公布《中国居民营养与慢性病状况报告(2015年)》,18岁及以上男性平均身高167.1cm,体重66.2kg。计算得出人员体表总面积为552m2。③防毒面具和设备面积。面具按照椭圆形进行实际测量计算,总表面积为26m2;设备与同车辆计算方法,总表面积为65m2
(2)消耗洗消剂(水)表面积。一般消耗标准为1.5L/m2。①车辆预先洗消对车轮沾染土块进行刷洗(底盘部分采取行驶通过洗消水沟方式组织清洗,无需考虑水量消耗),设置4个30L洗消剂桶,1个1000L水囊,利用刷子沾取洗消剂清理土块,平均每辆车洗刷车轮消耗液体25L,则总消耗水量1450L,需要补充用水450L,对应作业量洗消面积300m2。②使用A车对车辆进行洗消剂(或清水)洗消消耗水量:VA耗水=10733L,对应作业量洗消面积为7156m2。③使用B车对车辆进行补消耗水量:VB耗水=1728L,对应作业量洗消面积为1152m2。④人员洗消耗水量:r1为洗消人员在C车洗消人员数量取160人,r2表示在D车洗消人员数量,取162人,则V人水=3336L,对应作业量洗消面积为2224m2。⑤装具洗消耗水量。设备以擦拭消毒为主,需计算面具消耗水量,洗消单元预置1个水囊(1000L)。按10个/组放入10L的洗消剂桶进行搅拌,反应5分钟之后,用两个10L的清水桶进行洗消,因此,
Figure BDA0002019569500000131
其中N=322,对应作业量洗消面积为644m2。⑥消作业过程中需要补充水量。除去各型洗消车固有车载水量,B车需要补充拉水V总补水=15580L,对应作业量洗消面积10386m2
2、作业量关系分析。详细情况见表16。
表16
Figure BDA0002019569500000132
3、消单元间非作业量相互关系分析。具体分析情况见表17和表18。
表17
Figure BDA0002019569500000141
表18
Figure BDA0002019569500000142
4、洗消单元综合相互关系分析。根据综合关系公式进行计算,分析得出洗消单元之间综合关系接近程度(见表19)。
表19
Figure BDA0002019569500000143
Figure BDA0002019569500000151
步骤三:构建洗消单元基本布局模型
按照前述发明内容确定的相关目标函数,确定相关参数。具体如下:洗消站总长H=300米,总宽K=250米,固定洗消单元数n=4(洗消单元1、27、28、29),非固定洗消单元m=25,流转成本cij=0.5分/m2·m,车辆洗消线内洗消单元之间最小距离为15米,人员洗消线内洗消单元之间最小距离为10米,装具洗消线内洗消单元最小距离为10米,Hoj=Koj=5米,βi=45°,车辆洗消单元与人员洗消单元之间最小距离为20米。根据专家意见,ω1=0.5,ω2=0.3,ω3=0.2。
步骤四:遗传算法求解洗消站布局初步架构
1、确定编码机制。根据前述内容规则执行。
2、参数设置。遗传算法中具体参数设置如下:初始种群数量为200个,交叉概率Hc=0.7,变异概率Hm=0.01,最大世代数max_gen=100。
3、输入信息。根据步骤三中的参数信息,将其输入相关编码程序。
4、初始化。随机生成500个非固定洗消单元的基因,按照约束条件进行判断,产生出200个可行染色体,形成初始种群。
5、选择操作。按照轮盘赌选择法,按照公式(11)计算种群上每个个体的适应度值Qi,根据一定概率进行选择遗传产生下一代。
6、交叉操作。对种群中的200个个体采用随机配对组成100对个体组,根据交叉概率0.7和约束条件,按表8、表9和表10进行交叉操作产生新的个体。
7、变异操作。根据变异概率0.01和约束条件,按表11和表12进行变异操作,生成新的个体。
8、检查终止条件。根据前述的基本思想用Matlab7.8软件进行程序实现,得到遗传算法收敛曲线图,如图5所示。
遗传算法运行接近45代时适应度函数曲线逐渐趋于收敛,可认为己经达到近似最优解。此时,得到的最好的染色体为
Figure BDA0002019569500000161
与之所对应的功能区中心点的坐标分别为:
Figure DA00020195695041075912
根据洗消单元坐标和面积,绘制洗消站布局初步方案如图6所示。
步骤五:Flexsim仿真优化布局方案
1、建立模型。
(1)模型元素。洗消站洗消单元的模型元素和系统元素的对应关系如表20所示。
表20
Figure BDA0002019569500000162
Figure BDA0002019569500000171
(2)洗消站仿真过程剖析。重点区分车辆洗消、人员(含装具)洗消和补充运输用水三大部分进行模型设计,简要思路:①人员洗消是由脱防护服、堆放装具等“脱”的过程到穿衣服、领取装具等“穿”的过程,可以理解为将一个托盘携带多种不同产品首先经过打包好后,再通过分解器逐个拆包,对每一种产品进行加工处理,托盘单独加工的过程。②车辆洗消重点是仿真消耗水量过程,针对9类车辆各个洗消作业环节时间和消耗水量不同,采取调用全局表的方式,利用合成器对托盘进行打包,表示洗消剂(水)消耗过程。③补充运输用水则可以用叉车搬运一定数量临时实体来表示,默认洗消车的初始状态都是装满水的,将对应暂存区(储水罐)设置洗消车最大容量,在触发器模块中编程设置“离开触发”“进入触发”“消息触发”,以控制暂存区(储水罐)输入输出端口,进而控制拉水洗消车送水。例如当暂存区模块消耗为0时,打开输入端口,关闭输出端口,之后拉水洗消车送水,当水量为H时,发送一个延时T分钟消息(洗消剂准备时间),打开输出端口,关闭输入端口。
(3)建立模型。根据人员、车辆、装具洗消过程,结合洗消站布局方案,将Flexsim软件的各实体在建模环境内连接起来,建立方案仿真模型。
2、洗消单元仿真数据设置。
(1)基本参数设置。①计量时间以分钟为单位,距离以米为单位进行仿真。②计量水体积以升为单位,1个蓝色BOX临时实体表示12升水(或洗消剂)。③拉水B车车速平均为600米/分,设置为60。④洗消人员合成器设置,按照平均每人消耗12升水量计算,需要合成1个蓝色BOX临时实体。
(2)作业参数设置。主要将各种车辆在消毒的作业时间和消耗用水,按照仿真基本参数设置进行转换计算,具体见表21。
表21
Figure BDA0002019569500000181
3、运行模型并分析结果。模型仿真过程中未发现元素之间存在交叉碰撞现象,初步方案能顺利完成洗消作业,但是4号、6号、9号、17号、19号洗消单元洗消单元存在比较明显的拥堵情况,仿真模型运行中,可以看到4号洗消单元与5号洗消单元处于平行位置,不利于车辆装备行驶调整;6号洗消单元与7号洗消单元衔接不够顺畅;9号洗消单元需要增加面积,提高存放设备数量;19号和17号洗消单元之间存在检查不合格对象退回再次洗消时间较长的问题。需要针对解决拥堵问题对洗消站布局进行修改调整。运行结果部分情况见表22。
表22
Figure BDA0002019569500000182
4、修改优化后方案进行对比。
(1)按照分析初步方案修改建议,对布局进行调整,得到改进布局方案,如图7所示。
(2)重新建立Flexsim仿真模型,并得到新的仿真运行结果,见表23。
表23
Figure BDA0002019569500000191
对比两个运行报告结果,显然修改后的方案洗消整体时间有大幅度缩减,拥堵情况也有所改善,但是不能完全解决,这个与洗消装备自身作业效能有直接关系,因此开设洗消站时应加强现场指挥控制,在做好洗消对象编组基础上,在车辆洗消剂洗消、人员淋浴等环节增设排队调整点位,避免发生拥堵现象。

Claims (1)

1.一种基于改进的SLP和遗传算法的洗消站装备设施布局方法,其特征在于:包括如下步骤:
步骤一:确定洗消站组成要素、作业流程、洗消单元;
步骤二:分析洗消单元之间相互接近程度关系;
步骤三:构建洗消单元基本布局模型;
步骤四:遗传算法求解洗消站布局初步架构;
步骤五:Flexsim仿真优化布局初步方案;
其中,步骤一:确定洗消站组成要素、作业流程、洗消单元,洗消对象为人员、车辆、装备、精密仪器、服装;具体如下:
1)、确定洗消站基本组成要素,针对洗消任务需要,根据上级指示,明确洗消站组成要素,开设人员洗消线、车辆装备洗消线、装具洗消线;
2)、划分洗消单元,洗消单元是指把洗消站内功能相关的装备、设施进行分类,划分出独立的洗消作业区域,构成洗消作业的基本单元,根据作业流程内容,将洗消站划分为N个洗消单元{F1,F2,…,FN},每个洗消单元作业面积需求为{M1,M2,…,MN},其中Mi=li·wi,i=1,2,…,N;li、wi分别为洗消单元长和宽,若洗消单元数为N,则洗消单元对数为:
Figure FDA0004101686090000011
洗消单元具备以下条件:①洗消单元装备及设施布局均为矩形,且装备摆放位置为最适合洗消操作位置;②风向确定,为避免二次交叉污染,每个洗消单元出口方向应处于迎风方向;
3)、分析洗消作业流程,针对不同的洗消对象,分析每类对象的具体洗消作业流程和操作步骤,见表1,
表1
Figure FDA0004101686090000012
步骤二:分析洗消单元之间相互接近程度关系,具体如下:
1)、计算洗消作业量,洗消作业量以下简称“作业量”是指洗消对象、洗消剂从一个洗消单元流入另一洗消单元,产生的作业物流量,体现洗消物资的流转过程,由于洗消对象与消耗物资之间很难通过质量或数量进行直观比较,研究发现洗消物资消耗与洗消对象表面积密切相关,因此,把人员、车辆、装具洗消对象的作业量都转化为表面积进行衡量,便于横向比较作业量强度;
(1)洗消对象表面计算,①车辆装备按照长方体计算,不包含车辆装备底盘部分:
Figure FDA0004101686090000021
式中ki为每种车辆的数量,ai为每种车辆的长,bi为每种车辆的宽,hi为每种车辆的高,n为车辆种类;②人员表面选用采用Stevenson公式计算:S=0.0061×身高+0.0128×体重-0.1529,身高单位cm,体重单位kg;③其他不规则装具以近似矩形、椭圆形方式进行表面积计算;
(2)消耗水量表面积计算,为保证洗消彻底,染毒对象洗消过程中受到的喷洒面积必然大于染毒面积,消耗标准为1.5L/m2;①车辆预先洗消对车轮沾染土块进行刷洗,底盘部分采取行驶通过洗消水沟方式组织清洗,设置C个30L洗消剂桶,B个1000L水囊,利用刷子沾取洗消剂清理土块,平均每辆车洗刷车轮消耗液体TL;②使用龙门式洗消装备对车辆装备进行洗消时,消耗水量计算公式:
Figure FDA0004101686090000022
式中k为洗消作业损耗系数,c为固定洗消门架喷头数量,p为每个喷头出水量L/min,b为喷枪数量,q为每把喷头出水量L/min,v为平均车速m/min,n为车辆种类,ki为每种车辆的数量;③使用非龙门式洗消装备对车辆装备进行洗消时,消耗水量计算公式:
Figure FDA0004101686090000023
式中b为喷枪数量,q为每把喷枪出水量L/min,ti为补消每种车辆的作业时间min,ki为每种车辆的数量;④人员洗消耗水量:
Figure FDA0004101686090000024
式中pi为i型人员洗消车喷头出水量L/min;ei为喷头数量;ti为淋浴时间min;ri为洗消人员数量;n为人员洗消车种类,σi为每种人员洗消车的数量;⑤装具洗消对象消耗水量计算以作业流程中,操作消耗标准为计算依据;⑥洗消作业过程中补充水量,通过计算所有洗消对象总体消耗水量,除去各型人员、车辆洗消车固有车载水量,即为需要拉水补充水量;
2)、作业量关系分析,将洗消单元之间洗消作业量强度状况划分为特高、很高、较高、一般和可忽略五个等级,用符号A、E、I、O、U来表示,其作业量范围依据实际作业按照等级比例来划分,A级:A1-A2,E级:E1-E2,I级:I1-I2,O级:O1-O2,U级:0,分数取A=4,E=3,I=2,O=1,U=0,统计得到作业量强度分析表2,
表2
Figure FDA0004101686090000031
3)、非作业量关系分析,洗消单元对之间的相互接近程度除了需要分析作业量因素,还要分析非作业量因素的影响,为防止污染物扩散、二次交叉污染问题,必须严格作业程序和配置方位,重点关注6个方面因素:①使用相同装备设施或场地;②污染物相对集中安全存放;③相互之间容易产生干扰;④洗消单元之间距离,是车辆转弯半径、尺寸、调整距离限制因素;⑤方便洗消操作和指挥管理;⑥保持洗消作业流程连续性,非作业量相互关系等级可以划分为A、E、I、O、U、X六个等级,分别对应的分值为4、3、2、1、0、-1,每个等级的含义及其比为表3所示,非作业量关系密切等级重点考虑前四项因素,通过分析划分非作业量等级见表4,得到非作业量关系强度汇总表见表5,
表3
Figure FDA0004101686090000032
表4
Figure FDA0004101686090000033
表5
Figure FDA0004101686090000034
4)、综合关系密切程度,权重值是计算作业量g与非作业量f相互关系重要程度的关键因子,权重取值范围为(1:3~3:1),显然洗消站作业过程中作业量关系起主导作用,因此取权重值g:f=2:1,计算洗消单元之间综合关系公式:JPij=gGPij+fFPij,JPij式中表示洗消单元i与洗消单元j之间的综合关系分值,GPij和FPij分别表示洗消单元之间的作业量与非作业量分值,具体结果如表6所示,
表6
Figure FDA0004101686090000041
步骤三:构建洗消单元基本布局模型,具体如下:
1)、建立目标模型
(1)相关要求
①每两个作业单元之间其洗消对象流转路径应与洗消站的长度和宽度相平行,则洗消对象流转路径的距离可以表示为:dij=|xi-xj|+|yi-yj|;②针对车辆装备洗消作业特点,应减少车辆装备转弯次数,转弯角度应大;③每个洗消单元出口方向应处于迎风方向,其出口与风向夹角应小,因此洗消单元出口方向只可能有两个方向,延X轴方向或延Y轴方向,为描述洗消单元布局方式,设定一个0-1变量Pi用以表示第i个洗消单元的出口方向:
Figure FDA0004101686090000042
另,入口方向与出口方向相对应;
(2)目标函数
以洗消单元之间洗消对象流转成本最小Z1、综合关系最大Z2和风向夹角为最小Z3为目标,建立布局优化模型,如下所示:
Figure FDA0004101686090000043
Figure FDA0004101686090000044
Figure FDA0004101686090000045
其中,i和j为洗消单元的编号,且i≠j,将多目标转化为单目标,考虑到(1)、(2)、(3)的量纲不同,故加入归一化因子μ1、μ2、μ3对其统一量纲,同时,由于具体洗消对象和洗消线作业流程不同,三个目标函数所占的比重也会有所差别,因而分别给赋以权值ω1、ω2、ω3由此可得到单一目标函数表达式:
Figure FDA0004101686090000046
其中:
Figure FDA0004101686090000051
ω1为洗消作业量流转成本项的仅值,ω2为洗消单元之间综合相互关系项的权值,ω3为洗消单元出口与风向夹角项的权值,且ω123=1,权值ω1、ω2、ω3均通过专家打分获得;
式中:N为洗消单元总数;cij为洗消单元i到j的单位距离的流转成本,为常数,分/m2·m;qij为洗消单元i到j之间的作业量;dij为表示在洗消站布局中洗消单元i到j之间的距离,dmax为存在作业关系的两个洗消单元之间最大距离;Tij为洗消单元i到洗消单元j之间的综合相互关系值;bij为洗消单元i到洗消单元j之间的邻接度,由dij和dmax计算转化得到,具体见表7,θij为洗消单元i和洗消单元j中心点连线与X轴夹角;βi为洗消单元i出口方向与风向夹角,
表7
Figure FDA0004101686090000052
(3)约束条件:
①洗消单元面积之和不能超出洗消站规划总面积S,
Figure FDA0004101686090000053
②洗消单元布局范围不能超过洗消站最大范围,H为洗消站总长,K为洗消站,Hoj代表洗消单元j在X轴方向与边缘的最小间距,Koj代表洗消单元j在Y轴方向与边缘的最小间距,
Figure FDA0004101686090000061
Figure FDA0004101686090000062
③洗消单元均不能重叠放置,dxji为洗消单元j和i在X方向的最小间距,dyji为洗消单元j和i在Y方向的最小间距,
Figure FDA0004101686090000063
Figure FDA0004101686090000064
④为保证车辆洗消线与人员洗消线作业流畅避免交叉干扰,车辆洗消线内紧邻两个洗消单元F车i(x车i,y车i)和F车i+1(x车i+1,y车i+1)连接线,与人员洗消线内紧邻两个洗消单元F人i(x人i,y人i)和F人i+1(x人i+1,y人i+1)连接线在min(x车i,x车i+1,x人i,x人i+1)≤x≤max(x车i,x车i+1,x人i,x人i+1)范围不存在交点,即
Figure FDA0004101686090000065
其中:
Figure FDA0004101686090000066
2)、适应度函数,由于洗消站布局中所处理的是目标函数最小化问题,因此采用倒数变换法来确定适应度函数,定义适应度函数为:
Figure FDA0004101686090000067
步骤四:遗传算法求解洗消站布局初步架构,具体如下:
1)、确定编码机制,采用符号编码和二进制编码相结合的方法来作为染色体的编码机制,每个染色体表示一种洗消站布局方案,将染色体分为两段,前半段表示洗消单元的布局顺序,采用连续自然数{1,2,…,N}来表示各洗消单元的对应编号,同时区分车辆装备、人员、装具洗消线,对洗消单元进行相对划分,后半段表示洗消单元方向,采用二进制编码来表示,染色体的表现形式为Rj={F1,F2,…,FN|P1,P2,…,PN},其中FN表示N个洗消单元的编号,PN表示N个洗消单元的出口方向,另外洗消单元布局方法按照从左下角起,横向从左至右,从下层到上层的顺序进行排列,如果同时放置空间不足时,将自动选择下一行排列;
2)、设置参数,设置进化环境种群大小D,交叉概率Hc、变异概率Hm、最大世代数max—gen;
3)、输入信息,输入洗消站总体区域面积S,各洗消单元面积Mi,固定洗消单元数量n,非固定洗消单元数量m,洗消单元之间综合相互关系值Tij,洗消单元i到j的单位距离的流转成本cij,洗消单元i到j之间的作业量qij以及终止条件基本信息;
4)、初始化,随机生成m个非固定洗消单元的基因,判断是否满足约束条件,若满足则保留,并与固定洗消单元的基因一起构成一组染色体,若不满足则再重新随机产生,如此反复,直到最后产生出D个可行染色体,形成初始种群;
5)、选择操作,采用轮盘赌选择法,计算种群上每个个体的适应度值Qi,根据一定概率进行选择遗传产生下一代,个体i被选中概率计算公式如下:
Figure FDA0004101686090000071
6)、交叉操作,对种群中的D个个体采用随机配对组成[D/2]对个体组,交叉概率Hc和约束条件选择出适合的染色体,进行交叉操作生成新的个体,
(1)二进制编码交叉操作,随机选取单点i交叉位置,将交叉点后面的基因相互对换,(2)符号编码交叉操作,采用双点交叉替换方式,首先随机选择两个交叉点对其区域内各基因值进行替换,其次再按照交叉区域内产生的基因值映射关系,将交叉区域外各基因值进行替换,7)、变异操作,根据变异概率Hm和约束条件选择出适合的染色体,进行变异操作生成新的个体,
(1)二进制编码变异操作,随机选取两个基因位,对选定的基因位上的基因值做取反运算,
(2)符号编码变异操作,随机选取两个基因位,对其基因值进行对换操作,
8)、检查终止条件,通过软件编程算法,观察目标函数的收敛曲线的收敛情况,从而来判断进化过程是否可以停止,若目标函数的收敛曲线已达到收敛,则可结束遗传算法的搜索工作,输出种群中适应度最优的染色体作为问题的满意解或最优解,否则需要重新设定遗传演化的世代数,转入设置参数步骤继续进行搜索,最终输出种群中适应度最优的染色体,得到每个洗消单元坐标值,并绘制出洗消站初步方案布局图;
步骤五:Flexsim仿真优化布局初步方案,具体如下:
1)、建立模型,剖析洗消仿真过程,建立洗消站内系统元素与仿真模型元素对应关系,明确仿真模型元素功能,并将其在建模环境中连接起来形成洗消站整体仿真模型;
2)、洗消单元仿真数据设置,
(1)基本参数设置,明确仿真计量时间、距离、水量单位,统一设置对人员、车辆行驶速度常规数据;
(2)作业参数设置,根据实际洗消作业数据,对照仿真基本参数进行转换计算,并将其依次录入对应仿真模型元素参数栏内;
3)、运行分析仿真结果,根据仿真模型输出报告,分析拥堵洗消单元环节,提出针对性布局改进措施;
4)、改进优化方案与初步方案进行对比,建立改进优化方案Flexsim仿真模型,输出仿真运行结果,与初步方案运行结果进行分析比较。
CN201910274587.8A 2019-04-08 2019-04-08 一种基于改进的slp和遗传算法的洗消站装备设施布局方法 Active CN109992899B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910274587.8A CN109992899B (zh) 2019-04-08 2019-04-08 一种基于改进的slp和遗传算法的洗消站装备设施布局方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910274587.8A CN109992899B (zh) 2019-04-08 2019-04-08 一种基于改进的slp和遗传算法的洗消站装备设施布局方法

Publications (2)

Publication Number Publication Date
CN109992899A CN109992899A (zh) 2019-07-09
CN109992899B true CN109992899B (zh) 2023-04-14

Family

ID=67132392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910274587.8A Active CN109992899B (zh) 2019-04-08 2019-04-08 一种基于改进的slp和遗传算法的洗消站装备设施布局方法

Country Status (1)

Country Link
CN (1) CN109992899B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112035922B (zh) * 2020-08-25 2021-08-20 中船文化科技(北京)有限公司 智能方舱布局规划系统、方法、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101436345A (zh) * 2008-12-19 2009-05-20 天津市市政工程设计研究院 基于TransCAD宏观仿真平台的港区道路交通需求预测系统
CN106875071A (zh) * 2017-03-31 2017-06-20 华南理工大学 一种自适应遗传算法的车间设备多目标优化布局方法
WO2018090778A1 (zh) * 2016-11-17 2018-05-24 北京京东尚科信息技术有限公司 用于利用遗传算法对配送路线进行优化的方法和系统
CN108717614A (zh) * 2018-05-16 2018-10-30 吉林大学 一种物流园区功能区分阶段布局方法
CN109102107A (zh) * 2018-07-09 2018-12-28 华中科技大学 一种基于物流仿真的多行车间设备布局方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101436345A (zh) * 2008-12-19 2009-05-20 天津市市政工程设计研究院 基于TransCAD宏观仿真平台的港区道路交通需求预测系统
WO2018090778A1 (zh) * 2016-11-17 2018-05-24 北京京东尚科信息技术有限公司 用于利用遗传算法对配送路线进行优化的方法和系统
CN106875071A (zh) * 2017-03-31 2017-06-20 华南理工大学 一种自适应遗传算法的车间设备多目标优化布局方法
CN108717614A (zh) * 2018-05-16 2018-10-30 吉林大学 一种物流园区功能区分阶段布局方法
CN109102107A (zh) * 2018-07-09 2018-12-28 华中科技大学 一种基于物流仿真的多行车间设备布局方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Research on SLP-based Equipment Layout Method of Decontaminating Station;Hu Zicheng 等;《2018 6th International Conference on Machinery,Materials and Computing Technology(ICMMCT 2018)》;20181231;第52卷;第330-338页 *
基于Flexsim的设施布置方法的改进研究;杨晓英 等;《物流科技》;20090710(第7期);第86-88页 *
基于SLP和Flexsim的车间设施布置改善设计;周鑫;《机械制造与自动化》;20100620(第03期);第42-46,97页 *
基于SLP法和Flexsim仿真的机加工车间设施布置优化研究;张惠 等;《现代制造工程》;20160518(第5期);第63-68页 *

Also Published As

Publication number Publication date
CN109992899A (zh) 2019-07-09

Similar Documents

Publication Publication Date Title
Tirkolaee et al. Designing a sustainable closed-loop supply chain network of face masks during the COVID-19 pandemic: Pareto-based algorithms
Tian et al. Dual-objective scheduling of rescue vehicles to distinguish forest fires via differential evolution and particle swarm optimization combined algorithm
Kato et al. New scales for evaluating ventilation efficiency as affected by supply and exhaust openings based on spatial distribution of contaminant.
Van Camp et al. A nonlinear optimization approach for solving facility layout problems
Zacharia et al. A population-based algorithm for the bi-objective assembly line worker assignment and balancing problem
WO2016169286A1 (zh) 一种离散制造系统的车间布局方法
CN110197303B (zh) 一种适应火灾动态变化的消防员救援调度方法
Prakotpol et al. GAPinch: genetic algorithm toolbox for water pinch technology
Grobelny et al. A novel version of simulated annealing based on linguistic patterns for solving facility layout problems
CN109992899B (zh) 一种基于改进的slp和遗传算法的洗消站装备设施布局方法
CN108229741B (zh) 一种基于空地协同医疗救援的设施点预选址方法
Nakhjirkan et al. An integrated multi-echelon supply chain network design considering stochastic demand: A genetic algorithm based solution
Li et al. Optimum design of ship cabin equipment layout based on SLP method and genetic algorithm
Molina-Serrano et al. Analysis of the port sustainability parameters through Bayesian networks
Lim et al. Influence of chemical reactions and turbulent diffusion on the formation of local pollutant concentration distributions
Liu et al. Sustainability assessment of coupled human and natural systems from the perspective of the supply and demand of ecosystem services
Vongbunyong et al. Simulation of autonomous mobile robot system for food delivery in In-patient ward with unity
Ji et al. A robust optimization approach for decontamination planning of emergency planning zone: Facility location and assignment plan
Shan et al. Trends in spatial forest planning
Tanyimboh et al. Design optimization of water distribution networks: real-world case study with penalty-free multi-objective genetic algorithm using pressure-driven simulation
Ghodsi et al. Hub covering location problem under capacity constraints
Zheng et al. An integrated method of automated layout design and optimization for modular construction
Obolewicz et al. The knowledge map as a management tool for the perception of occupational health and safety for construction facul tiles students.
Yu et al. Reinforcement learning-based differential evolution algorithm for constrained multi-objective optimization problems
Serrano et al. Looking for an efficient port planning: analysis of Spanish Port System through artificial intelligence

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
GR01 Patent grant
GR01 Patent grant