CN110175405A - 车辆装载优化方法及系统 - Google Patents
车辆装载优化方法及系统 Download PDFInfo
- Publication number
- CN110175405A CN110175405A CN201910448219.0A CN201910448219A CN110175405A CN 110175405 A CN110175405 A CN 110175405A CN 201910448219 A CN201910448219 A CN 201910448219A CN 110175405 A CN110175405 A CN 110175405A
- Authority
- CN
- China
- Prior art keywords
- loading
- list
- cargo
- block
- container
- 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.)
- Granted
Links
- 238000011068 loading method Methods 0.000 title claims abstract description 314
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 230000005484 gravity Effects 0.000 claims description 44
- 238000012856 packing Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 11
- 238000001816 cooling Methods 0.000 claims description 10
- 238000002922 simulated annealing Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 8
- 238000012806 monitoring device Methods 0.000 claims description 6
- 239000002184 metal Substances 0.000 claims description 4
- 238000000137 annealing Methods 0.000 claims description 3
- 239000007769 metal material Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000002156 mixing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000854350 Enicospilus group Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Stacking Of Articles And Auxiliary Devices (AREA)
Abstract
本发明公开了车辆装载优化方法及系统，涉及车辆装载布局优化技术领域。一种车辆装载优化方法，包括如下步骤：获取待装载货箱信息，生成装载方案，并将装载方案对应着待配载车厢显示输出，输出内容包括任意货箱的身份信息和放置位置信息；货箱装入车厢时，采集车厢内所放置货箱的身份信息和位置信息，与前述装载方案中的信息进行比对后，判定二者是否一致；在判定不一致时，输出提示信息。本发明能够基于车辆装载计划对实际装载过程进行提醒，提高装载效率，使得车辆装载计划更贴近实际运作。
Description
技术领域
本发明涉及车辆装载布局优化技术领域。
背景技术
三维集装箱装载布局优化方法指的是在一定约束条件下，将一批货物按照适当的装载方法装入集装箱中，以使得集装箱的容积利用率或装载质量利用率最大，从而实现对集装箱进行合理有效使用的方法。常用的，比如基于遗传算法的三维集装箱装载布局优化方法、基于蚁群算法的三维集装箱装载布局优化方法和基于启发式算法的三维集装箱装载布局优化方法等。
一方面，经过三维集装箱装载布局优化后，生成的车辆装载计划会被告知给装载人员，装载人员根据前述车辆装载计划对货物进行装载。在装载过程中，装载人员需要核对车辆装载计划以确定在车厢中的放置位置，降低了装载操作的效率。
另一方面，由于车辆装载计划中对车厢重心和货箱堆叠规则考虑不足，车辆装载计划的准确率较低(由于货箱堆叠规则和车厢重心限制往往不能按照车辆装载计划进行货物堆载)，使得车辆装载计划与实际装载运作有较大出入。作为举例，以货箱堆载规则为例，在实际车辆运输中，需要运输的对象通常被包装在指定的长方体容器内，而包装容器之间堆叠有类型和尺寸的限定，通常包含以下四种限定规则：a)不允许堆叠：是指容器上面不允许再堆叠其他任何容器。b)仅允许同类型同尺寸堆叠：是指容器上面仅仅允许堆叠同种类型容器，且上下堆叠的容器底部的长宽分别相同，如专用的专用料架，这种包装容器支架上有凸凹槽，与底部对接，能加固成一体。c)允许同类型同尺寸/底面尺寸小的堆叠：是指容器上面仅仅允许堆叠同种类型容器，但是要求能完全支撑上面容器的底部面积。如纸箱，上面可以堆叠纸箱，但不能堆叠其他类型的容器。d)允许不同类型，同尺寸/底面尺寸小的堆叠，如木箱或带盖的塑料箱，在满足单箱承重条件下，允许上面堆放同类或其他类如纸箱，但要求下面容器能完成支撑上面容器的底部面积。除了以上四种限定规则之外，包装容器之间堆叠时还需要考虑单箱承重。单箱承重是将容器堆叠在一个容器之上时，需要考虑上面堆叠的容器重量之和不能超过下面容器的最大承受重量。否则将会出现因为无法承重而造成货物损坏情况发生，降低合格率，影响后续生产。不同容器之间堆叠限定就形成了复杂的堆叠规则，而上述堆载规则在车辆装载计划中难以被体现，导致实际装载操作难以符合车辆装载计划。
如何基于运输企业日常运作的实际需求，提出一种能够提高实际装载效率，并贴合实际装载需求的车辆装载方法，是亟待解决的问题。
发明内容
本发明的目的在于：克服现有技术的不足，提供了一种车辆装载优化方法及系统，本发明在车辆装载时，能够生成车辆装载计划并基于车辆装载计划对实际装载过程进行提醒，在不符合车辆装载计划时输出提示信息，提高装载效率；进一步，将堆叠规则和重心限制作为装载问题的约束条件进行处理，使得车辆装载计划更贴近实际运作。
为实现上述目标，本发明提供了如下技术方案：
一种车辆装载优化方法，包括如下步骤：获取待装载货箱信息，生成装载方案，并将装载方案对应着待配载车厢显示输出，输出内容包括任意货箱的身份信息和放置位置信息；货箱装入车厢时，采集车厢内所放置货箱的身份信息和位置信息，与前述装载方案中的信息进行比对后，判定二者是否一致；在判定不一致时，输出提示信息。
进一步，获取待装载货箱信息，生成装载方案的步骤包括，
构造装载块，采集输入的待装载货箱信息和组堆规则信息，对待装载货箱进行组堆，将一个或多个待装载货箱构造为装载块，所述装载块之间在高度上不能相互叠放；
生成可行装载方案，以装载块的装载顺序作为编码方式，按照装载块的底面积从大到小的顺序，将装载块在满足预设约束条件下按所述顺序装入车厢，生成初始装载方案，所述初始装载方案对应有装载序列，计算初始装载方案对应的装载率F；
优化装载方案，通过模拟退火过程随机调整装载块产生新的装载序列，不同装载序列对应不同的装载率F，通过比较装载率选择最优的装载方案。
进一步，构造装载块的步骤包括，
步骤101，对货箱进行分类，将货箱划分为不需要组托盘的待装货物和需要组托盘的待装货物；
步骤102，将不需要组托盘的待装货物，按照底面积从大到小顺序排序，生成待装货物列表I_list；初始化iI＝1，iB＝1；
步骤103：将待装货物列表I_list中的第iI个货物放置于装载块iB中，并令I_list＝I_list\{iI}；
步骤104：选择I_list中满足堆叠约束、单箱承重约束和货物与车厢不相嵌约束条件的可堆叠于装载块iB的多个货物，并从中选取底面积最大的货物jI；
步骤105：若存在jI，则jI放置于装载块iB目前已存在货物的上一层，并令I_list＝I_list\{jI}，返回步骤104；若不存在jI，则进入步骤106；
步骤106：判断I_list是否为空，若是，则进入步骤107；若不是，设置iB＝iB+1，返回步骤103；
步骤107：将需要托盘包装的待装货物，生成待装货物列表I_list；
步骤108：设置待装对象列表I_list中的所有货物的堆高为1，将托盘作为堆高为1的单个容器，求解堆高为1的单个容器的装载方案，获取所有可能的装载方案，作为层的装载方案；
步骤109：根据每一层不同方案，将剩余的货物设置堆高为1，将托盘作为堆高为1的单个容器，求解堆高为1的单个容器的装载方案，获取所有可能的装载方案，作为上一层的装载方案；不同层的堆叠产生一棵树；
步骤110：计算树的所有叶子结点对应的货物体积之和，选择货物体积之和最大的叶子节点，生成一个托盘的装载方案，并将装入托盘货物从待装货物列表I_list中删除，将托盘放置于装载块iB中；
步骤111：判断I_list是否为空，若是则输出结果；若不是，设置iB＝iB+1，返回步骤108，直至将需要托盘包装的货物全部装入对应的托盘中，并达到托盘数最少。
进一步，生成可行装载方案的步骤包括，
步骤201，获取装载块序列B_list信息，以及货物与装载块的对应关系；设置令iB＝1，可装载点为坐标原点(0，0)；
步骤202，选择B_list中第iB个装载块，如果放入第iB个装载块后能够满足车辆承重约束，则进入步骤203，否则进入步骤205；
步骤203，获得当前格局下的可装载点列表EP；计算B_list中第iB个装载块对EP中各可装载点的可装载度值；判定第iB个装载块对EP中各可装载点的可装载度值均小于0时，进入步骤205；否则，选择可装载点列表EP中可装载度值最大的可装载点和其对应的装载方向作为第iB个装载块的装载位置和装载方向，进入步骤204；
步骤204，按照当前装入装载块，得到一个新的格局；
步骤205，设置iB＝iB+1，判定iB≤length(B_list)时，返回步骤202，否则进入步骤206；
步骤206，计算当前装载格局下的车厢重心，如果车厢重心满足约束，则进入步骤207，否则，将当前格局下的车厢重心调整到规定的重心范围内，并生成一个新的可行装载方案，然后用新的可行装载方案替代当前方案后进入步骤207；
步骤207：输出更新后的可行装载方案，包括任意货物i∈I的放置位置的x轴坐标xi，y轴坐标yi，z轴坐标zi，以及是否装载在车上αi；并计算对应的装载率f(B_list)＝∑i∈ IViαi/CV，其中，货物i的体积为Vi，αi为0-1变量，αi＝1表示货物i装入车辆，αi＝0表示货物i未装入车辆，CV为车厢的体积。
进一步，调整不满足重心约束的装载方案的车厢重心的步骤包括，
步骤2061，采集当前装载方案P中任意货物的装载信息，包括放置位置信息和是否装载在车上，以及采集重心约束条件限制的重心范围信息和剩余装载块列表Bs_list；
步骤2062，对于当前装载方案P，将已装入装载块按质量从大到小排序生成货物序列Bm_list，设置i＝1，j＝1，P0＝P；
步骤2063，判定i≤length(Bm-list)时，进入步骤2064，否则进入步骤2067；
步骤2064，将Bm-list中第i个装载块从P中取出，得到新的装载方案P′，令P＝P′后，重新计算重心位置；判定新的重心位置符合x轴和y轴要求范围时，进入步骤2065，否则设置i＝i+1，返回步骤2063。
步骤2065，判定j≤length(Bs-list)时，进入步骤2066，否则进入步骤2068。
步骤2066，将Bs-list中第j装载块装入P，判定可装入且同时满足重心约束时，生成新的装载方案P′，并令P＝P′，j＝j+1，返回步骤2065，否则令j＝j+1，返回步骤2065；
步骤2067，将P0的装载块以最短距离方向移动到要求的重心范围内，并将不能完全装载的装载块从方案中去除；然后令P＝P0，进入步骤2068；
步骤2068，计算装载方案P的重心位置，判定符合z轴要求范围时，进入步骤2061，否则从已装装载块中去除最高位置的装载块，之后生成新的装载方案P′，令P＝P′，返回执行步骤2068；
步骤2069，输出装载方案P，即为满足重心约束的装载方案。
进一步，调整装载序列以优化装载方案的步骤包括，
步骤301，设置初始温度Ts，冷却速率R，其中0＜R＜1，最大迭代次数L，终止温度Te，Ts＞Te；令温度t＝Ts，
步骤302：基于前述构造装载块的步骤生成装载块集合B；
步骤303：根据B随机生成装载块的一个排序即装载序列B_list；
步骤304：基于前述生成装载方案的步骤，计算适应度值F＝f(B_list)，f(B_list)为装载序列B_list对应的装载率；
步骤305：设置k＝1，其中k表示迭代次数；
步骤306：随机扰动产生新的装载序列B’_list，计算对应的适应度值F’＝f(B’_list)，f(B’_list)为装载序列B’_list对应的装载率；
步骤307：判断适应度值是否改进，若F’＞F，则接受新的装载序列B_list＝B'_list；否则按照Metropolis概率准则接受新的装载序列；令k＝k+1；
步骤308：判断是否k＞L，若是则执行步骤309；否则回到步骤306；
步骤309：冷却退火，令t＝t*R；
步骤310：判断是否t＞Te，若是返回步骤305；否则获取当前装载序列B_list对应的装载方案，包括任意货物i∈I的放置位置的x轴坐标xi，y轴坐标yi，z轴坐标zi，是否装载在车上αi，以及对应的装载率f(B_list)＝∑i∈IViαi/CV。
进一步，通过摄像结构采集车厢内所放置货箱的图像信息后，经图像识别获取货箱的身份信息和位置信息，所述身份信息为货箱上的编号和/或型号信息，所述位置信息为货箱在车厢中的坐标位置、货箱与其它货箱的相邻关系和/或货箱相邻货箱的距离信息。
进一步，所述提示信息为语音播报提示、灯光提示、警示音和声光警示中的一种或多种。
本发明还提供了一种实施前述方法的车辆装载优化系统，包括：
待配载车厢，用以装载货箱；
装载方案生成装置，用以获取待装载货箱信息，生成装载方案，并将装载方案对应着待配载车厢显示输出，输出内容包括任意货箱的身份信息和放置位置信息；
监控装置，用以采集车厢内所放置货箱的身份信息和位置信息，与前述装载方案中的信息进行比对后，判定二者是否一致；
提示装置，用以在判定不一致时，输出提示信息。
进一步，所述货箱为金属箱、木箱、纸箱、塑料箱和专用金属料架中的一种或多种。
本发明由于采用以上技术方案，与现有技术相比，作为举例，具有以下的优点和积极效果：能够基于车辆装载计划对实际装载过程进行监控，在不符合车辆装载计划时输出提示信息；进一步，将堆叠规则和重心限制作为装载问题的约束条件进行处理，使得车辆装载计划更贴近实际运作。
附图说明
图1为本发明实施例提供的车辆装载优化方法的流程图。
图2中为本发明实施例提供的货箱叠放示例图，图2a为单箱叠放示例图，图2b为托盘内多箱叠放示例图。
图3为本发明实施例提供的货箱组托盘示例图。
图4为现有技术中的可装载点的示例图，图4a为初始格局下的可装载点示例图，图4b为3个装载块格局下的可装载点示例图。
图5为本发明实施例提供的基于装载块序列的模拟退火方法的框架图。
图6为本发明实施例提供的车辆装载优化系统的结构示意图。
图7为本发明实施例提供的监控装置与提示装置的电路连接图。
图中标号如下：
待配载车厢100；装载方案生成装置200；监控装置300，摄像结构310，控制器320；提示装置400，语音播报装置410。
具体实施方式
以下结合附图和具体实施例对本发明公开的车辆装载优化方法及系统作进一步详细说明。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中，各附图所出现的相同标号代表相同的特征或者部件，可应用于不同实施例中。因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
需说明的是，本说明书所附图中所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定发明可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响发明所能产生的功效及所能达成的目的下，均应落在发明所揭示的技术内容所能涵盖的范围内。本发明的优选实施方式的范围包括另外的实现，其中可以不按所述的或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
本发明中，以朝向车头方向车厢左前角作为坐标原点建立空间笛卡尔直角坐标系，将从车厢的车头到车尾方向作为X轴、将从车厢左边到右边方向为Y轴、将从车厢底部到顶部方向作为Z轴。待装货物的装载位置是以其最靠近坐标原点的角点坐标值来表示，则可行装载方案中各已装入货物的装载位置可用货物的角点坐标值表示。
在空间笛卡尔直角坐标系下，三维装载问题的求解方法所需要的集合、参数、决策变量等技术术语定义如下：
1)集合I＝{1，...，n}：待装载货物的集合，其中包括n个待装载货物。
2)参数设置：
符号Li、Wi、Hi、Qi、Vi、Si依次表示货物i的长度、宽度、高度、重量、体积、承重重量，其中i∈I。
符号CL、CW、CH、CV、CS依次表示车厢的长度、宽度、高度、体积、最大承重能力。
符号Ti、Pi依次表示货物i的包装类型、堆叠规则限制，其中i∈I，Pi∈{1，2，3，4}，Pi＝1表示不允许堆叠，Pi＝2表示仅允许同类型、同尺寸堆叠，Pi＝3表示允许同类型、同尺寸/底面尺寸小的堆叠，Pi＝4表示允许不同类型、同尺寸/底面尺寸小的堆叠。
符号GDLu、GDL1、GDWu、GDW1、GDHu依次表示重心范围显示在车厢长度的上届、车厢长度的下届、车厢宽度的上届、车厢宽度的下届、车厢高度的上届。
3)决策变量：
汽车零部件三维装载问题的数学模型的决策变量，可以分成三类，分别是连续决策变量、0-1决策变量和0-1辅助决策变量。其中连续决策变量是用于刻画装载方案的连续变量；0-1决策变量是用于刻画装载方案的0-1变量；而0-1辅助决策变量是用于保证决策变量所刻画的装载方案为可行方案的变量。决策变量表如下表所示。
4)技术术语定义
a)格局：假设某一时刻，车厢内已放入若干个装载块，还有若干个装载块待放入，这时称为一个格局。车厢内尚未放入任何装载块时，称为初始格局。所有装载块已放入车厢，或车厢外剩余的装载块无法再放入时，称为终止格局。
b)可装载点：可装载点是在当前装载格局下车厢中装载块的可行放置点。举例说明，参见图4a所示，初始可装载点即为原点，坐标为(0，0)，当装入长为1宽为w的装载块后，可装载点更新为(1，0)、(0，w)；再参见图4b所示，在某个装载格局下，装入3个装载块，当4号装载块装入时，新增两个可装载点。
c)可装载度：可装载度表示待装载块与可装载点的匹配程度，用于指导每个装载动作中可装载点的选择。
对任意装载块i放入可装载点j之间的可装载度定义为一个评价函数：
其中，R1，R2，R3，R4为各指标元素权重，当按任意给定方向可装载点j装不下目标待装载块i时，令Wij k＝-1＜0，k∈{1，2，3，4，5}；反之Wij k＞0。
评价函数中各元素计算方法如下：
Wij 1：紧密度指标，表示将装载块放入车厢后新生成的可装载点数量，NE∈{0，1，2}，NE越小，表示箱子与当前空间的紧密度越高。
Wij 2：穴度指标，Bl和Bw表示装入装载块的长和宽，Bd表示装入装载块与车厢边界或相邻装载块最小距离。
Wij 3：封闭空间面积指标，封闭空间是指装箱过程中，由装载块间或装载块与车厢四个边界围成的空白区域，其面积为BA，封闭空间面积越大，说明装载空间浪费越严重。
Wij 4：贴边数指标，Bn表示新装入装载块与已装入装载块或车厢边界相贴的边数，Bn∈{2，3，4}。
对任意装载块i和可装载点j、j′，记Wij大于装载度Wij′，如果(R1Wij 1+R2Wij 2+R3Wij 3+R4Wij 4)＞(R1Wij′ 1+R2Wij′ 2+R3Wij′ 3+R4Wij′ 4)，评价函数通过调整权重系数R1、R2、R3和R4，来改变上述指标——紧密度指标、穴度指标、封闭空间面积指标、贴边数指标——在选择装载块可行放置点的作用(权重值)。
实施例
参见图1所示，提供了一种车辆装载优化方法，包括如下步骤：
S100，获取待装载货箱信息，生成装载方案，并将装载方案对应着待配载车厢显示输出，输出内容包括任意货箱的身份信息和放置位置信息。
S200，货箱装入车厢时，采集车厢内所放置货箱的身份信息和位置信息，与前述装载方案中的信息进行比对后，判定二者是否一致。
S300，在判定不一致时，输出提示信息。
对于所述步骤S100，获取待装载货箱信息生成装载方案的具体步骤如下：
步骤1，构造装载块，采集输入的待装载货箱信息和组堆规则信息，对待装载货箱进行组堆，将一个或多个待装载货箱构造为装载块，所述装载块之间在高度上不能相互叠放。
步骤2，生成可行装载方案，以装载块的装载顺序作为编码方式，按照装载块的底面积从大到小的顺序，将装载块在满足预设约束条件下按所述顺序装入车厢，生成初始装载方案，所述初始装载方案对应有装载序列，计算初始装载方案对应的装载率F。
步骤3，优化装载方案，通过模拟退火过程随机调整装载块产生新的装载序列，不同装载序列对应不同的装载率F，通过比较装载率选择最优的装载方案。
步骤1中，利用建堆法对待装载单箱货物进行组堆，将待装单箱货物构造成为装载块，在建堆过程中增加复杂堆叠规则的限制处理。
参见图2所示，根据包装容器的类型，堆载规则包括以下两方面：
1)单箱叠放要求。参见图2a所示，虽然允许单箱叠放，但是对叠放货物的包装容器的类型和底面积尺寸要求。
对单箱叠放要求的活像，构造装载块的方法是：从底面积从大到小顺序、在满足叠放规则要求下对包装容器进行组层，直到合后的高度最大不超过车厢高度为止，以达到同一包装容器底层构造载块的体积最大。
2)多箱叠放要求。参见图2b所示，允许多箱叠放即每层可以多个箱组成，但是要求必须将这类零部件的包装容器先摆放在托盘上。所述托盘外围还需要长绕膜固定，以防止运输过程出现因挤压、撞击等损害零部件质量问题。同时，对每一层底面积和高度有要求——被堆叠层必须能够完全支撑上一层的底部面积、且最顶层的箱子高度可以不相同而其它层的箱子高必须相同。
对多箱叠放要求的货箱，构造装载块即组托盘，而且要求所使用的托盘数尽量少。
组托盘的方法是利用树搜索，步骤如下：
组合层：一个托盘可以视为多堆叠成，而每的求解方法其实是求解一个堆高为1的单个容器装载方案，并返回所有可能装载方案。其与求解车辆装载方案相似，但是车辆装载方案返回的是最优方案。
建立树：每一层不同装载方案，方案中剩余的货物可再产生上一层满足堆叠规则的装载方案，参见图3所示，不同层的堆叠从而产生组合托盘过程一棵树。
遍历树：计算树的所有叶子结点对应的货物体积之和，选择货物体积最大的叶子节点，生成一个托盘装载方案；
根据以上方法重复处理货物，直至将需要托盘包装的货物全部装入对应的托盘中，并达到托盘数最少，然后将一个托盘视为装载块。
具体实施时，构造装载块的步骤如下：
步骤101，根据货箱信息，对货箱进行分类，将货箱划分为不需要组托盘的待装货物和需要组托盘的待装货物。
步骤102，将不需要组托盘的待装货物，按照底面积从大到小顺序排序，生成待装货物列表I_list；初始化iI＝1，iB＝1。
步骤103：将待装货物列表I-list中的第iI个货物放置于装载块iB中，并令I_list＝I_list\{iI}。
步骤104：选择I_list中满足堆叠约束、单箱承重约束和货物与车厢不相嵌约束条件的可堆叠于装载块iB的多个货物，并从中选取底面积最大的货物jI。
步骤105：若存在jI，则jI放置于装载块iB目前已存在货物的上一层，并令I-list＝I-list\{jI}，返回步骤104；若不存在jI，则进入步骤106。
步骤106：判断I-list是否为空，若是，则进入步骤107；若不是，设置iB＝iB+1，返回步骤103。
步骤107：将需要托盘包装的待装货物，生成待装货物列表I-list。
步骤108：设置待装对象列表I-list中的所有货物的堆高为1，将托盘作为堆高为1的单个容器，求解堆高为1的单个容器的装载方案，获取所有可能的装载方案，作为层的装载方案。
步骤109：根据每一层不同方案，将剩余的货物设置堆高为1，将托盘作为堆高为1的单个容器，求解堆高为1的单个容器的装载方案，获取所有可能的装载方案，作为上一层的装载方案；不同层的堆叠产生一棵树。
步骤110：计算树的所有叶子结点对应的货物体积之和，选择货物体积之和最大的叶子节点，生成一个托盘的装载方案，并将装入托盘货物从待装货物列表I_list中删除，将托盘放置于装载块iB中。
步骤111：判断I-list是否为空，若是则输出结果；若不是，设置iB＝iB+1，返回步骤108，直至将需要托盘包装的货物全部装入对应的托盘中，并达到托盘数最少。
对于步骤2，采用二维装载点和穴度混合评价可装载度来选择装载位置，求出达到最大装载率的装载方案，并对生成的装载方案进行重心校验，利用回溯算法对不满足重心约束的装载方案进行调整，以满足重心约束。
车辆装载问题的求解目标为车辆装载率最大，如式(1)所示
所述的预设约束条件，主要分为两类：
一类为一般约束：主要有体积约束、装入货物之间互不嵌入约束、装入货物与车厢不相嵌约束，具体约束的数学表达如下：
a)体积约束：装入所有货物的体积总和不超过车厢最大容积，如
式(2)所示。
b)装入货物之间互不嵌入约束，如式(3-10)所示。
c)装入货物与车厢不相嵌约束，如式(11-13)所示。
另一类为特殊约束：主要有完全支撑约束、单箱承重约束、货物堆叠约束、车辆承重约束和重心约束，具体数学表达如下：
a)完全支撑约束：货物必须得到车厢底部或其他唯一一件货物的
完全支撑，不允许悬空，如式(14)所示。
b)单箱承重约束：货物叠放时，货物重量不得大于支撑其摆放的
货物的承重能力，如式(15)所示。
c)堆叠约束：汽车零部件包装容器通常包含四种堆叠限定：①不允许堆叠，如式(16)所示；②仅允许同类型、同尺寸堆叠，如式(17)所示；③允许同类型，同尺寸/底面尺寸小的堆叠，如式(18)所示；④允许不同类型，同尺寸/底面尺寸小的堆叠，如式(19)所示。
d)期望重心约束：装入货物后车辆的重心必须在指定范围内，即如式(20-22)所示。
e)车辆承重约束：已装入货物的重量之和不能超过车辆承重，即如式(23)所示。
具体的，生成可行装载方案的步骤包括，
步骤201，获取装载块序列B-list信息，以及货物与装载块的对应关系；设置令iB＝1，可装载点为坐标原点(0，0)；
步骤202，选择B-list中第iB个装载块，如果放入第iB个装载块后能够满足车辆承重约束，则进入步骤203，否则进入步骤205；
步骤203，获得当前格局下的可装载点列表EP；计算B-list中第iB个装载块对EP中各可装载点的可装载度值；判定第iB个装载块对EP中各可装载点的可装载度值均小于0时，进入步骤205；否则，选择可装载点列表EP中可装载度值最大的可装载点和其对应的装载方向作为第iB个装载块的装载位置和装载方向，进入步骤204；
步骤204，按照当前装入装载块，得到一个新的格局；
步骤205，设置iB＝iB+1，判定iB≤length(B-list)时，返回步骤202，否则进入步骤206；
步骤206，计算当前装载格局下的车厢重心，如果车厢重心满足约束，则进入步骤207，否则，将当前格局下的车厢重心调整到规定的重心范围内，并生成一个新的可行装载方案，然后用新的可行装载方案替代当前方案后进入步骤207；
步骤207：输出更新后的可行装载方案，包括任意货物i∈I的放置位置的x轴坐标xi，y轴坐标yi，z轴坐标zi，以及是否装载在车上αi；并计算对应的装载率f(B_list)＝∑i∈ IViαi/CV，其中，货物i的体积为Vi，αi为0-1变量，αi＝1表示货物i装入车辆，αi＝0表示货物i未装入车辆，CV为车厢的体积。
其中，步骤206中调整不满足重心约束的装载方案的车厢重心的具体步骤如下：
步骤2061，采集当前装载方案P中任意货物的装载信息，包括放置位置信息和是否装载在车上，以及采集重心约束条件限制的重心范围信息和剩余装载块列表Bs_list；
步骤2062，对于当前装载方案P，将已装入装载块按质量从大到小排序生成货物序列Bm_list，设置i＝1，j＝1，P0＝P；
步骤2063，判定i≤length(Bm-list)时，进入步骤2064，否则进入步骤2067；
步骤2064，将Bm-list中第i个装载块从P中取出，得到新的装载方案P′，令P＝P′后，重新计算重心位置；判定新的重心位置符合x轴和y轴要求范围时，进入步骤2065，否则设置i＝i+1，返回步骤2063；
步骤2065，判定j≤length(Bs-list)时，进入步骤2066，否则进入步骤2068；
步骤2066，将Bs-list中第j装载块装入P，判定可装入且同时满足重心约束时，生成新的装载方案P′，并令P＝P′，j＝j+1，返回步骤2065，否则令j＝j+1，返回步骤2065；
步骤2067，将P0的装载块以最短距离方向移动到要求的重心范围内，并将不能完全装载的装载块从方案中去除；然后令P＝P0，进入步骤2068；
步骤2068，计算装载方案P的重心位置，判定符合z轴要求范围时，进入步骤2061，否则从已装装载块中去除最高位置的装载块，之后生成新的装载方案P′，令P＝P′，返回执行步骤2068；
步骤2069，输出装载方案P，即为满足重心约束的装载方案。
步骤3中，模拟退火时，冷却进度表的参数包括初始温度Ts，结束温度Te，冷却速率r，以及Mapkob链长L。初始温度Ts直接影响模拟退火方法全局搜索性能。在相同其他条件下，初始温度Ts越高时，运行迭代次数越多，搜索到全局最优解的可能性越大，但计算耗费时间可能也会更久。
冷却函数也是影响模拟退火性能的重要方面之一。本实施例中，优选的采用几何冷却函数，温度以R的速率进行递减，R是小于1的数。
Mapkob链长L表示在某一固定温度下的迭代次数，链长L越大，在某一温度下越能达到稳定状态，但运算耗费时间也更久。
车辆装载问题的求解目标为装载率最大，若新的装载率比当前装载率高，即ΔF＝F′-F≥0，则接受新的装载方案。但在处理连续多个装箱或组多个托盘时，需要以一定概率接受一个劣解以有效地避免陷入局部最优。因此，若ΔF＜0，可以采用Metropolis准则，生成一个(0，1)之间的随机数θ，若θ小于接受概率exp(10*ΔF/t)，则同样接受新的装载方案，否则保留当前装载方案。
具体的，调整装载序列以优化装载方案的步骤如下：
步骤301，设置初始温度Ts，冷却速率R，其中0＜R＜1，最大迭代次数L，终止温度Te，Ts＞Te；令温度t＝Ts，
步骤302：基于前述构造装载块的步骤生成装载块集合B；
步骤303：根据B随机生成装载块的一个排序即装载序列B-list；
步骤304：基于前述生成装载方案的步骤，计算适应度值F＝f(B_list)，f(B_list)为装载序列B_list对应的装载率；
步骤305：设置k＝1，其中k表示迭代次数；
步骤306：随机扰动产生新的装载序列B’_list，计算对应的适应度值F’＝f(B’_list)，f(B’_list)为装载序列B’_list对应的装载率；
步骤307：判断适应度值是否改进，若F’＞F，则接受新的装载序列B_list＝B'_list；否则按照Metropolis概率准则接受新的装载序列；令k＝k+1；
步骤308：判断是否k＞L，若是则执行步骤309；否则回到步骤306。
步骤309：冷却退火，令t＝t*R；
步骤310：判断是否t＞Te，若是返回步骤305；否则获取当前装载序列B_list对应的装载方案，包括任意货物i∈I的放置位置的x轴坐标xi，y轴坐标yi，z轴坐标zi，是否装载在车上αi，以及对应的装载率f(B_list)＝∑i∈IViαi/CV。
其中，所述随机扰动的策略优选为：在装载序列B_list中随机选择两个装载块，对选择的两个装载块的位置进行交换，其它装载块排序位置保持不变。作为举例而非限制，比如初始装载序列为[A、B、C、D、E、F、G]，随机选择到第2位和第5位进行交换，则新的装载序列为[A、E、C、D、B、F、G]。不同的装载序列产生装载方案及其装载率，通过比较装载率来选择最优的装载方案。
基于上述内容，图5示出了基于装载块序列的模拟退火算法的总框架图。该算法中，先对待装载单箱货物进行组堆，将待装单箱货物构造成为装载块；之后采用二维装载点和穴度混合评价可装载度来选择装载位置，之后求出达到最大装载率的装载方案，并对生成的装载方案进行重心校验，利用回溯算法对不满足重心约束的装载方案进行调整，以满足重心约束；最后通过模拟退火过程随机调整装载序列以优化装载序列对应的装载方案。
本实施例中，优选的通过摄像结构采集车厢内所放置货箱的图像信息后，经图像识别获取货箱的身份信息和位置信息，所述身份信息为货箱上的编号和/或型号信息，所述位置信息为货箱在车厢中的坐标位置、货箱与其它货箱的相邻关系和/或货箱相邻货箱的距离信息。
所述提示信息可以为语音播报提示、灯光提示、警示音和声光警示中的一种或多种。
参见图6所示，为本发明的另一实施例，提供了一种车辆装载优化系统。
所述系统包括：
待配载车厢100，用以装载货箱。所述货箱可以为金属箱、木箱、纸箱、塑料箱和专用金属料架中的一种或多种。
装载方案生成装置200，用以获取待装载货箱信息，生成装载方案，并将装载方案对应着待配载车厢显示输出，输出内容包括任意货箱的身份信息和放置位置信息。
监控装置300，用以采集车厢内所放置货箱的身份信息和位置信息，与前述装载方案中的信息进行比对后，判定二者是否一致。
提示装置400，用以在判定不一致时，输出提示信息。
所述监控装置300包括控制器320和至少一个摄像结构320，所述控制器和摄像结构通过导线电连接。
所述摄像结构320对应着待配载车厢100的内部空间设置，用以采集车厢内所放置货箱的图像数据，经图像识别获取货箱的身份信息和位置信息。所述身份信息可以为货箱上的编号和/或型号信息，所述位置信息可以为货箱在车厢中的坐标位置、货箱与其它货箱的相邻关系、货箱相邻货箱的距离信息中的一个或多个。
所述提醒装置400能够在车厢内货箱信息不符合车辆装载计划条件时发出提醒信息。所述提醒装置，可以为语音播报装置或提示灯或声音警示器或声光警示器。本实施例中，所述提醒装置400采用语音播报装置410。
参见图7所示，所述提醒装置的所述语音播报装置的控制电路与监控系统的控制器320电连接，通过控制器320来控制语音播报装置的工作。
所述装载方案生成装置200可以包括：
用户接口，用以输入和输出相关信息。
装载块构造单元，用以对待装载的货箱进行组堆，将一个或多个待装载单箱货物构造为装载块，所述装载块之间在高度上不能相互叠放。
可行方案生成单元，用以根据装载块的装载顺序作为编码方式，按照装载块的底面积从大到小的顺序，将装载块在满足预设约束条件下按所述顺序装入车厢，生成初始装载方案，所述初始装载方案对应有装载序列，计算初始装载方案对应的装载率F。
方案优化模块，通过模拟退火过程随机调整装载块产生新的装载序列，不同装载序列对应不同的装载率F，通过比较装载率选择最优的装载方案。
其它技术特征参见前述实施例，在此不再赘述。
在上面的描述中，本发明的公开内容并不旨在将其自身限于这些方面。而是，在本公开内容的目标保护范围内，各组件可以以任意数目选择性地且操作性地进行合并。另外，像“包括”、“囊括”以及“具有”的术语应当默认被解释为包括性的或开放性的，而不是排他性的或封闭性，除非其被明确限定为相反的含义。所有技术、科技或其他方面的术语都符合本领域技术人员所理解的含义，除非其被限定为相反的含义。在词典里找到的公共术语应当在相关技术文档的背景下不被太理想化或太不实际地解释，除非本公开内容明确将其限定成那样。本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。
Claims (10)
1.一种车辆装载优化方法，其特征在于包括如下步骤：
获取待装载货箱信息，生成装载方案，并将装载方案对应着待配载车厢显示输出，输出内容包括任意货箱的身份信息和放置位置信息；
货箱装入车厢时，采集车厢内所放置货箱的身份信息和位置信息，与前述装载方案中的信息进行比对后，判定二者是否一致；
在判定不一致时，输出提示信息。
2.根据权利要求1所述的方法，其特征在于：获取待装载货箱信息，生成装载方案的步骤包括，
构造装载块，采集输入的待装载货箱信息和组堆规则信息，对待装载货箱进行组堆，将一个或多个待装载货箱构造为装载块，所述装载块之间在高度上不能相互叠放；
生成可行装载方案，以装载块的装载顺序作为编码方式，按照装载块的底面积从大到小的顺序，将装载块在满足预设约束条件下按所述顺序装入车厢，生成初始装载方案，所述初始装载方案对应有装载序列，计算初始装载方案对应的装载率F；
优化装载方案，通过模拟退火过程随机调整装载块产生新的装载序列，不同装载序列对应不同的装载率F，通过比较装载率选择最优的装载方案。
3.根据权利要求2所述的方法，其特征在于：构造装载块的步骤包括，
步骤101，对货箱进行分类，将货箱划分为不需要组托盘的待装货物和需要组托盘的待装货物；
步骤102，将不需要组托盘的待装货物，按照底面积从大到小顺序排序，生成待装货物列表I_list；初始化iI＝1，iB＝1；
步骤103：将待装货物列表I_list中的第iI个货物放置于装载块iB中，并令I_list＝I_list\{iI}；
步骤104：选择I_list中满足堆叠约束、单箱承重约束和货物与车厢不相嵌约束条件的可堆叠于装载块iB的多个货物，并从中选取底面积最大的货物jI；
步骤105：若存在jI，则jI放置于装载块iB目前已存在货物的上一层，并令I_list＝I_list\{jI}，返回步骤104；若不存在jI，则进入步骤106；
步骤106：判断I_list是否为空，若是，则进入步骤107；若不是，设置iB＝iB+1，返回步骤103；
步骤107：将需要托盘包装的待装货物，生成待装货物列表I_list；
步骤108：设置待装对象列表I_list中的所有货物的堆高为1，将托盘作为堆高为1的单个容器，求解堆高为1的单个容器的装载方案，获取所有可能的装载方案，作为层的装载方案；
步骤109：根据每一层不同方案，将剩余的货物设置堆高为1，将托盘作为堆高为1的单个容器，求解堆高为1的单个容器的装载方案，获取所有可能的装载方案，作为上一层的装载方案；不同层的堆叠产生一棵树；
步骤110：计算树的所有叶子结点对应的货物体积之和，选择货物体积之和最大的叶子节点，生成一个托盘的装载方案，并将装入托盘货物从待装货物列表I_list中删除，将托盘放置于装载块iB中；
步骤111：判断I_list是否为空，若是则输出结果；若不是，设置iB＝iB+1，返回步骤108，直至将需要托盘包装的货物全部装入对应的托盘中，并达到托盘数最少。
4.根据权利要求3所述的方法，其特征在于：生成可行装载方案的步骤包括，
步骤201，获取装载块序列B_list信息，以及货物与装载块的对应关系；设置令iB＝1，可装载点为坐标原点(0，0)；
步骤202，选择B_list中第iB个装载块，如果放入第iB个装载块后能够满足车辆承重约束，则进入步骤203，否则进入步骤205；
步骤203，获得当前格局下的可装载点列表EP；计算B_list中第iB个装载块对EP中各可装载点的可装载度值；判定第iB个装载块对EP中各可装载点的可装载度值均小于0时，进入步骤205；否则，选择可装载点列表EP中可装载度值最大的可装载点和其对应的装载方向作为第iB个装载块的装载位置和装载方向，进入步骤204；
步骤204，按照当前装入装载块，得到一个新的格局；
步骤205，设置iB＝iB+1，判定iB≤length(B_list)时，返回步骤202，否则进入步骤206；
步骤206，计算当前装载格局下的车厢重心，如果车厢重心满足约束，则进入步骤207，否则，将当前格局下的车厢重心调整到规定的重心范围内，并生成一个新的可行装载方案，然后用新的可行装载方案替代当前方案后进入步骤207；
步骤207：输出更新后的可行装载方案，包括任意货物i∈I的放置位置的x轴坐标xi，y轴坐标yi，z轴坐标zi，以及是否装载在车上αi；并计算对应的装载率f(B_list)＝∑i∈IViαi/CV，其中，货物i的体积为Vi，αi为0-1变量，αi＝1表示货物i装入车辆，αi＝0表示货物i未装入车辆，CV为车厢的体积。
5.根据权利要求4所述的方法，其特征在于：调整不满足重心约束的装载方案的车厢重心的步骤包括，
步骤2061，采集当前装载方案P中任意货物的装载信息，包括放置位置信息和是否装载在车上，以及采集重心约束条件限制的重心范围信息和剩余装载块列表Bs_list；
步骤2062，对于当前装载方案P，将已装入装载块按质量从大到小排序生成货物序列Bm_list，设置i＝1，j＝1，P0＝P；
步骤2063，判定i≤length(Bm_list)时，进入步骤2064，否则进入步骤2067；
步骤2064，将Bm_list中第i个装载块从P中取出，得到新的装载方案P′，令P＝p′后，重新计算重心位置；判定新的重心位置符合x轴和y轴要求范围时，进入步骤2065，否则设置i＝i+1，返回步骤2063；
步骤2065，判定j≤length(Bs_list)时，进入步骤2066，否则进入步骤2068；
步骤2066，将Bs_list中第j装载块装入P，判定可装入且同时满足重心约束时，生成新的装载方案P′，并令P＝P′，j＝j+1，返回步骤2065，否则令j＝j+1，返回步骤2065；
步骤2067，将P0的装载块以最短距离方向移动到要求的重心范围内，并将不能完全装载的装载块从方案中去除；然后令P＝P0，进入步骤2068；
步骤2068，计算装载方案P的重心位置，判定符合z轴要求范围时，进入步骤2061，否则从已装装载块中去除最高位置的装载块，之后生成新的装载方案P′，令P＝P′，返回执行步骤2068；
步骤2069，输出装载方案P，即为满足重心约束的装载方案。
6.根据权利要求5所述的方法，其特征在于：调整装载序列以优化装载方案的步骤包括，
步骤301，设置初始温度Ts，冷却速率R，其中0＜R＜1，最大迭代次数L，终止温度Te，Ts＞Te；令温度t＝Ts，
步骤302：基于前述构造装载块的步骤生成装载块集合B；
步骤303：根据B随机生成装载块的一个排序即装载序列B_list；
步骤304：基于前述生成装载方案的步骤，计算适应度值F＝f(B_list)，f(B_list)为装载序列B_list对应的装载率；
步骤305：设置k＝1，其中k表示迭代次数；
步骤306：随机扰动产生新的装载序列B’_list，计算对应的适应度值F’＝f(B’_list)，f(B’_list)为装载序列B’_list对应的装载率；
步骤307：判断适应度值是否改进，若F’＞F，则接受新的装载序列B_list＝B'_list；否则按照Metropolis概率准则接受新的装载序列；令k＝k+1；
步骤308：判断是否k＞L，若是则执行步骤309；否则回到步骤306；
步骤309：冷却退火，令t＝t*R；
步骤310：判断是否t＞Te，若是返回步骤305；否则获取当前装载序列B_list对应的装载方案，包括任意货物i∈I的放置位置的x轴坐标xi，y轴坐标yi，z轴坐标zi，是否装载在车上αi，以及对应的装载率f(B_list)＝∑i∈IViαi/CV。
7.根据权利要求1所述的方法，其特征在于：通过摄像结构采集车厢内所放置货箱的图像信息后，经图像识别获取货箱的身份信息和位置信息，所述身份信息为货箱上的编号和/或型号信息，所述位置信息为货箱在车厢中的坐标位置、货箱与其它货箱的相邻关系和/或货箱相邻货箱的距离信息。
8.根据权利要求1所述的方法，其特征在于：所述提示信息为语音播报提示、灯光提示、警示音和声光警示中的一种或多种。
9.一种实施权利要求1-8中任一项所述方法的车辆装载优化系统，其特征在于包括：
待配载车厢，用以装载货箱；
装载方案生成装置，用以获取待装载货箱信息，生成装载方案，并将装载方案对应着待配载车厢显示输出，输出内容包括任意货箱的身份信息和放置位置信息；
监控装置，用以采集车厢内所放置货箱的身份信息和位置信息，与前述装载方案中的信息进行比对后，判定二者是否一致；
提示装置，用以在判定不一致时，输出提示信息。
10.根据权利要求9所述的系统，其特征在于：所述货箱为金属箱、木箱、纸箱、塑料箱和专用金属料架中的一种或多种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910448219.0A CN110175405B (zh) | 2019-05-27 | 2019-05-27 | 车辆装载优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910448219.0A CN110175405B (zh) | 2019-05-27 | 2019-05-27 | 车辆装载优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110175405A true CN110175405A (zh) | 2019-08-27 |
| CN110175405B CN110175405B (zh) | 2021-09-28 |
Family
ID=67696173
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910448219.0A Active CN110175405B (zh) | 2019-05-27 | 2019-05-27 | 车辆装载优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110175405B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110963319A (zh) * | 2019-11-06 | 2020-04-07 | 南京大学 | 一种考虑卸货顺序的装车方法 |
| CN111047100A (zh) * | 2019-12-17 | 2020-04-21 | 广东工业大学 | 一种物流集装箱的装箱方法和系统 |
| CN111652558A (zh) * | 2020-06-05 | 2020-09-11 | 联想(北京)有限公司 | 物体装载实现方法、装置、系统及计算机设备 |
| CN112183954A (zh) * | 2020-09-10 | 2021-01-05 | 华为技术有限公司 | 一种获取货物的装载方案的方法和装置 |
| CN112541227A (zh) * | 2020-12-08 | 2021-03-23 | 广汽乘用车有限公司 | 一种汽车零部件物流配载系统及方法 |
| CN112839088A (zh) * | 2021-01-06 | 2021-05-25 | 广汽丰田汽车有限公司 | 车厢分配方法、车厢分配系统及可读存储介质 |
| CN113128801A (zh) * | 2019-12-30 | 2021-07-16 | 中国移动通信集团山西有限公司 | 一种车辆资源管理方法、装置、终端设备及存储介质 |
| CN113222291A (zh) * | 2021-06-04 | 2021-08-06 | 重庆交通大学 | 一种基于空间区域划分模型的三维装载优化方法 |
| CN113570176A (zh) * | 2020-04-28 | 2021-10-29 | 顺丰科技有限公司 | 货物装箱方案输出方法、装置、计算机设备和存储介质 |
| CN115496453A (zh) * | 2022-11-16 | 2022-12-20 | 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 |
| CN116402424A (zh) * | 2023-04-07 | 2023-07-07 | 广州拓威天海国际物流有限公司 | 一种物流配置优化调节方法及系统 |
| WO2024032376A1 (zh) * | 2022-08-11 | 2024-02-15 | 姚陈潇 | 基于混合遗传算法的车辆路径优化方法及应用 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100145501A1 (en) * | 2006-10-06 | 2010-06-10 | Nicolas Guilbert | Container vessel stowage planning |
| 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 |
| CN107622321A (zh) * | 2017-07-27 | 2018-01-23 | 山东储备物资管理局八三二处 | 一种基于多约束条件智能生成箱体装载方案的算法 |
| CN107871185A (zh) * | 2017-11-28 | 2018-04-03 | 上海量科电子科技有限公司 | 智能装载货箱、运输车、系统及其实现方法 |
| CN108009675A (zh) * | 2017-11-28 | 2018-05-08 | 上海量科电子科技有限公司 | 货物装箱方法、装置及系统 |
-
2019
- 2019-05-27 CN CN201910448219.0A patent/CN110175405B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100145501A1 (en) * | 2006-10-06 | 2010-06-10 | Nicolas Guilbert | Container vessel stowage planning |
| 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 |
| CN107622321A (zh) * | 2017-07-27 | 2018-01-23 | 山东储备物资管理局八三二处 | 一种基于多约束条件智能生成箱体装载方案的算法 |
| CN107871185A (zh) * | 2017-11-28 | 2018-04-03 | 上海量科电子科技有限公司 | 智能装载货箱、运输车、系统及其实现方法 |
| CN108009675A (zh) * | 2017-11-28 | 2018-05-08 | 上海量科电子科技有限公司 | 货物装箱方法、装置及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 伊俊敏 等: ""装载弱异性货物入厂物流的车辆路径方案优化决策"", 《武汉理工大学学报（交通科学与工程版）》 * |
| 朱向: ""带轴重约束货物平衡装载问题优化研究"", 《交通运输系统工程与信息》 * |
| 林永昊 等: ""汽车零部件三维装载问题研究"", 《上海管理科学》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110963319A (zh) * | 2019-11-06 | 2020-04-07 | 南京大学 | 一种考虑卸货顺序的装车方法 |
| CN111047100A (zh) * | 2019-12-17 | 2020-04-21 | 广东工业大学 | 一种物流集装箱的装箱方法和系统 |
| 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 |
| CN113128801A (zh) * | 2019-12-30 | 2021-07-16 | 中国移动通信集团山西有限公司 | 一种车辆资源管理方法、装置、终端设备及存储介质 |
| CN113570176B (zh) * | 2020-04-28 | 2024-03-26 | 顺丰科技有限公司 | 货物装箱方案输出方法、装置、计算机设备和存储介质 |
| CN113570176A (zh) * | 2020-04-28 | 2021-10-29 | 顺丰科技有限公司 | 货物装箱方案输出方法、装置、计算机设备和存储介质 |
| CN111652558A (zh) * | 2020-06-05 | 2020-09-11 | 联想(北京)有限公司 | 物体装载实现方法、装置、系统及计算机设备 |
| CN112183954A (zh) * | 2020-09-10 | 2021-01-05 | 华为技术有限公司 | 一种获取货物的装载方案的方法和装置 |
| CN112183954B (zh) * | 2020-09-10 | 2024-05-24 | 华为技术有限公司 | 一种获取货物的装载方案的方法和装置 |
| CN112541227A (zh) * | 2020-12-08 | 2021-03-23 | 广汽乘用车有限公司 | 一种汽车零部件物流配载系统及方法 |
| CN112839088A (zh) * | 2021-01-06 | 2021-05-25 | 广汽丰田汽车有限公司 | 车厢分配方法、车厢分配系统及可读存储介质 |
| CN113222291A (zh) * | 2021-06-04 | 2021-08-06 | 重庆交通大学 | 一种基于空间区域划分模型的三维装载优化方法 |
| WO2024032376A1 (zh) * | 2022-08-11 | 2024-02-15 | 姚陈潇 | 基于混合遗传算法的车辆路径优化方法及应用 |
| CN115496453A (zh) * | 2022-11-16 | 2022-12-20 | 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 |
| CN116402424B (zh) * | 2023-04-07 | 2024-01-23 | 广州拓威天海国际物流有限公司 | 一种物流配置优化调节方法及系统 |
| CN116402424A (zh) * | 2023-04-07 | 2023-07-07 | 广州拓威天海国际物流有限公司 | 一种物流配置优化调节方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110175405B (zh) | 2021-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110175405A (zh) | 车辆装载优化方法及系统 | |
| CN110175402A (zh) | 车辆零部件装载方法及系统 | |
| CN110175404A (zh) | 货物装载调整方法及装置 | |
| CN110077772A (zh) | 组托盘方法及其应用 | |
| Araújo et al. | Pareto clustering search applied for 3D container ship loading plan problem | |
| Kang et al. | Stowage planning in maritime container transportation | |
| Jin et al. | An aimms-based decision-making model for optimizing the intelligent stowage of export containers in a single bay | |
| CN103761635A (zh) | 一种三维多箱异构货物装载优化方法 | |
| CN110544019B (zh) | 一种面向智能船舶的集装箱货物配载方法及系统 | |
| CN108861619A (zh) | 一种半离线混合码垛方法、系统及机器人 | |
| Ayachi et al. | A Genetic algorithm to solve the container storage space allocation problem | |
| CN109384042A (zh) | 序列增量式码垛方法及其装置和计算机可读存储介质 | |
| Ozcan et al. | A reward-based algorithm for the stacking of outbound containers | |
| Li et al. | An integer linear programming for container stowage problem | |
| Kaabi et al. | Toward smart logistics: A new algorithm for a multi-objective 3D bin packing problem | |
| Zeng et al. | Automated stowage planning for large containerships with improved safety and stability | |
| Tang et al. | Modeling and solution for the ship stowage planning problem of coils in the steel industry | |
| Cruz-Reyes et al. | Constructive algorithm for a benchmark in ship stowage planning | |
| CN110619424A (zh) | 一种运输配送优化系统 | |
| CN113255980A (zh) | 三维装箱处理方法、装置、电子设备及存储介质 | |
| Park et al. | Optimizing stacking policies using an MOEA for an automated container terminal | |
| Golias et al. | Scheduling of inbound trucks at a cross-docking facility: Bi-objective vs bi-level modeling approaches | |
| CN110414119B (zh) | 一种基于改进演化算法的港口船舶贝位优化方法 | |
| Wang et al. | Optimization of quay crane scheduling constrained by stability of vessels | |
| CN110443409A (zh) | 一种港口出口集装箱船舶配载方法 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Optimization Method and System for Vehicle Loading Granted publication date: 20210928 Pledgee: China Construction Bank Corporation Shanghai Hongkou Branch Pledgor: I56CHINA TECHNOLOGIES Corp. Registration number: Y2024310000779 |