CN115857444A - 一种数字孪生驱动混流装配车间的物料配送路径优化方法 - Google Patents
一种数字孪生驱动混流装配车间的物料配送路径优化方法 Download PDFInfo
- Publication number
- CN115857444A CN115857444A CN202211481357.7A CN202211481357A CN115857444A CN 115857444 A CN115857444 A CN 115857444A CN 202211481357 A CN202211481357 A CN 202211481357A CN 115857444 A CN115857444 A CN 115857444A
- Authority
- CN
- China
- Prior art keywords
- artificial fish
- node
- fish
- assembly
- iter
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数字孪生驱动混流装配车间的物料配送路径优化方法,包括:1、使用数字孪生系统监测混流装配车间中装配节点物料变化和节点间障碍物变动,实时提供装配节点物料需求信息和障碍物状态信息;2、根据不同产品装配任务要求,对不同时段需求物料的装配节点,使用改进型人工鱼群算法规划需求物料节点的最优配送序列;3、统计更新装配节点间障碍物信息,使用人工势场法在线优化装配节点间局部路径。本发明通过数字孪生技术对混流装配车间实时监测并获取信息,利用改进型人工鱼群算法规划物料配送全局路径,人工势场法在线优化装配节点间局部路径,节省装配节点物料存储空间,增强车间物料配送能力,提升混流装配车间生产效率。
Description
技术领域
本发明属于智能制造领域,具体涉及一种数字孪生驱动混流装配车间的物料配送路径优化方法。
背景技术
由于传统的单品种、大批量生产方式难以满足日益个性化、多样化的产品需求,多品种、小批量的生产方式在现代制造业中发挥着越来越重要的作用,混流装配模式为现代制造业实现多品种、小批量的生产方式提供有效可行的新途径。多品种、小批量的混流装配车间生产环境中,装配节点上物料种类繁多、需求变动频繁,装配节点边库存容量有限。为实现混流装配线长时间运转,避免过多占用装配节点边有限的库存空间,需要对装配节点边库存进行多批次的物料配送活动。装配车间中存在装配生产设备、半成品或成品堆料、装配工具存放等,加之操作管理人员流动,使得装配车间环境复杂多变,物料配送路径复杂程度也随之提高。传统的人工经验物料配送,导致配送路径安排不合理,影响物料配送效率;目前车间物料配送路径规划所采用的智能化方法未准确地应对车间环境动态变化,没有将车间实时生产状态与物料配送需求相结合,导致混流装配车间物料配送动态响应能力不足、车间空间资源浪费、车间生产效率低等问题。
发明内容
针对上述存在问题或不足,本发明提供一种数字孪生驱动混流装配车间的物料配送路径优化方法,以期能优化混流装配车间的物料配送需求供应和配送规划路径,精准满足装配节点物料需求,保障物料及时供应,从而能节省装配节点物料存储空间,增强车间物料资源配送能力,提升混流装配车间生产效率。
本发明为达到上述发明目的,采用如下技术方案:
本发明一种数字孪生驱动混流装配车间的物料配送路径优化方法的特点包括如下步骤:
步骤1、通过数字孪生系统在线统计混流装配车间中生产时段需要物料补给的装配节点,从而构成节点物料配送序列S=[s1 s2…si…sn],并获取第i个装配节点si和第i+1个装配节点si+1之间距离di,i+1,其中,s1表示物料配送起始节点的工位序号,sn表示物料配送终止节点的工位序号;
步骤2、利用式(1)建立节点物料配送序列S的优化目标函数f(S):
步骤3、初始化人工鱼群算法的各个参数,包括:种群规模为k,视野范围为vis、觅食最大尝试次数为try_max,拥挤度为δ,变异优化位数为bit,当前迭代次数为iter,最大迭代次数为iter_max,并初始化iter=1;
令第iter代种群中第a条人工鱼为令第iter代种群中第b条人工鱼为/>其中,/>表示第a条人工鱼在第iter次迭代时物料配送节点序列中第i个节点上的工位序号,/>表示第b条人工鱼在第iter次迭代时物料配送节点序列中第i个节点上的工位序号;
定义优化目标函数f(S)为每条鱼的适应度函数;
步骤5、利用式(2)计算第iter代种群中第a条人工鱼和第b条人工鱼/>之间距离/>并比较/>是否成立,若成立,则表示人工鱼/>在人工鱼视野范围vis内,从而确定第iter代种群中其它鱼是否在人工鱼/>视野范围vis内,并统计人工鱼/>视野范围vis内所有人工鱼的数量kiter;
式(2)中,sign(·)表示二值函数;
步骤6、第a条人工鱼在其视野范围vis内进行觅食行为,循环选择视野范围vis内其它人工鱼/>并比较/>是否成立,若成立,则/>复制/>前bit位上工位序号,/>剩余位置上工位序号则不重复随机生成;否则,/>保持不变,若视野范围vis内没有满足条件/>的人工鱼,则/>随机产生一个新工位序号序列;
步骤7、搜索统计人工鱼视野范围vis鱼群中每条鱼的第i列位置上工位序号,并将出现次数最多且不属于/>中i列之前位置上的工位序号赋予鱼群中心/>的第i列位置上/>若出现次数相同,则将第一个搜索到的工位序号赋予鱼群中心/>的第i列位置上/>从而得到人工鱼/>视野范围vis内鱼群中心集合/>
步骤9、第a条人工鱼在其视野范围vis内进行追尾行为,人工鱼/>搜索视野范围vis内适应度函数值最高的人工鱼/>如果/>则/>复制人工鱼/>的前bit位上工位序号,/>剩余位置上工位序号不重复随机生成,否则执行步骤6;
步骤10、第iter代种群的每条人工鱼均按照步骤5-步骤9的过程进行处理,计算第iter代种群中每条人工鱼的适应度函数值,并将适应度函数值最优的人工鱼赋予公告牌;
步骤11、iter+1赋值给iter后,若iter≤iter_max成立,则重复执行步骤5-步骤10;否则,输出第iter_max代种群中适应度函数值最优的人工鱼并作为物料需求的装配节点最优配送序列,其中,/>表示物料最优配送序列中第i个节点所代表的工位序号;
步骤12、从物料需求的装配节点最优配送序列Sgbest中按顺序依次选择两节点,使用人工势力场法优化所选两节点位置间的局部路径:
步骤12.3、利用式(3)计算物料输送车当前位置G和目标位置T间的引力Fatt:
Fatt(G)=ηρ(G,T) (3)
式(3)中,η为正比例系数,ρ(G,T)表示物料输送车当前位置G到目标位置T之间的几何距离,且方向从G指向T;
步骤12.5、计算引力Fatt(G)与斥力的合力/>并计算所述合力F在x,y方向上的单位分量/>其中,|F|表示合力F的模,Fx表示合力F在x轴方向上分量,Fy表示合力F在y轴方向上分量,zx表示合力F在x轴方向上单位分量,zy表示合力F在y轴方向上单位分量;
步骤12.6、根据物料输送车的当前位置G和移动步长step,利用式(5)计算物料输送车的下一位置Gnext:
Gnext=G+step*z (5)
步骤12.7、将Gnext赋值给G后,返回步骤12.3顺序执行,从而在数字孪生系统实时监测物料输送车当前位置G至目标位置T之间障碍物的变化下,完成物料输送车在起始节点至目标节点/>间的路径规划及物料配送;
本发明一种电子设备,包括存储器以及处理器,其特点在于,所述存储器用于存储支持处理器执行所述物料配送路径优化方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
本发明一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其特点在于,所述计算机程序被处理器运行时所述物料配送路径优化方法的步骤。
与现有技术相比,本发明的有益效果在于:
1、本发明通过数字孪生技术监测混流装配车间装配节点物料动态变化,在车间物料配送规划过程中,统计配送时段需要补给物料的装配节点数量,使用改进型人工鱼群算法规划该时段需要补给物料的装配节点全局配送路径序列,从而提升了车间物料需求配送与动态生产过程的协同性。
2、本发明通过数字孪生技术监测混流装配车间中障碍物变化,实时获取装配节点间障碍物的状态和位置信息,使用人工势场法在线更新装配节点间局部路径,优化了物料配送车辆行驶路径,增强了车间物料配送路径规划与动态变化车间环境的适应性。
附图说明
图1为本发明混流装配车间场景示意图;
图2为本发明人工鱼群觅食行为示意图;
图3为本发明人工鱼群聚众行为示意图;
图4为本发明人工鱼群追尾行为示意图;
图5为本发明混流装配车间物料配送路径优化方法的流程示意图。
具体实施方式
本实施例中,一种数字孪生驱动混流装配车间的物料配送路径优化方法,是首先通过数字孪生系统监测获取混流装配车间装配节点物料需求信息,并统计不同生产时段的各装配节点物料需求变化,然后针对该时段需要物料的装配节点,使用改进型人工鱼群算法规划更新装配节点的物料配送顺序;再使用人工势场法在线规划装配节点间局部路径,物料运输车在装配节点间移动过程中,通过数字孪生系统实时统计装配节点间障碍物变化信息,自主更新在装配节点间的物料配送局部路径,具体的说,步骤如下:
步骤1、图1所示的混流装配车间中需要物料补给的装配节点处于动态变化中,通过数字孪生系统统计混流装配车间中某一生产时段需要物料补给的装配节点S=[s1 s2…si…sn],其中,s1表示物料配送起始节点,sn表示物料配送终节点,[s1 s2…si…sn]为1 2…i…n的一种序列,表示一次待配送过程中所需要物料补给的节点顺序,且互不重复。
步骤2、通过数字孪生系统获取装配节点si和装配节点si+1之间距离di,i+1,对待配送过程中所需要物料补给的装配节点序列S,建立式(1)为节点物料配送序列的最优化目标函数:
步骤3、初始化人工鱼群算法的各个参数,包括:种群规模为k,视野范围为vis、觅食最大尝试次数为try_max,拥挤度为δ,变异优化位数为bit,当前迭代次数为iter,最大迭代次数为iter_max,并初始化iter=1;
令第iter代种群中第a条人工鱼为令第iter代种群中第b条人工鱼为/> 表示第a条人工鱼在第iter次迭代时物料配送节点序列中第i个节点上的工位序号,/>表示第b条人工鱼在第iter次迭代时物料配送节点序列中第i个节点上的工位序号;定义优化目标函数f(S)为每条鱼的适应度函数;
利用式(2)计算第iter代种群中第a条人工鱼和第b条人工鱼/>之间距离并比较/>是否成立,若成立,则表示人工鱼/>在人工鱼/>视野范围vis内,从而确定第iter代种群中其它鱼是否在人工鱼/>视野范围vis内,并统计人工鱼/>视野范围vis内所有人工鱼的数量kiter;
步骤6、第a条人工鱼在其视野范围vis内进行觅食行为,如图2所示,循环选择视野范围vis内其它人工鱼/>并比较/>是否成立,若成立,则/>复制/>前bit位上工位序号,/>剩余位置上工位序号则不重复随机生成;否则,/>保持不变,若视野范围vis内没有满足条件/>的人工鱼,则/>随机产生一个新工位序号序列;/>
步骤7、搜索人工鱼视野范围vis内鱼群/>的中心位置/>依次选择每条鱼中第1 2 … i … n位置上出现次数最多的工位序号分别作为/>视野范围vis内鱼群中心/>中对应位置1 2 … i … n上的工位序号,从而得到人工鱼/>视野范围vis内鱼群中心集合/>
步骤7.1、搜索统计人工鱼视野范围vis内鱼群中每条鱼第1列位置上工位序号对统计数量相同的不同工位序号,优先选择第一个搜索到的工位序号,并将该统计数量最多的工位序号num1 iter赋予鱼群中心/>的第1个位置上,即
步骤7.2、搜索统计人工鱼视野范围vis内鱼群中每条鱼第2列位置上工位序号排除鱼群中心/>中已有的工位序号/>对统计数量相同的不同工位序号,优先选择第一个搜索到的工位序号,并将该统计数量最多的工位序号num2 iter赋予鱼群中心/>的第2个位置上,即/>
步骤7.3、搜索统计人工鱼视野范围vis内鱼群中每条鱼第i列位置上工位序号排除鱼群中心/>中第i列前已获取的工位序号/>对统计数量相同的不同工位序号,优先选择第一个搜索到的工位序号,并将统计数量最多的工位序号/>赋予鱼群中心/>的第i个位置上,即/>使用同样方法直至获得鱼群中心/>的第n个位置上的工位序号,即/>
步骤9、第a条人工鱼在其视野范围vis内进行追尾行为,如图4所示,人工鱼/>搜索视野范围vis内适应度函数值最高的人工鱼/>如果/>则复制人工鱼/>的前bit位上工位序号,/>剩余位置上工位序号不重复随机生成,否则执行步骤6;
步骤10、第iter代种群的每条人工鱼均按照步骤5-步骤9的过程进行处理,计算第iter代种群中每条人工鱼的适应度函数值,并将适应度函数值最优的人工鱼赋予公告牌;
步骤11、iter+1赋值给iter后,若iter≤iter_max成立,则重复执行步骤5-步骤10;否则,输出第iter_max代种群中适应度函数值最优的人工鱼并作为物料需求的装配节点最优配送序列,其中,/>表示物料最优配送序列第i个节点所代表的工位序号;
步骤12、从物料需求的装配节点最优配送序列Sgbest中按顺序依次选择两节点,使用人工势力场法优化所选两节点位置间的局部路径:
步骤12.3、建立物料输送车当前位置G和目标位置T间的引力场Uatt(G),使用式(3)计算引力场Uatt(G);
式(3)中,η为正比例系数,ρ(G,T)表示物料输送车当前位置G和目标位置T之间的几何距离,方向从G指向T。
步骤12.4、使用式(4)计算目标位置T对物料输送车的引力Fatt(G),Fatt(G)为引力场Uatt(G)的负梯度;
Fatt(G)=ηρ(G,T) (4)
步骤12.5、通过数字孪生系统在线统计物料输送车当前位置G到目标位置T间障碍物O数量m,建立物料输送车当前位置G和障碍物间的斥力场Urep(O)和斥力Frep(O),Frep(O)为Urep(O)的负梯度。建立第t个障碍物Ot与当前位置G间的斥力场使用式(5)计算
式(5)中,λ为正比例系数,ρ(G,Ot)表示物料输送车当前位置G与障碍物Ot间的几何距离,方向从Ot指向G。ρ0为常数,表示障碍物Ot对物料输送车产生作用的最大距离。
步骤12.7、计算引力Fatt(G)和斥力的合力/>并计算所述合力F在x,y方向上的单位分量/>其中,|F|表示合力F的模,Fx表示合力F在x轴方向上分量,Fy表示合力F在y轴方向上分量,zx表示合力F在x轴方向上单位分量,zy表示合力F在y轴方向上单位分量;
步骤12.8、根据物料输送车的当前位置G和移动步长step,利用式(7)计算物料输送车的下一位置Gnext:
Gnext=G+step*z (7)
步骤12.9、将Gnext赋值给G后,返回步骤12.3顺序执行,从而在数字孪生系统实时监测物料输送车当前位置G至目标位置T之间障碍物的变化下,完成物料输送车在起始节点至目标节点/>间的路径规划及物料配送。
步骤12.10、将i+1赋值给i后,返回步骤12.2顺序执行,直到i>n-1为止,从而完成所有装配节点最优配送序列Sgbest的路径规划和物料配送,如图5所示。
本实施例中,一种电子设备,包括存储器以及处理器,该存储器用于存储支持处理器执行上述物料配送路径优化方法的程序,该处理器被配置为用于执行该存储器中存储的程序。
本实施例中,一种计算机可读存储介质,是在计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述物料配送路径优化方法的步骤。
综上所述,本发明使用数字孪生系统实时准确地提供混流装配车间中生产状态信息和环境变化信息,根据装配节点物料动态需求和装配车间环境动态变化,利用改进型人工鱼群算法规划装配节点物料配送全局路径,人工势场法在线更新优化装配节点间局部路径,考虑车间物料配送与动态生产过程的协同性,与动态变化车间环境的适应性,优化车间物料的配送需求供应和配送规划路径,精准满足装配节点物料需求,保障物料及时供应,提高车间生产效率。
Claims (3)
1.一种数字孪生驱动混流装配车间的物料配送路径优化方法,其特征包括如下步骤:
步骤1、通过数字孪生系统在线统计混流装配车间中生产时段需要物料补给的装配节点,从而构成节点物料配送序列S=[s1 s2…si…sn],并获取第i个装配节点si和第i+1个装配节点si+1之间距离di,i+1,其中,s1表示物料配送起始节点的工位序号,sn表示物料配送终止节点的工位序号;
步骤2、利用式(1)建立节点物料配送序列S的优化目标函数f(S):
步骤3、初始化人工鱼群算法的各个参数,包括:种群规模为k,视野范围为vis、觅食最大尝试次数为try_max,拥挤度为δ,变异优化位数为bit,当前迭代次数为iter,最大迭代次数为iter_max,并初始化iter=1;
令第iter代种群中第a条人工鱼为令第iter代种群中第b条人工鱼为/>其中,/>表示第a条人工鱼在第iter次迭代时物料配送节点序列中第i个节点上的工位序号,/>表示第b条人工鱼在第iter次迭代时物料配送节点序列中第i个节点上的工位序号;
定义优化目标函数f(S)为每条鱼的适应度函数;
步骤5、利用式(2)计算第iter代种群中第a条人工鱼和第b条人工鱼/>之间距离并比较/>是否成立,若成立,则表示人工鱼/>在人工鱼/>视野范围vis内,从而确定第iter代种群中其它鱼是否在人工鱼/>视野范围vis内,并统计人工鱼/>视野范围vis内所有人工鱼的数量kiter;
式(2)中,sign(·)表示二值函数;
步骤6、第a条人工鱼在其视野范围vis内进行觅食行为,循环选择视野范围vis内其它人工鱼/>并比较/>是否成立,若成立,则/>复制/>前bit位上工位序号,/>剩余位置上工位序号则不重复随机生成;否则,/>保持不变,若视野范围vis内没有满足条件/>的人工鱼,则/>随机产生一个新工位序号序列;
步骤7、搜索统计人工鱼视野范围vis鱼群中每条鱼的第i列位置上工位序号,并将出现次数最多且不属于/>中i列之前位置上的工位序号赋予鱼群中心/>的第i列位置上/>若出现次数相同,则将第一个搜索到的工位序号赋予鱼群中心/>的第i列位置上从而得到人工鱼/>视野范围vis内鱼群中心集合/>
步骤9、第a条人工鱼在其视野范围vis内进行追尾行为,人工鱼/>搜索视野范围vis内适应度函数值最高的人工鱼/>如果/>则/>复制人工鱼的前bit位上工位序号,/>剩余位置上工位序号不重复随机生成,否则执行步骤6;
步骤10、第iter代种群的每条人工鱼均按照步骤5-步骤9的过程进行处理,计算第iter代种群中每条人工鱼的适应度函数值,并将适应度函数值最优的人工鱼赋予公告牌;
步骤11、iter+1赋值给iter后,若iter≤iter_max成立,则重复执行步骤5-步骤10;否则,输出第iter_max代种群中适应度函数值最优的人工鱼并作为物料需求的装配节点最优配送序列,其中,/>表示物料最优配送序列中第i个节点所代表的工位序号;
步骤12、从物料需求的装配节点最优配送序列Sgbest中按顺序依次选择两节点,使用人工势力场法优化所选两节点位置间的局部路径:
步骤12.3、利用式(3)计算物料输送车当前位置G和目标位置T间的引力Fatt:
Fatt(G)=ηρ(G,T) (3)
式(3)中,η为正比例系数,ρ(G,T)表示物料输送车当前位置G到目标位置T之间的几何距离,且方向从G指向T;
步骤12.5、计算引力Fatt(G)与斥力的合力/>并计算所述合力F在x,y方向上的单位分量/>其中,|F|表示合力F的模,Fx表示合力F在x轴方向上分量,Fy表示合力F在y轴方向上分量,zx表示合力F在x轴方向上单位分量,zy表示合力F在y轴方向上单位分量;
步骤12.6、根据物料输送车的当前位置G和移动步长step,利用式(5)计算物料输送车的下一位置Gnext:
Gnext=G+step*z (5)
步骤12.7、将Gnext赋值给G后,返回步骤12.3顺序执行,从而在数字孪生系统实时监测物料输送车当前位置G至目标位置T之间障碍物的变化下,完成物料输送车在起始节点至目标节点/>间的路径规划及物料配送;
2.一种电子设备,包括存储器以及处理器,其特征在于,所述存储器用于存储支持处理器执行权利要求1所述物料配送路径优化方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
3.一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行权利要求1所述物料配送路径优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211481357.7A CN115857444A (zh) | 2022-11-24 | 2022-11-24 | 一种数字孪生驱动混流装配车间的物料配送路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211481357.7A CN115857444A (zh) | 2022-11-24 | 2022-11-24 | 一种数字孪生驱动混流装配车间的物料配送路径优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115857444A true CN115857444A (zh) | 2023-03-28 |
Family
ID=85665737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211481357.7A Pending CN115857444A (zh) | 2022-11-24 | 2022-11-24 | 一种数字孪生驱动混流装配车间的物料配送路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115857444A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314283A (zh) * | 2023-10-16 | 2023-12-29 | 暨南大学 | 混流装配车间的物料配送方法、装置、系统及存储介质 |
-
2022
- 2022-11-24 CN CN202211481357.7A patent/CN115857444A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117314283A (zh) * | 2023-10-16 | 2023-12-29 | 暨南大学 | 混流装配车间的物料配送方法、装置、系统及存储介质 |
CN117314283B (zh) * | 2023-10-16 | 2024-04-19 | 暨南大学 | 混流装配车间的物料配送方法、装置、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034468B (zh) | 一种基于布谷鸟算法的带时间窗的物流配送路径规划方法 | |
Monmarché et al. | On improving clustering in numerical databases with artificial ants | |
CN113311829B (zh) | 一种基于动态时间窗冲突搜索的多机器人路径规划方法 | |
CN112488386B (zh) | 基于分布熵多目标粒子群的物流车辆配送规划方法及系统 | |
CN115857444A (zh) | 一种数字孪生驱动混流装配车间的物料配送路径优化方法 | |
CN110069699B (zh) | 排序模型训练方法和装置 | |
CN105469201A (zh) | 一种物流配送中心作业任务处理与调度的方法 | |
CN109191052B (zh) | 一种多车型车辆路径优化方法、服务器及系统 | |
CN112785132B (zh) | 一种用于智能仓库的多机器人移动货架任务分配方法 | |
CN113516293B (zh) | 一种考虑拣货距离与库位离散度的库位分配方法 | |
CN110751441A (zh) | 一种优化物流仓储系统中储位的方法及装置 | |
Zhou et al. | Solving dynamic vehicle routing problem via evolutionary search with learning capability | |
CN115421448A (zh) | Agv拣货路径规划方法及系统 | |
CN114237222A (zh) | 一种基于强化学习的取送货车辆路径规划方法 | |
Manzini et al. | Design and control of a flexible order‐picking system (FOPS) A new integrated approach to the implementation of an expert system | |
Ramadhan et al. | A record-to-record travel algorithm for multi-product and multi-period inventory routing problem | |
CN112558559B (zh) | 一种串联线性缓冲区及其序列恢复方法 | |
CN110175695A (zh) | 针对春节期间的货量预测方法及系统 | |
CN112508478B (zh) | 一种基于自组织自动导引车的柔性物流配送任务分配方法 | |
CN115080550A (zh) | 路网交通量分配方法及装置 | |
Nugraheni et al. | Hybrid Metaheuristics for Job Shop Scheduling Problems. | |
CN114219387A (zh) | 一种物流车辆调度装载的方法 | |
CN117215275B (zh) | 一种基于遗传编程的柔性车间大规模动态双效调度方法 | |
CN111652649A (zh) | 一种广告定向投放方法、系统、装置及存储介质 | |
CN111598510A (zh) | 一种适用于智能仓储系统的订单分批方法 |
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 |