CN115859785A - 一种立体仓库货位分配及作业调度的多目标集成优化方法 - Google Patents

一种立体仓库货位分配及作业调度的多目标集成优化方法 Download PDF

Info

Publication number
CN115859785A
CN115859785A CN202211461336.9A CN202211461336A CN115859785A CN 115859785 A CN115859785 A CN 115859785A CN 202211461336 A CN202211461336 A CN 202211461336A CN 115859785 A CN115859785 A CN 115859785A
Authority
CN
China
Prior art keywords
instruction
warehouse
goods
algorithm
optimization
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
Application number
CN202211461336.9A
Other languages
English (en)
Inventor
陶翼飞
王镜捷
吴佳兴
李宜榕
付潇
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.)
Yunnan Fanjia Technology Co ltd
Kunming University of Science and Technology
Original Assignee
Yunnan Fanjia Technology Co ltd
Kunming University of Science and Technology
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 Yunnan Fanjia Technology Co ltd, Kunming University of Science and Technology filed Critical Yunnan Fanjia Technology Co ltd
Priority to CN202211461336.9A priority Critical patent/CN115859785A/zh
Publication of CN115859785A publication Critical patent/CN115859785A/zh
Pending legal-status Critical Current

Links

Images

Abstract

本发明涉及一种立体仓库货位分配及作业调度的多目标集成优化方法,属于立体仓库集成优化技术领域。本发明根据立体仓库实时运作需求,首先,建立入库任务货位分配以及出库任务作业调度同时进行决策的多目标集成优化问题模型;其次,构建求解该问题模型的仿真优化框架;最后,设计多目标社会工程算法进行求解,得出实时任务的最优解集。本发明所提方法贴合生产实际、合理有效;问题模型基于通用立体仓库实际工况建立,具有较好的实用性,能够广泛应用于物流仓储相关行业;构建的仿真优化框架可根据输入参数调整算法和仿真模型,具有良好的鲁棒性;设计的多目标社会工程算法能够有效缩短自动化立体仓库的作业时间,降低能耗,保证货架稳定性。

Description

一种立体仓库货位分配及作业调度的多目标集成优化方法
技术领域
本发明涉及一种立体仓库货位分配及作业调度的多目标集成优化方法,属于自动化仓储技术领域。
背景技术
立体仓库是先进仓储技术的集成,可以根据订单需求生成堆垛机行驶路径,自动完成货物的存取操作以及库存管理,具有空间利用率高、存储容量大、人工成本低等优点。自美国于1959年在阿尔巴马州建立了世界上第一座立体仓库以来,由于其相较于传统仓储设备的优越性,得到了迅速的发展及应用,并在企业生产制造过程乃至整个供应链系统中都起到举足轻重的作用。而伴随着制造业自动化程度的不断提升,企业对AS/RS的性能需求也在不断提高。因此,探究如何更好地对AS/RS进行管理,优化其控制策略,确保仓储作业过程中作业效率、作业能耗等性能指标最优,已成为仓储行业的研究热点。
对于立体仓库的控制策略而言,主要包括货物的货位分配以及相应任务的作业调度,二者均能在一定程度上提高立体仓库的作业效率。目前,针对货位分配优化问题或者出入库任务作业调度问题,众多学者提出了各种改进式/混合式优化算法用于求解。但立体仓库在实际运行中,货位分配决定的是作业调度任务在库中所对应的存储位置,而作业调度决定的是货物在经过货位分配后的执行先后顺序,两者间的不同组合方式势必会导致不同的运行结果,单独对某个部分进行优化只能起到部分优化的作用。针对当前立体仓库研究所存在的不足,本发明提出一种立体仓库货位分配及作业调度多目标集成优化方法,可根据所输入的参数对仿真模型和优化算法进行设置,能够对立体仓库的货位分配以及作业调度同时进行实时决策,且满足多目标优化的需要。
发明内容
本发明的目的是针对现有立体仓库集成优化研究中所存在的不足,提出的一种立体仓库货位分配及作业调度多目标集成优化方法,以满足在不同任务下的立体仓库作业存取及多目标优化的需求。
本发明的技术方案是:首先,建立入库任务货位分配以及出库任务作业调度同时进行决策的多目标集成优化问题模型;其次,构建求解该问题模型的仿真优化框架;最后,设计多目标社会工程算法进行求解。
对于立体仓库的控制策略而言,主要包括货物的货位分配以及相应任务的作业调度,二者均能在一定程度上提高立体仓库的作业效率。而本发明所建立立体仓库货位分配及作业调度的多目标集成优化模型是指同时对货位分配与作业调度进行优化,以满足所建多目标函数最优化的要求。所构建立体仓库货位分配及作业调度多目标集成优化模型各目标函数分别为:
以堆垛机完成一系列指令行程及作业时间最短为原则,建立第一目标函数:
Figure BDA0003953971290000021
式中,F1表示堆垛机完成一系列指令的时间之和;i∈{1,2,...,I},表示双指令任务索引,I表示双指令任务总数;
Figure BDA0003953971290000022
表示堆垛机完成第i个双指令任务所需的时间;
以堆垛机完成一系列指令行程所产生能耗最少为原则,建立第二目标函数:
Figure BDA0003953971290000023
式中,F2表示堆垛机完成一系列指令产生的能耗之和;i∈{1,2,...,I},表示双指令任务索引,I表示双指令任务总数;
Figure BDA0003953971290000024
表示第i个双指令作业任务水平运动功耗;/>
Figure BDA0003953971290000025
表示第i个双指令作业任务垂直运动功耗;
以提高货架稳定性为原则建立第三目标函数:
Figure BDA0003953971290000026
式中,F3表示货架等效重心与几何重心的偏差之和;x∈{1,2,...,X},表示货架索引,X表示货架总数;
Figure BDA0003953971290000027
表示第x排货架的水平等效重心;w表示货架单个货位的宽度;/>
Figure BDA0003953971290000028
表示第x排货架的垂直等效重心;
同时,问题模型还需满足如下约束条件:
Figure BDA0003953971290000029
式中,pi表示第i个双指令中的入库指令可以选择的货位;/>
Figure BDA00039539712900000210
表示第i个双指令作业的入库指令可选货位集合;/>
Figure BDA00039539712900000211
为决策变量,表示是否选择货位pi作为第i个双指令中入库指令的目标货位;该式确保每个双指令中的入库指令需要选择且只能选择一个符合入库条件的库位;
Figure BDA00039539712900000212
式中,qi表示第i个双指令中的出库指令可以选择的货位;/>
Figure BDA00039539712900000213
表示第i个双指令作业的出库指令可选货位集合;/>
Figure BDA00039539712900000214
为决策变量,表示是否选择货位qi作为第i个双指令中出库指令的目标货位;该式确保每个双指令中的出库指令需要选择且只能选择一个符合出库条件的库位;
Figure BDA0003953971290000031
式中,x∈{1,2,...,X},表示货架索引,X为货架总数;y∈{1,2,...,Y},表示单个货架列索引,Y为单个货架总列数;z∈{1,2,...,Z},表示单个货架层索引,Z为单个货架总层数;Dx,y,z表示位于第x排货架第y列第z层的货位存放的货物数量;该式确保每个货位最多只能存储一个货物;
所述用于求解问题模型构建的仿真优化框架,具体描述为:采用面向对象的离散事件仿真构建立体仓库货位分配及作业调度多目标集成优化模型,以多目标社会工程算法作为优化算法,结合仿真模型集成构建模型仿真优化框架;框架由控制模型、优化算法以及仿真模型三个模块构成;系统开始运行时控制模型模块输入参数,将立体仓库的货架参数、堆垛机参数、库中货物、出入库任务以及算法参数等相关信息分别传递给仿真模型模块以及优化算法模块进行算法参数设置和模型参数设置,优化算法模块和仿真模型模块根据输入参数进行算法建模以及仿真建模;算法运行后优化算法模块进行个体生成,将个体编码传递给控制模型模块进行解码,控制模型模块分配方案给仿真模型模块运行仿真,仿真结束后将方案结果返回给优化算法模块进行性能评估;优化算法模块判断是否满足中止条件:若否,则进行算法操作并将个体编码继续传递给控制模型模块解码;若是,则输出结果,得出最优方案集合供仓库管理人员选择。
所述多目标社会工程算法具体描述为:
Step1,依据输入参数生成攻击者和防御者;
Step2,对防御者进行训练和再训练;
Step3,攻击者随机选择技术手段对防御者发起攻击;
Step4,防御者响应攻击,生成新的防御者;
Step5,判断攻击次数是否满足条件,如未满足条件则转到Step3,如满足条件则进入St ep6;
Step6,从现有攻击者与防御者中选择一个作为新的攻击者,随机生成一个新的防御者;
Step7,判断是否满足中止条件,如不满足则转到Step2,满足则转到Step8;
Step8,对外部解集进行非支配排序,输出最优解集,算法中止。
本发明与现有技术相比,其有益效果是:
(1)与传统决策方案不同,本发明将立体仓库的货位分配和作业调度同时进行决策,贴合生产实际,合理有效;
(2)本发明所建立的立体仓库货位分配及作业调度多目标集成优化模型针对多个目标同时进行优化;
(3)本发明所提出的多目标社会工程算法针对模型进行适应性调整和改进,能够获取到较好的最优解集;
(4)本发明所提出的模型仿真优化框架能够根据不同的输入参数满足不同的立体仓库运行需求,具有良好的鲁棒性;
(5)本发明所建模型针对通用立体仓库的实时运行,具有较好的实用性,能够广泛应用于各物流和生产行业。
附图说明
图1为本发明所提出的模型仿真优化框架结构图;
图2为本发明所提出多目标社会工程算法流程图;
图3为本发明所提多目标社会工程算法编码示意图;
图4为本发明所提多目标社会工程算法训练及再训练示意图。
具体实施方式
实施例1:如图1-4所示,一种立体仓库货位分配及作业调度多目标集成优化方法,首先,建立入库任务货位分配以及出库任务作业调度同时进行决策的多目标集成优化问题模型;其次,构建求解该问题模型的仿真优化框架;最后,设计多目标社会工程算法进行求解;其中,优化问题模型根据所输入的立体仓库参数建立,第一优化目标为最小化总行程及作业时间F1,第二优化目标为最小化作业能耗F2,第三优化目标为最小化货架几何中心偏差F3;模型各优化目标函数构建如下:
以堆垛机完成一系列指令行程及作业时间最短为原则,建立第一目标函数:
Figure BDA0003953971290000041
式中,F1表示堆垛机完成一系列指令的时间之和;i∈{1,2,...,I},表示双指令任务索引,I表示双指令任务总数;
Figure BDA0003953971290000042
表示堆垛机完成第i个双指令任务所需的时间;
以堆垛机完成一系列指令行程所产生能耗最少为原则,建立第二目标函数:
Figure BDA0003953971290000043
式中,F2表示堆垛机完成一系列指令产生的能耗之和;i∈{1,2,...,I},表示双指令任务索引,I表示双指令任务总数;
Figure BDA0003953971290000051
表示第i个双指令作业任务水平运动功耗;/>
Figure BDA0003953971290000052
表示第i个双指令作业任务垂直运动功耗;
以提高货架稳定性为原则建立第三目标函数:
Figure BDA0003953971290000053
式中,F3表示货架等效重心与几何重心的偏差之和;x∈{1,2,...,X},表示货架索引,X表示货架总数;
Figure BDA0003953971290000054
表示第x排货架的水平等效重心;w表示货架单个货位的宽度;/>
Figure BDA0003953971290000055
表示第x排货架的垂直等效重心;
同时,其还需满足如下约束条件:
Figure BDA0003953971290000056
式中,pi表示第i个双指令中的入库指令可以选择的一个货位,/>
Figure BDA0003953971290000057
表示第i个双指令作业的入库指令可以选择的货位集合,/>
Figure BDA0003953971290000058
为决策变量,表示是否选择货位pi作为第i个双指令中入库指令的目标货位;该式确保每个双指令中的入库指令需要选择且只能选择一个符合入库条件的库位;
Figure BDA0003953971290000059
式中,qi表示第i个双指令中的出库指令可以选择的一个货位,/>
Figure BDA00039539712900000510
表示第i个双指令作业的出库指令可以选择的货位集合,/>
Figure BDA00039539712900000511
为决策变量,表示是否选择货位pi作为第i个双指令中出库指令的目标货位;该式确保每个双指令中的出库指令需要选择且只能选择一个符合出库条件的库位;
Figure BDA00039539712900000512
式中,x∈{1,2,...,X},表示货架索引,X为货架总数;y∈{1,2,...,Y},表示单个货架列索引,Y为单个货架总列数;z∈{1,2,...,Z},表示单个货架层索引,Z为单个货架总层数;Dx,y,z表示位于第x排货架第y列第z层的货位存放的货物数量;该式确保每个货位最多只能存储一个货物;
所述求解该问题模型的仿真优化框架具体描述为:
所述用于求解问题模型构建的仿真优化框架,具体描述为:采用面向对象的离散事件仿真构建立体仓库货位分配及作业调度多目标集成优化模型,以多目标社会工程算法作为优化算法,结合仿真模型集成构建模型仿真优化框架;框架由控制模型、优化算法以及仿真模型三个模块构成;系统开始运行时控制模型模块输入参数,将立体仓库的货架参数、堆垛机参数、库中货物、出入库任务以及算法参数等相关信息分别传递给仿真模型模块以及优化算法模块进行算法参数设置和模型参数设置,优化算法模块和仿真模型模块根据输入参数进行算法建模以及仿真建模;算法运行后优化算法模块进行个体生成,将个体编码传递给控制模型模块进行解码,控制模型模块分配方案给仿真模型模块运行仿真,仿真结束后将方案结果返回给优化算法模块进行性能评估;优化算法模块判断是否满足中止条件:若否,则进行算法操作并将个体编码继续传递给控制模型模块解码;若是,则输出结果,得出最优方案集合供仓库管理人员选择;
所述多目标社会工程算法具体描述为:
根据本目标所建立的立体仓库货位分配及作业调度多目标集成优化模型,本发明所提出的多目标社会工程算法对攻击者和防御者的生成方式、编解码方式、攻击者的替换方式等进行设计,并通过Pareto非支配排序进行寻优,获得最优解集。该多目标社会工程算法包括如下步骤:
Step1,依据输入参数生成攻击者和防御者;
多目标社会工程算法个体采用实数编码,分为货位分配与作业调度两部分。货位分配编码部分长度等于入库可选货位数,作业调度部分编码长度等于出库任务个数。通过随机生成0到1之间的实数生成编码。解码时,需要将两部分编码分别进行解码。货位分配部分编码在解码时按照每一位实数大小进行降序排序,选择等于双指令任务数的前i位编码所对应的货位号作为编码所对应的货位分配方案;作业调度部分编码在解码时与货位分配部分编码方法相同,但由于作业调度编码长度与双指令任务数i相同,故可直接按照排序结果安排出库任务的作业调度。通过所述的编码方式随机生成等同于外部解集容量EC的个体,对其进行解码,并计算个体的适应度。将所有个体存入外部解集并进行非支配排序,随机选择当前外部解集中的一个非支配解作为攻击者,从外部解集中随机选择一个支配解作为防御者。
Step2,对防御者进行训练和再训练;
个体编码的每一位视为个体的某一特征,编码每一位的实数值视为个体该特征的特征值;在该阶段,攻击者将自身的有效特征随机复制给防御者,从而生成新防御者。新防御者的生成个数Ntrain计算方式如下:
Ntrain=round(α×Nvalid).
式中,α为设定的比例参数,Nvalid为有效特征总数。如果生成的新防御者不被现有的防御者支配,则将生成的防御者临时存入外部解集中,如果生成的新防御者支配现有的防御者,则使用新的防御者取代原有防御者。
Step3,攻击者随机选择技术手段对防御者发起攻击;
攻击者从投合、调虎离山、网络钓鱼、伪装四种攻击手段中随机选择,对防御者发起攻击,产生新的防御者,不同攻击方式产生的防御者数量不同。该阶段需要输入的参数为β。四种攻击手段产生新防御者defnew的生成如下:
(1)投合
Figure BDA0003953971290000071
(2)网络钓鱼
Figure BDA0003953971290000072
Figure BDA0003953971290000073
(3)调虎离山
Figure BDA0003953971290000074
(4)伪装
Figure BDA0003953971290000075
式中,rand为[0,1]范围内的随机实数,att表示攻击者,defold表示原有的防御者。
Step4,防御者响应攻击,生成新的防御者;
防御者依据Step3攻击者所选择的攻击手段进行响应,生成新的防御者。如果生成的新防御者不被现有的防御者支配,则将生成的防御者临时存入外部解集中,如果生成的新防御者支配现有的防御者,则使用新的防御者取代原有防御者。
Step5,判断攻击次数是否满足条件,如未满足条件则转到Step3,如满足条件则进入St ep6;
Step6,从现有攻击者与防御者中选择一个作为新的攻击者,随机生成一个新的防御者;
计算现有攻击者与防御者的适应度,如果防御者支配攻击者,则将攻击者与防御者进行互换,如果防御者与攻击者互为非支配关系,则使用熵权法对两者进行评估,选择正向变化幅度较大的个体为新的攻击者。对外部解集进行拥挤度排序,保留前EC位个体,从外部解集的支配解中随机选取一个新防御者取代原有防御者。
Step7,判断是否满足中止条件,如不满足则转到Step2,满足则转到Step8;
Step8,对外部解集进行非支配排序,输出最优解集,算法中止。
下面通过一个具体案例,对本实例中的方法加以说明:
问题设置如下:以10列、10层,单巷道左右两排货架为研究对象,相邻货位水平方向间距w=2.5m,垂直方向间距h=1.2m,堆垛机水平方向最大速度vhor=1.0m/s,加速度ahor=0.4m/s2,垂直方向最大速度vver=0.5m/s,加速度aver=0.5m/s2,堆垛机货叉完成进出叉动作所需时间tio=5s。堆垛机与轨道之间的摩擦系数μ=0.1,重力加速度g=10。算例采取随机生成的方式:随机在单巷道左右两排货架上各生成60个货物,表示已在库中货物,且货物分为4类,分别为A、B、C、D,所对应的重量为800kg、600kg、400kg、200kg。立体仓库中单载具堆垛机全程采取双指令周期作业,即令出库指令数量n等于入库指令数量m。设当前入库规模为20,将其平均分为A~D四类货物作为入库任务,出库任务则从已在库货物中随机选取。
算法参数设置:取比例因子α=0.5,β=6/π,最大迭代次数Iterations=1000。
下表为本方法所求得的Pareto解集。
Figure BDA0003953971290000081
以上结合附图对本发明的具体实施方式进行详细说明,但是本发明并不限于上述实施方式,在本领域技术人员具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (2)

1.一种立体仓库货位分配及作业调度多目标集成优化方法,其特征在于:首先,建立入库任务货位分配以及出库任务作业调度同时进行决策的多目标集成优化问题模型;其次,构建求解该问题模型的仿真优化框架;最后,设计多目标社会工程算法进行求解;其中,优化问题模型根据所输入的立体仓库参数建立,问题模型描述如下:
以堆垛机完成一系列指令行程及作业时间最短为原则,建立第一目标函数:
Figure FDA0003953971280000011
式中,F1表示堆垛机完成一系列指令的时间之和;i∈{1,2,...,I},表示双指令任务索引,I表示双指令任务总数;TDCi表示堆垛机完成第i个双指令任务所需的时间;
以堆垛机完成一系列指令行程所产生能耗最少为原则,建立第二目标函数:
Figure FDA0003953971280000012
式中,F2表示堆垛机完成一系列指令产生的能耗之和;i∈{1,2,...,I},表示双指令任务索引,I表示双指令任务总数;
Figure FDA0003953971280000013
表示第i个双指令作业任务水平运动功耗;/>
Figure FDA0003953971280000014
表示第i个双指令作业任务垂直运动功耗;
以提高货架稳定性为原则建立第三目标函数:
Figure FDA0003953971280000015
式中,F3表示货架等效重心与几何重心的偏差之和;x∈{1,2,...,X},表示货架索引,X表示货架总数;
Figure FDA0003953971280000016
表示第x排货架的水平等效重心;w表示货架单个货位的宽度;/>
Figure FDA0003953971280000017
表示第x排货架的垂直等效重心;
同时,问题模型还需满足如下约束条件:
Figure FDA0003953971280000018
式中,pi表示第i个双指令中的入库指令可以选择的货位;/>
Figure FDA0003953971280000019
表示第i个双指令作业的入库指令可选货位集合;/>
Figure FDA00039539712800000110
为决策变量,表示是否选择货位pi作为第i个双指令中入库指令的目标货位;该式确保每个双指令中的入库指令需要选择且只能选择一个符合入库条件的库位;
Figure FDA0003953971280000021
式中,qi表示第i个双指令中的出库指令可以选择的货位;/>
Figure FDA0003953971280000022
表示第i个双指令作业的出库指令可选货位集合;/>
Figure FDA0003953971280000023
为决策变量,表示是否选择货位qi作为第i个双指令中出库指令的目标货位;该式确保每个双指令中的出库指令需要选择且只能选择一个符合出库条件的库位;
Figure FDA0003953971280000024
式中,x∈{1,2,...,X},表示货架索引,X为货架总数;y∈{1,2,...,Y},表示单个货架列索引,Y为单个货架总列数;z∈{1,2,...,Z},表示单个货架层索引,Z为单个货架总层数;Dx,y,z表示位于第x排货架第y列第z层的货位存放的货物数量;该式确保每个货位最多只能存储一个货物;
所述用于求解问题模型构建的仿真优化框架,具体描述为:采用面向对象的离散事件仿真构建立体仓库货位分配及作业调度多目标集成优化模型,以多目标社会工程算法作为优化算法,结合仿真模型集成构建模型仿真优化框架;框架由控制模型、优化算法以及仿真模型三个模块构成;系统开始运行时控制模型模块输入参数,将立体仓库的货架参数、堆垛机参数、库中货物、出入库任务以及算法参数等相关信息分别传递给仿真模型模块以及优化算法模块进行算法参数设置和模型参数设置,优化算法模块和仿真模型模块根据输入参数进行算法建模以及仿真建模;算法运行后优化算法模块进行个体生成,将个体编码传递给控制模型模块进行解码,控制模型模块分配方案给仿真模型模块运行仿真,仿真结束后将方案结果返回给优化算法模块进行性能评估;优化算法模块判断是否满足中止条件:若否,则进行算法操作并将个体编码继续传递给控制模型模块解码;若是,则输出结果,得出最优方案集合供仓库管理人员选择。
2.根据权利要求1所述的立体仓库货位分配及作业调度多目标集成优化方法,其特征在于:所述多目标社会工程算法具体描述为:
Step1,依据输入参数生成攻击者和防御者;
Step2,对防御者进行训练和再训练;
Step3,攻击者随机选择技术手段对防御者发起攻击;
Step4,防御者响应攻击,生成新的防御者;
Step5,判断攻击次数是否满足条件,如未满足条件则转到Step3,如满足条件则进入Step6;
Step6,从现有攻击者与防御者中选择一个作为新的攻击者,随机生成一个新的防御者;Step7,判断是否满足中止条件,如不满足则转到Step2,满足则转到Step8;
Step8,对外部解集进行非支配排序,输出最优解集,算法中止。
CN202211461336.9A 2022-11-21 2022-11-21 一种立体仓库货位分配及作业调度的多目标集成优化方法 Pending CN115859785A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211461336.9A CN115859785A (zh) 2022-11-21 2022-11-21 一种立体仓库货位分配及作业调度的多目标集成优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211461336.9A CN115859785A (zh) 2022-11-21 2022-11-21 一种立体仓库货位分配及作业调度的多目标集成优化方法

Publications (1)

Publication Number Publication Date
CN115859785A true CN115859785A (zh) 2023-03-28

Family

ID=85664625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211461336.9A Pending CN115859785A (zh) 2022-11-21 2022-11-21 一种立体仓库货位分配及作业调度的多目标集成优化方法

Country Status (1)

Country Link
CN (1) CN115859785A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116823124A (zh) * 2023-08-30 2023-09-29 四川普鑫物流自动化设备工程有限公司 一种集中式多层货架四向车调度系统及方法
CN116873431A (zh) * 2023-07-07 2023-10-13 湘南学院 一种基于岩板智能仓库的多重载agv储运方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116873431A (zh) * 2023-07-07 2023-10-13 湘南学院 一种基于岩板智能仓库的多重载agv储运方法
CN116873431B (zh) * 2023-07-07 2024-02-06 湘南学院 一种基于岩板智能仓库的多重载agv储运方法
CN116823124A (zh) * 2023-08-30 2023-09-29 四川普鑫物流自动化设备工程有限公司 一种集中式多层货架四向车调度系统及方法
CN116823124B (zh) * 2023-08-30 2023-11-24 四川普鑫物流自动化设备工程有限公司 一种集中式多层货架四向车调度系统及方法

Similar Documents

Publication Publication Date Title
CN115859785A (zh) 一种立体仓库货位分配及作业调度的多目标集成优化方法
CN107480922B (zh) 两端式同轨双车运行模式下货位分配调度模型建立方法
CN110909930B (zh) 一种面向冷库的移动式货架仓储系统货位分配方法
CN106779153B (zh) 一种智能立体仓库货位分配优化方法
CN105787595B (zh) 一种基于改进蚁群算法的应急物流中转站选址方法
CN113222293B (zh) 一种智能立体仓库优化调度方法
CN109800904B (zh) 带时间窗的装配式建筑预制件配送路径优化方法及系统
CN109886478A (zh) 一种成品酒自动化立体仓库的货位优化方法
CN101504795B (zh) 应用于立体车库车位调度的dsp控制系统的工作方法
CN105629927A (zh) 一种基于混合遗传算法的mes生产计划排产方法
CN106651086B (zh) 一种考虑组装工艺的自动化立体仓库调度方法
CN104331749A (zh) 基于模拟退火粒子群的agv优化调度方法
CN109677830A (zh) 一种四向穿梭车式密集仓储系统资源配置优化方法
CN109081030A (zh) 一种子母穿梭车式密集仓储系统的配置优化方法
CN101231720A (zh) 基于遗传算法的企业过程模型多目标参数优化方法
CN101901426A (zh) 一种基于蚁群算法的动态滚动调度方法
CN116702633B (zh) 一种基于多目标动态优化的异构弹群任务可靠性规划方法
CN111626516A (zh) 考虑倒货策略的双深位四向穿梭车系统订单排序优化方法
Shang et al. Production scheduling optimization method based on hybrid particle swarm optimization algorithm
CN113627712A (zh) 一种仓储系统穿梭车作业顺序优化方法
CN112561448B (zh) 基于改进遗传算法的多任务下堆垛机调度算法
CN117875800A (zh) 一种隧道低碳施工机械调度方法、装置、终端和存储介质
Chenyang et al. Improved simulated annealing algorithm for flexible job shop scheduling problems
CN106934501B (zh) 基于组合反向粒子群优化的机器人巡检路径规划方法
CN113904343B (zh) 一种大规模储能集群系统的双层频率控制系统

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