CN116402185A - 基于aga多目标液压泵装配车间立体仓库货位分配优化方法 - Google Patents
基于aga多目标液压泵装配车间立体仓库货位分配优化方法 Download PDFInfo
- Publication number
- CN116402185A CN116402185A CN202310101580.2A CN202310101580A CN116402185A CN 116402185 A CN116402185 A CN 116402185A CN 202310101580 A CN202310101580 A CN 202310101580A CN 116402185 A CN116402185 A CN 116402185A
- Authority
- CN
- China
- Prior art keywords
- warehouse
- bits
- goods
- aga
- objective
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 28
- 210000000349 chromosome Anatomy 0.000 claims abstract description 12
- 230000035772 mutation Effects 0.000 claims abstract description 10
- 238000003860 storage Methods 0.000 claims abstract description 10
- 238000009826 distribution Methods 0.000 claims abstract description 6
- 230000014759 maintenance of location Effects 0.000 claims abstract description 5
- 230000007306 turnover Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 7
- 108090000623 proteins and genes Proteins 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 5
- 241000531116 Blitum bonus-henricus Species 0.000 claims description 2
- 235000008645 Chenopodium bonus henricus Nutrition 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种基于AGA多目标液压泵装配车间立体仓库货位分配优化方法,该方法包括,根据仓库货架布局信息建立三维坐标,对仓库中的每个货位进行编号;采用货位编号一一排列组合的二进制染色体编码方式,通过限制算子初始化种群,确保种群的每个个体具备可行性;以出入库效率、货架稳定、同型号物料相邻存储为优化目标,构建液压泵装配车间立体仓库多目标货位分配优化模型;在迭代中采用Sigmoid函数对交叉概率和变异概率进行自适应调整;在交叉和变异后加入精英保留策略,生成优秀种群;针对改进的AGA的多目标仓库货位分配优化方法与AGA算法进行对比,本发明的有益效果:本发明在算法运行速度、全局搜索能力和收敛性有较大提升。
Description
技术领域
本发明涉及智能化物流技术领域,具体是一种基于AGA多目标液压泵装配车间立体仓库货位分配优化方法。
背景技术
目前,液压泵装配车间立体仓库在进行货位入库时,没有对物料的出入库频率和同一物料编码下的批次的多少做分析,随机为要入库的物料分配货位,这会导致出入库频率大的物料可能会放到远离出入库口的货位上,出入库频率小的物料可能会放到靠近出入库口的货位上,降低了物料的出入库效率。随机分配货位,对于相同型号的物料,被分散的存储在距离较远的货位上,当生产某型号的液压泵时,被分散的物料需要耗费较多的出库时间,作为液压泵装配车间的生产源头,出入库效率低下,也降低了整个装配车间的生产效率。随机的分配货位,重的物料可能被放在了货架的上层,轻的物料可能被放在了下层,这会导致货架的稳定性比较差,当物料的总重量超过了货架的承重极限时,会发生坍塌,对仓库造成经济损失和影响仓库的正常作业。通过对以上问题的分析,对于要入库的物料的存储货位进行合理的分配优化显得极其重要。
发明内容
本发明的目的在于提供一种基于AGA多目标液压泵装配车间立体仓库货位分配优化方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于AGA多目标液压泵装配车间立体仓库货位分配优化方法,包括以下步骤:
步骤1:建立三维坐标,对货位进行坐标编号;
步骤2:将待优化物料的货位一一排列,组合成染色体,对染色体进行二进制编码;
步骤3:以出入库时间、货架稳定、同型号物料相邻存储为优化目标,构建多目标货位
分配优化模型;
步骤4:采用Sigmoid函数对交叉概率和变异概率进行自适应调整;
步骤5:采用精英保留策略,使经过交叉和变异后,筛选出优秀个体组合成优秀的种群。
进一步的,在步骤1中,对仓库建立三维坐标系,以仓库离出口最近的一排货架记为第一排,最近的一列记为第一列,货架的最底层记为第一层,所以,第x排第y列第z层库位对应的三维坐标为(x,y,z),(x=1,2,…,a;y=1,2,...,b;z=1,2,…c),a,b,c分别是货架的总排数,总列数,总层数。
进一步的,在步骤2中,对于货架的排,用4位二进制数表示,同时这4位也表示为坐标x;对于货架的列,用6位二进制数表示,这6位表示坐标y;对于货架的层,用三位二进制数表示,这3位表示坐标z;一个货位一共有13位二进制数。N种物料,生成popsize个个体,每条染色体包含(13)*N个基因,每一条染色体对应一种货位分配方案;货位编号包括13位二进制数,依次代表货品储存货位的排数、列数和层数。
进一步的,在步骤3中,对于出入库时间、货架稳定、同型号物料相邻存储为优化目标构建的目标函数以及约束条件如下:
出入库时间:
产品的周转率pi表示产品在仓库单位时间内的周转次数,周转率越高的产品在仓库中流动就越快,库存占用资金就越少,因此将高周转率的产品放在距离仓库出口较近的货位上,将低周转率的产品放置在距离仓库出口较远的货位上,将全部待入库货物的出入库周转率与搬运货物到收发料台时间的乘积之和最小化作为目标,从而得到第一个优化目标函数为:
货架稳定性函数:
同型号物料相邻函数:
约束条件:
且x,y,z均为正整数,其中,货位坐标(x,y,z)表示位于第x排y列z层的货位;pi是物料i的周转率,mi是物料i的质量,a、b、c为仓库货架规模,分别表示货架总行数、总列数、总层数,L1,L2,L3分别是货架储物货位的长、宽、高,L0是货架之间的距离,vx,vy,是料箱机器人沿x、y方向的平均移动速度;vz料箱机器人的货叉沿z方向的平均移动速度,第i类物料放在n个货位上,物料的中心坐标为Ri(i=1,2,…,N),则Ri的表达式为:
进一步的,利用权重系数法将多目标优化问题转换为单目标的优化问题,将每个目标函数都乘以一个权重系数ωi(i=1,2,...,n),将乘以权重后的每个目标函数都相加得到一个综合的效用函数,对于第i个目标函数fi(x,y,z),用ωi表示它的权重,那么多目标优化模型可以转化成单目标模型,如下所示:
根据上文提出的三个优化目标建立多目标货位分配优化模型,由于各目标函数在迭代时呈现递减的趋势,利用权重系数法转化成单目标优化模型如下:
F=ω1F1+ω2F2+ω3F3
其中,ω1、ω2、ω3位权重系数,ω1+ω2+ω3=1,ω1、ω2、ω3取值范围为[0,1],F1,F2,F3为上述建立的多目标优化公式中的每一个目标函数。
进一步的,在步骤4中,采用Sigmoid函数的自适应交叉变异算子如下:
其中pc,Pm分别是个体的交叉概率和变异概率,pcmax,pcmin分别指最大的交叉概率和最小的交叉概率,pmmax,Pmmin分别指最大的交叉概率和最小的交叉概率;u为相似的系数,与种群的平均适应度值和标准差有关系,u的计算公式如下:
其中S是所有个体的适应度值的标准差,E是所有个体适应度的均值,E和S的计算公式如下所示:
其中,N为种群的大小,Fiti为第i个个体的适应度。
进一步的,在步骤5中,所述限制算子遍历种群中的每一个个体,对每一个个体,有个体的编码规律,即每13位代表一个货位,每13位的前4位代表排数,即自变量x,中间6位代表列数,即自变量y,最后三位代表列数,同时也代表自变量z;对染色体中的第一个13位,将4位,6位,3位通过十进制转换,形成自变量x,y,z并对其进行判断,当x≤1时,根据约束(1),中间的6位即y不能超过最大列数b-6列,检测中间的6位是否超过c-6,如果超过,则将其赋值为约束范围内的值,不超过则保持不变;当x>1且x≤7时,根据约束(2),y不能超过最大的列数b,检测中间的6位是否超过,如果超过,则赋值为约束范围内的值;当x≥6且x<8时,根据约束(3),y不能超过最大的列数b,检测中间的6位是否超过,如果超过,则赋值为约束范围内的值;z不能超过c-1,检测最后三位是否超过,如果超过,则赋值为约束范围内的值;当x=8时,根据约束(4),y不能超过最大的列数b-2,检测中间的6位是否超过,如果超过,则赋值为约束范围内的值;z不能超过c-1,检测最后三位是否超过,如果超过,则赋值为约束范围内的值。由编码规则,货架的列数和层数不能等于零,最后,还要判断y和z是否等于0,如果等于零,则将它们赋值为约束范围内的值。
进一步的,在步骤6中,所述经营保留策略如下:在进行了遗传算子操作后,采用将父代与子代个体再次组合在一起,通过对父代和子代的每个个体进行适应度计算,并依据适应度值的大小对组合的种群的个体进行排序,筛选出较适应度值较大的个体,保留了较好的基因。
与现有技术相比,本发明的有益效果是:货位分配要满足考虑出入库效率优先原则、同类产品相邻原则和货架稳定性三个原则,将周转率较高的物料放在距离出口较近的货架上,能够提高成品出入库效率;
采用精英保留策略,将父代和子代种群组合在一起,通过对父代和子代的每个个体进行适应度计算,并依据适应度值的大小对组合的种群的个体进行排序,筛选出较适应度值较大的popsize个个体组成新种群进行遗传进化;
在全局搜索能力上,与AGA算法相比,改进的AGA算法求解的综合目标函数值,即将多目标函数转化成单目标后的综合目标函数值,降低了28.66%。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明优化方法流程图;
图2为本发明染色体编码;
图3为本发明交叉操作示意图;
图4为本发明变异操作示意图;
图5为本发明改进AGA与AGA最优解集对比。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-5,本发明实施例中,基于AGA的多目标液压泵装配车间立体仓库货位分配优化方法流程图如图1所示,包括以下步骤:
步骤1:建立三维坐标,定义货架上货位编号与三维坐标的映射关系;
步骤2:对染色体进行编码,如图2所示,初始化种群,并利用限制算子将种群引导向优化方向进化
步骤3:计算个体适应度值,将多目标函数转化成单目标函数后加1取倒数作为适应度函数,适应度函数如下,
货位分配要满足考虑出入库效率优先原则、同类产品相邻原则和货架稳定性三个原则,将周转率较高的物料放在距离出口较近的货架上,能够提高成品出入库效率,因此,在入库模型中,设置考虑出入库效率优先原则的权重均大于货架稳定性原则和同型号物料相邻原则的权重,ω1,ω2,ω3的值分别设置为0.5,0.2,0.3;
步骤4:选择操作:采用轮盘赌进行选择最优个体组成新种群;
步骤5:生成一个(0,1)之间的随机数,判断是否满足自适应调整策略的交叉算子,若满足则转至步骤6,否则转至步骤7,交叉算子如下:
步骤6:交叉操作:在个体的编码串中随机设置一个交叉点,在这个点相互交换两个配对个体的部分基因。单点交叉的操作示例如图3所示;
步骤7:生成一个(0,1)之间的随机数,判断是否满足自适应调整策略的变异算子,若满足则转至步骤8,否则转至步骤9,变异算子如下:
步骤8:变异操作:在个体的编码串中随机设置一个变异点,在这个点相互交换两个配对个体的部分基因,单点变异的操作示例如图4所示,
步骤9:利用限制算子,将进行过遗传算子产生的新种群个体进行约束校对;
步骤10:采用精英保留策略,将父代和子代种群组合在一起,通过对父代和子代的每个个体进行适应度计算,并依据适应度值的大小对组合的种群的个体进行排序,筛选出较适应度值较大的popsize个个体组成新种群进行遗传进化;
步骤11:判断是否达到终止条件,满足则结束,否则返回步骤3。
为了验证本发明提出的多目标货位优化模型的有效性,算法的参数设计如表1所示
表1算法的基本参数设计
本发明所用的10种物料的测试实例如表2所示
表2物料信息
表2(续)物料信息
通过对比本发明改进的AGA算法与传统的AGA算法的全局搜索性能和收敛性能来验证本发明改进的AGA算法的性能:
对各个目标函数和综合目标函数的优化效率计算结果如表3所示。
在全局搜索能力上:与AGA算法相比,改进的AGA算法求解的综合目标函数值,即将多目标函数转化成单目标后的综合目标函数值,降低了28.66%;
表3各目标及综合目标函数对比结果
在收敛性能上:图5是本发明与传统AGA的收敛性对比图,由可知,改进的AGA在25代左右就已经接近全局最优解,而AGA则在60代左右达到收敛,本发明有效的提高了算法的收敛速度。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.基于AGA多目标液压泵装配车间立体仓库货位分配优化方法,其特征在于,包括以下步骤:
步骤1:建立三维坐标,对货位进行坐标编号;
步骤2:将待优化物料的货位一一排列,组合成染色体,对染色体进行二进制编码;
步骤3:以出入库时间、货架稳定、同型号物料相邻存储为优化目标,构建多目标货位分配优化模型;
步骤4:采用Sigmoid函数对交叉概率和变异概率进行自适应调整;
步骤5:采用精英保留策略,使经过交叉和变异后,筛选出优秀个体组合成优秀的种群。
2.根据权利要求1所述的基于AGA多目标液压泵装配车间立体仓库货位分配优化方法,其特征在于:在步骤1中,对仓库建立三维坐标系,以仓库离出口最近的一排货架记为第一排,最近的一列记为第一列,货架的最底层记为第一层,所以,第x排第y列第z层库位对应的三维坐标为(x,y,z),(x=1,2,…,a;y=1,2,...,b;z=1,2,…c),a,b,c分别是货架的总排数,总列数,总层数。
3.根据权利要求1所述的基于AGA多目标液压泵装配车间立体仓库货位分配优化方法,其特征在于:在步骤2中,对于货架的排,用4位二进制数表示,同时这4位也表示为坐标x;对于货架的列,用6位二进制数表示,这6位表示坐标y;对于货架的层,用三位二进制数表示,这3位表示坐标z;一个货位一共有13位二进制数。设N种物料,生成popsize个个体,每条染色体包含(13)*N个基因,每一条染色体对应一种货位分配方案;货位编号包括13位二进制数,依次代表货品储存货位的排数、列数和层数。
4.根据权利要求1所述的基于AGA多目标液压泵装配车间立体仓库货位分配优化方法,其特征在于:在步骤3中,对于出入库时间、货架稳定、同型号物料相邻存储为优化目标构建的目标函数以及约束条件如下:
出入库时间:
产品的周转率pi表示产品在仓库单位时间内的周转次数,周转率越高的产品在仓库中流动就越快,库存占用资金就越少,因此将高周转率的产品放在距离仓库出口较近的货位上,将低周转率的产品放置在距离仓库出口较远的货位上,将全部待入库货物的出入库周转率与搬运货物到收发料台时间的乘积之和最小化作为目标,从而得到第一个优化目标函数为:
货架稳定性函数:
同型号物料相邻函数:
约束条件:
5.根据权利要求4所述的基于AGA多目标液压泵装配车间立体仓库货位分配优化方法,其特征在于:利用权重系数法将多目标优化问题转换为单目标的优化问题,利用权重系数法转换来的单目标优化模型如下:
F=ω1F1+ω2F2+ω3F3
其中,ω1、ω2、ω3位权重系数,ω1+ω2+ω3=1,ω1、ω2、ω3取值范围为[0,1],F1,F2,F3为上述建立的多目标优化公式中的每一个目标函数。
7.根据权利要求1所述的基于AGA多目标液压泵装配车间立体仓库货位分配优化方法,其特征在于:在步骤5中,所述限制算子遍历种群中的每一个个体,对每一个个体,有个体的编码规律,即每13位代表一个货位,每13位的前4位代表排数,即自变量x,中间6位代表列数,即自变量y,最后三位代表列数,同时也代表自变量z;对染色体中的第一个13位,将4位,6位,3位通过十进制转换,形成自变量x,y,z并对其进行判断,当x≤1时,根据约束(1),中间的6位即y不能超过最大列数b-6列,检测中间的6位是否超过c-6,如果超过,则将其赋值为约束范围内的值,不超过则保持不变;当x>1且x≤7时,根据约束(2),y不能超过最大的列数b,检测中间的6位是否超过,如果超过,则赋值为约束范围内的值;当x≥6且x<8时,根据约束(3),y不能超过最大的列数b,检测中间的6位是否超过,如果超过,则赋值为约束范围内的值;z不能超过c-1,检测最后三位是否超过,如果超过,则赋值为约束范围内的值;当x=8时,根据约束(4),y不能超过最大的列数b-2,检测中间的6位是否超过,如果超过,则赋值为约束范围内的值;z不能超过c-1,检测最后三位是否超过,如果超过,则赋值为约束范围内的值。由编码规则,货架的列数和层数不能等于零,最后,还要判断y和z是否等于0,如果等于零,则将它们赋值为约束范围内的值。
8.根据权利要求1所述的基于AGA多目标液压泵装配车间立体仓库货位分配优化方法,其特征在于:在步骤6中,所述经营保留策略如下:在进行了遗传算子操作后,采用将父代与子代个体再次组合在一起,通过对父代和子代的每个个体进行适应度计算,并依据适应度值的大小对组合的种群的个体进行排序,筛选出较适应度值较大的个体,保留了较好的基因。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310101580.2A CN116402185A (zh) | 2023-02-01 | 2023-02-01 | 基于aga多目标液压泵装配车间立体仓库货位分配优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310101580.2A CN116402185A (zh) | 2023-02-01 | 2023-02-01 | 基于aga多目标液压泵装配车间立体仓库货位分配优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116402185A true CN116402185A (zh) | 2023-07-07 |
Family
ID=87013013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310101580.2A Pending CN116402185A (zh) | 2023-02-01 | 2023-02-01 | 基于aga多目标液压泵装配车间立体仓库货位分配优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116402185A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579721A (zh) * | 2023-07-14 | 2023-08-11 | 中油管道物资装备有限公司 | 仓储货位优化方法、装置、电子设备及存储介质 |
CN117875680A (zh) * | 2024-03-13 | 2024-04-12 | 南京理工大学 | 一种基于工艺原子模型的液压泵生产流程柔性管控方法 |
-
2023
- 2023-02-01 CN CN202310101580.2A patent/CN116402185A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579721A (zh) * | 2023-07-14 | 2023-08-11 | 中油管道物资装备有限公司 | 仓储货位优化方法、装置、电子设备及存储介质 |
CN116579721B (zh) * | 2023-07-14 | 2023-09-19 | 中油管道物资装备有限公司 | 仓储货位优化方法、装置、电子设备及存储介质 |
CN117875680A (zh) * | 2024-03-13 | 2024-04-12 | 南京理工大学 | 一种基于工艺原子模型的液压泵生产流程柔性管控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116402185A (zh) | 基于aga多目标液压泵装配车间立体仓库货位分配优化方法 | |
CN114417696B (zh) | 一种基于遗传算法的自动化立体仓库货位分配优化方法 | |
CN109886478B (zh) | 一种成品酒自动化立体仓库的货位优化方法 | |
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 | |
CN108550007B (zh) | 一种制药企业自动化立体仓库的货位优化方法及系统 | |
CN107808215B (zh) | 一种应用于Flying-V型非传统布局仓库的货位分配优化方法 | |
CN103473616B (zh) | 用于处理多品种物资仓储的动态货位分配规划方法与系统 | |
CN110807559B (zh) | 一种订单分批和拣货路径联合优化方法 | |
CN110991754B (zh) | 一种基于变邻域nsga-ⅱ算法的多目标货位优化方法 | |
CN106779153A (zh) | 一种智能立体仓库货位分配优化方法 | |
CN104063778A (zh) | 一种在立体货仓中为货物分配货位的方法 | |
CN101968860A (zh) | 订单拣选方法及系统 | |
CN107944616A (zh) | 一种鱼骨型立体仓库的货位分配方法 | |
CN109165778A (zh) | 应用于长物料存储的悬臂梁式立体仓库货位分配方法 | |
CN113570025B (zh) | 一种基于离散粒子群算法的电商仓储中心货位分配方法 | |
CN113222410A (zh) | 双向式布局模式下货位分配模型建立方法 | |
CN112580852A (zh) | 一种面向电力物资的密集型自动化立体仓库货位优化方法 | |
CN113408771B (zh) | 物品出库调度方法、装置以及存储介质 | |
CN115303689A (zh) | 一种多巷道立体仓库货位分配优化方法 | |
CN114841583A (zh) | 智能化仓库货位调配优化方法 | |
CN109190806A (zh) | 一种面向仓储的板材零部件动态货位优化方法 | |
CN115423404B (zh) | 一种电商仓库拣选区自动化分区方法及系统 | |
CN116342039A (zh) | 一种立体仓库的货物分配和拣选的优化方法 | |
Liang et al. | A hybrid meta-heuristic for the container loading problem | |
CN113673817A (zh) | 一种复杂供应链网络系统架构建模与适应性评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |