CN113537841A - 一种考虑客户满意度的堆场起重机调度优化方法 - Google Patents
一种考虑客户满意度的堆场起重机调度优化方法 Download PDFInfo
- Publication number
- CN113537841A CN113537841A CN202111053151.XA CN202111053151A CN113537841A CN 113537841 A CN113537841 A CN 113537841A CN 202111053151 A CN202111053151 A CN 202111053151A CN 113537841 A CN113537841 A CN 113537841A
- Authority
- CN
- China
- Prior art keywords
- customer satisfaction
- customer
- dragonfly
- yard
- goods
- 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
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种考虑客户满意度的堆场起重机调度优化方法。本方法将客户满意度指标引入堆场起重机调度中,建立融合客户满意度因子的堆场起重机调度优化数学模型,采用改进型蜻蜓算法(Improved dragonfly algorithm,IDA)对该模型进行求解。针对标准蜻蜓算法存在收敛效率低,求解质量差的不足,引入多婚配策略以增加优良基因的遗传概率,从而改善子代个体的质量;基于高斯算子对邻域半径进行更新,有效平衡算法的局部开发与全局探索能力,提高了最优解或次优解被发现的机会。本发明进一步提高了企业的经济效益和堆场起重机的智能化水平,具有很好的推广价值和市场前景。
Description
技术领域
本发明属于智慧堆场领域,更进一步涉及一种考虑客户满意度的堆场起重机调度优化方法。
背景技术
“客户至上”理念已逐步深入到企业文化中,让客户满意自然就成了企业追求的目标。在堆场仓储中,就道理而言,以最高效率将客户订单拣选出库应该能达到客户满意,然而,在现实大多堆场客户订单拣选作业中却忽视了客户等级,即堆场订单的拣选次序未依据客户等级进行确定,致使客户满意度下降,进而造成客户一定程度的流失。因而,寻求一种考虑客户满意度的堆场起重机调度优化方法不仅有助于提高作业效率、改善客户体验,维护及吸引客源,而且对企业改善经营策略有较好的示范作用。
迄今为止,关于起重机的调度优化问题,学者关注较多的仍是拣选路径优化,较少或未考虑客户等级等因素,因而很难满足实际应用场景。比如:Heshmati et al. (Crane-operated warehouses: Integrating location assignment and crane scheduling,Computers & Industrial Engineering, 2019)从货位分配与货物拣选次序两方面对起重机进行调度优化,并用爬山算法进行求解;李等(智能起重机货物装卸顺序优化与自动生成技术,机械工程学报,2020)通过最短搬运距离启发式规则对货物候选集进行选择以优化货物装卸顺序。
蜻蜓算法(dragonfly algorithm, DA)是由澳大利亚学者Seyedali Mirjalili于2015年基于蜻蜓的社会学行为提出的一种新型仿生群智能优化算法,该算法通过模拟蜻蜓群体避撞、结伴、聚集、觅食和避敌5种行为进行全局和局部搜索。该算法具有参数少、易于实现等优点,但仍有收敛效率低,求解质量差的不足,为此,本发明采用改进型蜻蜓算法对考虑客户满意度的堆场起重机调度优化问题进行求解。发明内容
鉴于以上分析,为克服背景技术中的不足,本发明的目的在于公开一种考虑客户满意度的堆场起重机调度优化方法,以提高作业效率和经济效益。
为达到上述目的,本发明采用如下技术方案:
一种考虑客户满意度的堆场起重机调度优化方法,包括如下步骤:
(1)在考虑客户满意度的情况下,对堆场存在的约束及要优化的目标进行分析,建立考虑客户满意度带约束的堆场起重机调度优化数学模型;
(3-1)将蜻蜓个体解码为可行的堆场货物拣选次序;
(3-2)基于步骤(1)建立的数学模型计算每个蜻蜓个体适应度;
(3-3)更新食物和天敌位置;
(3-4-4)更新食物和天敌位置;
优选的,所述步骤(1)中,待优化的目标为完成所有客户订单的拣选客户满意度最高,约束条件为堆场起重机吊钩数量有限以及同货位上的货物拣选次序,同时,将客户满意度因子与客户等级进行了关联,即客户满意度因子与客户等级呈正比关系,其数学模型定义如下:
s.t.
其中,式(1)为目标函数即失望度水平;式(2)至式(6)为各种约束条件,具体为:式
(2)表示第个货物只能由一台起重机负责拣选;式(3)限定起重机所吊装货物的数量不能
超过自身吊钩数量;式(4)要求起重机须完成所有拣选任务;式(5)限制起重机拣选的货物
必须位于所在货位的最顶层;式(6)和式(7)为决策变量的二进制值域约束;
O表示待拣选的客户订单集合;表示起重机完成所有客户订单拣选任务的路径集
合;表示子路径;表示起重机拣选第个货物(其坐标为())所需花费的时间(),由式(8)表示;表示货物是否属于子路径,在这里,,如果第个货物在第
次拣选中完成,则=1,否则=0;表示子路径中的货物是否位于所在货位的顶层,在
这里,;表示货物所属客户订单等级对应的客户满意度因子。
优选的,所述步骤(3-1)将蜻蜓个体解码为可行的堆场货物拣选次序,本发明对蜻蜓个体采用实数编码,考虑到待拣选的货物编号均为离散值,为此必须对实数编码的蜻蜓个体进行解码用于计算蜻蜓个体的适应度及提供可行的调度解。具体解码过程描述如下:
3个客户订单记为A、B和C,其中:订单A包含4个货物(货物编号:1、2、3和4),其在堆场中的位置坐标分别为P1(3,2,9)、P2(1,15,4)、P3(3,3,6)、P4(2,1,1);订单B包含2个货物(货物编号:5和6),其在堆场中的位置坐标分别为P5(2,1,2)、P6(2,9,9);订单C包含4个货物(货物编号:7、8、9和10),其在堆场中的位置坐标分别为P7(3,3,5)、P8(3,12,6)、P9(2,9,10)、P10(1,15,3)。这里,每个位置中的3个坐标从前到后分别对应货物在堆场的排号、列号以及层高。图2为采用实数编码的某蜻蜓个体,并按升序进行解码。考虑到堆场同一货位上的货物必须按从高到低的顺序进行拣选,因而,图2按升序解码得到的可能是不可行解,必须进行约束处理使其变为可行解。具体约束处理过程为:同一货位上的货物按从高到低的顺序进行拣选,经约束处理后不可行解修正为可行解。
优选的,所述步骤(3-3)中,食物和天敌位置分别对应截止当前代的最优解和最差解。
1a) 避撞行为:
1b) 结伴行为:
1c) 聚集行为:
1d) 觅食行为:
1e) 避敌行为:
2a) 避撞权重:
2b) 结伴权重:
2c) 聚集权重:
2d) 觅食权重:
2e) 避敌权重:
2f) 惯性权重:
优选的,所述步骤(3-4-2)采用高斯算子更新邻域半径。在标准蜻蜓算法中,邻域
半径进行线性更新,考虑到群智能算法在进化过程中有一定的随机性、非线性特征,采用
线性方式进行更新的邻域半径将会导致算法在进化过程中错过最优解或次优解,从而降
低了算法的求解质量和收敛速度。为此,本发明对标准蜻蜓算法中的邻域半径采用高斯算
子进行扰动,使其在线性更新的同时,产生一定的振荡,以增大在邻域内发现最优解或次优
解的机会,从而加快算法的求解效率。改进后的邻域半径更新公式为:
优选的,所述步骤(3-4-3)具体包括:
b)多婚配策略:
婚配是生物繁殖优良下一代一种有效方式,然而在标准蜻蜓算法中,未考虑蜻蜓
的婚配行为,这势必影响算法进化的效果。为此,本发明将婚配行为引入到标准蜻蜓算法
中,为增加优良基因遗传的机会,采用多婚配算子引导婚配过程繁殖优良个体。其原理可描
述为:多个婚配算子均参与婚配,通过比较选出最优子代个体,如果该最优子代个体优于整
个种群的最差个体,则替换,否则保持不变。由此可见,多婚配算子将会增加繁殖优良个体
的几率。当前蜻蜓个体记为:(为待求问题的维数),在邻域半径内随机
选择一个蜻蜓作为婚配的个体,则多婚配策略描述如下:
c)Levy飞行策略:
由于采用如上所述技术方案,本发明具有如下有益效果:
(1)将客户满意度引入堆场起重机调度模型中,可较好地保证等级高的客户订单得到优先拣选,提高了客户服务的精准度。
(2)将高斯算子及多婚配策略引入到标准蜻蜓算法中,兼顾了算法进化过程中搜索的深度和广度,提高了算法的求解精度和收敛速度。
本发明能够有效保证重要客户订单得到及时拣选,提高了客户的满意度,进一步巩固了客户关系,避免客户流失,对于在堆场等相关物流企业落实“以人为本,客户至上”的经营理念,具有较好的示范带动作用。
附图说明
图1 是本发明的流程图;
图2 是本发明升序解码并进行约束处理示意图;
图3 是本发明堆场布局示意图;
图4 是本发明针对优选的实施例各算法求解效果对比;
图5 是本发明针对优选的实施例各算法30次运行结果对比。
具体实施方式
结合附图和优选的实施例对本发明方法做进一步描述。显然,所描述的实施例仅仅是本发明的部分实施例,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的前提下所获得的其他所有实施例,都属于本发明的保护范围。
如图1所示,本发明公开了一种考虑客户满意度的堆场起重机调度优化方法,具体包括以下步骤:
(1)在考虑客户满意度的情况下,对堆场存在的约束及要优化的目标进行分析,建立考虑客户满意度带约束的堆场起重机调度优化数学模型。
本发明待优化的目标为完成所有客户订单的拣选客户满意度最高,约束条件为堆场起重机吊钩数量有限以及同货位上的货物拣选次序,同时,将客户满意度因子与客户等级进行了关联,即客户满意度因子与客户等级呈正比关系,其数学模型定义如下:
s.t.
其中,式(1)为目标函数即失望度水平;式(2)至式(6)为各种约束条件,具体为:式
(2)表示第个货物只能由一台起重机负责拣选;式(3)限定起重机所吊装货物的数量不能
超过自身吊钩数量;式(4)要求起重机须完成所有拣选任务;式(5)限制起重机拣选的货物
必须位于所在货位的最顶层;式(6)和式(7)为决策变量的二进制值域约束;
O表示待拣选的客户订单集合;表示起重机完成所有客户订单拣选任务的路径集
合;表示子路径;表示起重机拣选第个货物(其坐标为())所需花费的时间(),由式(8)表示;表示货物是否属于子路径,在这里,,如果第个货物在第
次拣选中完成,则=1,否则=0;表示子路径中的货物是否位于所在货位的顶层,在
这里,;表示货物所属客户订单等级对应的客户满意度因子。
该步骤具体包括:
(3-1)将蜻蜓个体解码为可行的堆场货物拣选次序;
本发明对蜻蜓个体采用实数编码,考虑到待拣选的货物编号均为离散值,为此必须对实数编码的蜻蜓个体进行解码用于计算蜻蜓个体的适应度及提供可行的调度解。具体解码过程描述如下:
共有3个客户订单记为A、B和C,其中:订单A包含4个货物(货物编号:1、2、3和4),其在堆场中的位置坐标分别为P1(3,2,9)、P2(1,15,4)、P3(3,3,6)、P4(2,1,1);订单B包含2个货物(货物编号:5和6),其在堆场中的位置坐标分别为P5(2,1,2)、P6(2,9,9);订单C包含4个货物(货物编号:7、8、9和10),其在堆场中的位置坐标分别为P7(3,3,5)、P8(3,12,6)、P9(2,9,10)、P10(1,15,3)。这里,每个位置中的3个坐标从前到后分别对应货物在堆场的排号、列号以及层高。图2为采用实数编码的某蜻蜓个体,并按升序进行解码。考虑到堆场同一货位上的货物必须按从高到低的顺序进行拣选,因而,图2按升序解码得到的可能是不可行解,必须进行约束处理使其变为可行解。具体约束处理过程为:同一货位上的货物按从高到低的顺序进行拣选,经约束处理后不可行解修正为可行解。
(3-3)更新食物和天敌位置;
该步骤为现有技术,不再赘述。
1a) 避撞行为:
1b) 结伴行为:
1c) 聚集行为:
1d) 觅食行为:
1e) 避敌行为:
2a) 避撞权重:
2b) 结伴权重:
2c) 聚集权重:
2d) 觅食权重:
2e) 避敌权重:
2f) 惯性权重:
在标准蜻蜓算法中,邻域半径进行线性更新,考虑到群智能算法在进化过程中有
一定的随机性、非线性特征,采用线性方式进行更新的邻域半径将会导致算法在进化过程
中错过最优解或次优解,从而降低了算法的求解质量和收敛速度。为此,本发明对标准蜻蜓
算法中的邻域半径采用高斯算子进行扰动,使其在线性更新的同时,产生一定的振荡,以
增大在邻域内发现最优解或次优解的机会,从而加快算法的求解效率。改进后的邻域半径
更新公式为:
(3-4-4)更新食物和天敌位置;
该步骤为现有技术,不再赘述。
本实施例涉及某堆场仓储考虑客户满意度的堆场起重机调度优化问题,利用本发明求出满足约束条件的最优解或次优解。
(1)问题概况
按照上述技术方案以某堆场仓储为应用背景进行示例说明,图3为其堆场布局示
意图。随机产生30个客户订单进行测试,具体客户订单信息如表1所示,6个客户等级相关的
满意度因子在表2做了说明。堆场起重机小车平均速度、大车平均速度和吊钩升降平均
速度分别为:20m/min、30m/min和12m/min,堆场最大高度30m,以出入堆场缓冲区为坐标
原点P0(0,0,0),堆场有Ka、Kb、Kc、Kd、Ke、Kf 6种物品,只能同种物品叠放,并且同种物品单
独占据一排货位,Ka、Kb、Kc、Kd、Ke、Kf 6种物品从缓冲区开始依次占据一排货位。在同一排
货位中,相邻两列货位的间隔距离以及每种物品的高度如表3所示,堆场中任意相邻两排的
间隔距离均为4m,并且第一排第一列货位与坐标原点水平方向和垂直方向的距离分别为
3m、2.5m。实验在Win10***平台,3.7GHz主频的Intel处理器,4GB内存及Matlab R2014b开
发环境下进行。本发明算法IDA的种群规模、最大进化代数分别为50和600;为了比较
的公平性,标准蜻蜓算法采用与IDA相同的种群规模和最大进化代数,并且IDA的参数, , , , , 也与DA保持相同。针对本实施例各算法分别运行30次,并以最优解、最差解、平
均值及标准差进行统计,为增加区分度,最优值加粗显示。
(2)优化结果对比分析
关于客户满意度的起重机调度优化实施例,图4、图5和表4直观地验证了IDA算法优越的求解性能。在求解效率上,IDA能以较快速度收敛于最优解或次优解;在求解质量上,表4中30次实验的最优解、最差解以及平均值均优于标准DA算法,同时,图5揭示了IDA相对DA其30次求解结果波动较小,这些都充分证明了IDA具有很强的鲁棒性。再则,从表5 IDA算法求出的最优调度方案看,具有较高等级的同一客户所有订单并不是连续拣选完成,主要是因为该客户某些订单的拣选位置没有处于该货位顶层位置,因而需等待其上层订单拣选完毕后方可拣选,但从整体上看,较高等级的客户订单的确做到优先拣选,提高了客户的满意度,对于稳定客源将有很好的促进作用。IDA之所以表现优越,主要得益于以下两点:其一,多婚配策略大大提高了优良基因被遗传给子代的概率,改善了求解质量;其二,基于高斯算子的邻域半径非线性调整机制能够进一步避免标准蜻蜓算法邻域半径线性调整带来的最优解或次优解错失的问题,有助于提高寻优效率和精度。
本发明未详述部分为现有技术,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。
Claims (4)
1.一种考虑客户满意度的堆场起重机调度优化方法,其特征在于如下具体步骤:
(1)在考虑客户满意度的情况下,对堆场存在的约束及要优化的目标进行分析,建立考虑客户满意度带约束的堆场起重机调度优化数学模型;
(3-1)将蜻蜓个体解码为可行的堆场货物拣选次序;
(3-2)基于步骤(1)建立的数学模型计算每个蜻蜓个体适应度;
(3-3)更新食物和天敌位置;
(3-4-4)更新食物和天敌位置;
2.根据权利要求1所述的一种考虑客户满意度的堆场起重机调度优化方法,其特征在
于:所述步骤(1)中,待优化的目标为完成所有客户订单的拣选客户满意度最高,约束条件
为堆场起重机吊钩数量有限以及同货位上的货物拣选次序,同时,将客户满意度因子与客
户等级进行了关联,即客户满意度因子与客户等级呈正比关系,其数学模型定义如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111053151.XA CN113537841B (zh) | 2021-09-09 | 2021-09-09 | 一种考虑客户满意度的堆场起重机调度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111053151.XA CN113537841B (zh) | 2021-09-09 | 2021-09-09 | 一种考虑客户满意度的堆场起重机调度优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113537841A true CN113537841A (zh) | 2021-10-22 |
CN113537841B CN113537841B (zh) | 2021-12-21 |
Family
ID=78093120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111053151.XA Active CN113537841B (zh) | 2021-09-09 | 2021-09-09 | 一种考虑客户满意度的堆场起重机调度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113537841B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962496A (zh) * | 2021-12-21 | 2022-01-21 | 河南科技学院 | 一种堆场双起重机协同作业优化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1106266A2 (de) * | 1999-12-01 | 2001-06-13 | Applimont GmnH Software | Vorrichtung zum versandfertigen Sortieren von Waren |
CN109087698A (zh) * | 2018-07-16 | 2018-12-25 | 合肥工业大学 | 加权完成时间最小情况下基于蜻蜓算法的手术室调度方法 |
CN109146196A (zh) * | 2018-09-07 | 2019-01-04 | 河北工程大学 | 一种居民社区时用水量预测方法 |
CN110705776A (zh) * | 2019-09-27 | 2020-01-17 | 中冶赛迪电气技术有限公司 | 能源优化调度方法 |
CN111080031A (zh) * | 2019-12-27 | 2020-04-28 | 圆通速递有限公司 | 一种基于改进型蜻蜓算法的车辆路径优化方法和*** |
CN112766865A (zh) * | 2021-03-02 | 2021-05-07 | 河南科技学院 | 一种考虑实时订单的互联网电商仓储动态调度方法 |
-
2021
- 2021-09-09 CN CN202111053151.XA patent/CN113537841B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1106266A2 (de) * | 1999-12-01 | 2001-06-13 | Applimont GmnH Software | Vorrichtung zum versandfertigen Sortieren von Waren |
CN109087698A (zh) * | 2018-07-16 | 2018-12-25 | 合肥工业大学 | 加权完成时间最小情况下基于蜻蜓算法的手术室调度方法 |
CN109146196A (zh) * | 2018-09-07 | 2019-01-04 | 河北工程大学 | 一种居民社区时用水量预测方法 |
CN110705776A (zh) * | 2019-09-27 | 2020-01-17 | 中冶赛迪电气技术有限公司 | 能源优化调度方法 |
CN111080031A (zh) * | 2019-12-27 | 2020-04-28 | 圆通速递有限公司 | 一种基于改进型蜻蜓算法的车辆路径优化方法和*** |
CN112766865A (zh) * | 2021-03-02 | 2021-05-07 | 河南科技学院 | 一种考虑实时订单的互联网电商仓储动态调度方法 |
Non-Patent Citations (3)
Title |
---|
HAMMOURI, ABDELAZIZ, I等: "An improved Dragonfly Algorithm for feature selection", 《KNOWLEDGE-BASED SYSTEMS》 * |
LI, XUESONG等: "Measurement and analysis of regional agricultural water and soil resource composite system harmony with an improved random forest model based on a dragonfly algorithm", 《JOURNAL OF CLEANER PRODUCTION》 * |
孙树琪等: "基于蜻蜓算法求解柔性流水车间排产优化问题", 《计算机应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962496A (zh) * | 2021-12-21 | 2022-01-21 | 河南科技学院 | 一种堆场双起重机协同作业优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113537841B (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Dou et al. | Genetic scheduling and reinforcement learning in multirobot systems for intelligent warehouses | |
CN109492828B (zh) | 一种考虑客户等级及配送时间要求的配送路径优化方法 | |
CN106651086B (zh) | 一种考虑组装工艺的自动化立体仓库调度方法 | |
CN111582582A (zh) | 一种基于改进ga-pac的仓库拣选路径优化方法 | |
CN110033121B (zh) | 一种求解带过道仓储作业优化问题的多物种协同进化方法 | |
CN109472362A (zh) | 一种基于可变任务窗的agv动态调度方法及装置 | |
CN107784472B (zh) | 一种面向仓储式肉鸡养殖的多堆垛机协同给料优化方法 | |
CN113537841B (zh) | 一种考虑客户满意度的堆场起重机调度优化方法 | |
Ren et al. | Improved ant colony optimization for the vehicle routing problem with split pickup and split delivery | |
CN113759927A (zh) | 基于人工蜂群-自适应遗传算法的仓储机器人路径规划方法 | |
CN110243373A (zh) | 一种动态仓储自动引导车的路径规划方法、装置和*** | |
CN112907188A (zh) | 一种基于自适应邻域搜索算法的共享单车搬运优化方法 | |
CN114399161A (zh) | 基于离散映射差分进化算法的多无人机协同任务分配方法 | |
CN113052537A (zh) | 一种基于启发式粒子群算法的物流车辆低碳路线规划方法 | |
CN112766865A (zh) | 一种考虑实时订单的互联网电商仓储动态调度方法 | |
CN110263970B (zh) | 一种求解自动轨道小车上料调度问题的混合离散人工蜂群算法 | |
CN113792933A (zh) | 一种车间布局优化方法、装置、电子设备及存储介质 | |
CN112989696A (zh) | 一种基于移动机器人的自动拣选***货位优化方法及*** | |
CN106611220A (zh) | 一种新的混合算法求解柔性作业车间调度问题 | |
CN112862212B (zh) | 基于改进麻雀搜索算法的多agv调度方法、装置及设备 | |
CN115454070A (zh) | 一种K-Means蚁群算法多机器人路径规划方法 | |
CN113962496B (zh) | 一种堆场双起重机协同作业优化方法 | |
Chen et al. | Modified Ant Colony Optimization with an Application in Sustainable Last-Mile Delivery Routing Problem | |
CN113741482A (zh) | 一种基于异步遗传算法的多智能体路径规划方法 |
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 |