基于粒子群算法的AS-RS優(yōu)化調(diào)度方法研究.pdf

1、自動化立體倉庫是當代物流技術(shù)、倉儲技術(shù)、自動化技術(shù)發(fā)展的產(chǎn)物，它集存儲、輸送、配送于一體，應(yīng)用越來越廣泛。自動化立體倉庫的出入庫作業(yè)調(diào)度優(yōu)化問題對提高自動化立體倉庫的運行效率具有重要作用，因此，對它的研究具有重要的理論意義和工程應(yīng)用價值。本文基于現(xiàn)代物流的應(yīng)用和發(fā)展要求，著重研究利用智能算法，進行自動化立體倉庫的貨位優(yōu)化和算法穩(wěn)定性研究。
　　本文的主要研究內(nèi)容和創(chuàng)新點如下：
　　提出并實現(xiàn)了基于模擬退火的粒子群算法求解進出

2、庫調(diào)度及貨位優(yōu)化問題。以貨架的穩(wěn)定性和堆垛機揀選時間最短為優(yōu)化目標，建立數(shù)學(xué)模型。利用粒子群算法初始化種群，提高優(yōu)化效率、縮短搜索時間。在迭代過程中，利用模擬退火算法概率突跳的能力，避免基本粒子群算法迭代過程中陷入局部最優(yōu)和早熟收斂現(xiàn)象。通過實例證明，與遺傳算法相比較，該算法所用時間短，收斂速度快、迭代次數(shù)少。
　　分析了慣性權(quán)重和加速因子對粒子群算法收斂性能的影響，提出4種慣性權(quán)重的調(diào)整策略和2種加速因子的調(diào)整策略。利用3種測試

3、函數(shù)對本文提出的調(diào)整策略進行測試，通過實例證明，與基本粒子群算法相比較，本文選用調(diào)整策略后提高了算法的收斂性能。
　　分析研究了優(yōu)化算法的穩(wěn)定性，針對模型中不同貨架形狀因子、不同規(guī)模問題情況下的算法性能進行分析。由測試結(jié)果得到，算法的收斂性能受貨架形狀因子的影響不大，不具有顯著的敏感度。隨著求解問題規(guī)模的增加，算法具有較穩(wěn)定的收斂性能。
　　采用Java編程語言，以Eclipse為開發(fā)平臺，MySQL為后臺數(shù)據(jù)庫，建立自動化