基于粒子群算法的AS-RS優(yōu)化調(diào)度方法研究.pdf

1、自動(dòng)化立體倉(cāng)庫(kù)是當(dāng)代物流技術(shù)、倉(cāng)儲(chǔ)技術(shù)、自動(dòng)化技術(shù)發(fā)展的產(chǎn)物，它集存儲(chǔ)、輸送、配送于一體，應(yīng)用越來(lái)越廣泛。自動(dòng)化立體倉(cāng)庫(kù)的出入庫(kù)作業(yè)調(diào)度優(yōu)化問(wèn)題對(duì)提高自動(dòng)化立體倉(cāng)庫(kù)的運(yùn)行效率具有重要作用，因此，對(duì)它的研究具有重要的理論意義和工程應(yīng)用價(jià)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(jìn)行自動(dòng)化立體倉(cāng)庫(kù)的貨位優(yōu)化和算法穩(wěn)定性研究。
　　本文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　提出并實(shí)現(xiàn)了基于模擬退火的粒子群算法求解進(jìn)出

2、庫(kù)調(diào)度及貨位優(yōu)化問(wèn)題。以貨架的穩(wěn)定性和堆垛機(jī)揀選時(shí)間最短為優(yōu)化目標(biāo)，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(shí)間。在迭代過(guò)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(guò)程中陷入局部最優(yōu)和早熟收斂現(xiàn)象。通過(guò)實(shí)例證明，與遺傳算法相比較，該算法所用時(shí)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(duì)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(cè)試

3、函數(shù)對(duì)本文提出的調(diào)整策略進(jìn)行測(cè)試，通過(guò)實(shí)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(duì)模型中不同貨架形狀因子、不同規(guī)模問(wèn)題情況下的算法性能進(jìn)行分析。由測(cè)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(wèn)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(yǔ)言，以Eclipse為開(kāi)發(fā)平臺(tái)，MySQL為后臺(tái)數(shù)據(jù)庫(kù)，建立自動(dòng)化