基于改进粒子群算法V型非传统布局仓库通道优化设计

V型仓储布局是一种典型的非传统布局方式,针对V型布局主通道设计的问题,将主通道抽象为若干个点连接而成的折线通道,每条拣货通道按物动量大小对仓库进行分区,采用更加符合实际的存取货物作业的概率不相等的非完全随机存储策略,建立最小化平均拣货距离的仓库主通道设计数学优化模型。其次,设计了基于极值扰动算子的改进粒子群优化算法(EDO-PSO)进行算法求解,利用极值扰动算子解决易陷入局部最优问题,采用并行深度搜索策略,提高算法性能,并用Benchmark函数与其他改进PSO算法对比验证算法性能。最后,结合具体实验数据仿真分析,计算结果表明,该方法在相同货位分配策略下,能有效缩短总拣货距离,验证了方法的有效性。     

故障模糊诊断方法及其应用

现代系统一般都采用模块化设计,功能层次比较明显,利用这种功能特点可加速系统的故障诊断。据此,综合层次法和模糊识别法,本文给出了一种基于层次分析和模糊识别的故障诊断方法。该方法根据系统功能特点划分故障模块,使故障具有一定的层次结构,从而加速了故障的定位;再结合模糊识别法进行故障定位,有效地解决了故障状态识别的不确定性问题。最后结合实例分析,验证了此方法的有效性,并具有故障诊断快速、准确的特点。     

Flying-V型仓储布局货位分配优化方法研究

Flying-V是一种典型的非传统布局方式,根据其布局方式的特性,针对仓储货位分配优化问题,以货物出入库效率最高和货物存放的重心最低为优化目标,建立了货位分配多目标优化模型,并采用自适应策略的遗传算法(GA),以及粒子群算法(PSO)进行求解。根据货位分配的优化特点,在GA算法的选择、交叉和变异环节均采用自适应策略, 同时采用惯性权重线性递减的方法设计了PSO算法,有效地解决了两种算法收敛速度慢和易“早熟”的问题,提高了算法的寻优性能。为了更好地表现两种优化求解算法的有效性和优越性,结合具体的货位分配实例利用MATLAB软件编程实现。通过对比分析优化结果表明,PSO算法在收敛速度和优化效果方面相比于自适应GA算法更具有优势,更加合适于解决Flying-V型仓储布局货位分配优化问题。