货箱到人模式下的AMR拣选路径规划

针对货箱到人拣选模式下AMR的拣选路径规划问题,构建以总作业时间最小化为目标的AMR拣选作业优化模型,并采用粒子群算法对模型进行求解。为解决标准粒子群算法存在易早熟收敛和陷入局部最优解等问题,设置二阶振荡环节和随机惯性权重,提出一种改进的粒子群算法。在实验分析中,将文章方法应用于某配送中心AMR库系统,并将改进的粒子群算法与标准粒子群算法进行比较。实例实证表明改进的粒子群算法具有更高的迭代效率和求解精度,相较于标准粒子群算法节约了15.6%的拣选时间,能有效降低货箱到人模式下AMR拣选作业耗时。     

基于入侵杂草算法的城市生鲜配送优化研究

针对实际道路阻抗下的城市"最后一公里"生鲜配送路径优化问题,在保证骑手安全情况下,又能够以最快速度将货物送到客户手上,降低配送成本,从配送过程中电动车遇到的实际道路阻抗因素出发,建立了以最大化顾客满意度,最小化配送成本的多目标优化模型,并利用入侵杂草算法和遗传算法对模型进行分别求解。实验结果验证了模型和入侵杂草算法的有效性。