本文主要基于某大型機(jī)械產(chǎn)品制造企業(yè)堆場(chǎng)發(fā)運(yùn)物流實(shí)際場(chǎng)景,研究了優(yōu)化堆場(chǎng)發(fā)運(yùn)物流運(yùn)作效率的兩個(gè)方面,即裝車方案優(yōu)化與堆場(chǎng)車輛調(diào)度優(yōu)化。具體地,裝車方案優(yōu)化主要聚焦于求解一類二維多箱型裝箱問題;堆場(chǎng)車輛調(diào)度優(yōu)化則基于實(shí)際場(chǎng)景中的多種約束提出,旨在細(xì)化車輛入廠計(jì)劃的制定。在堆場(chǎng)發(fā)運(yùn)物流運(yùn)作中,裝車方案作為車輛入廠計(jì)劃制定與堆場(chǎng)車輛調(diào)度的輸入。本文的主要內(nèi)容包括:(1)研究了一種以最小化所使用車輛總成本為目標(biāo)并考慮載重約束的二維多箱型裝箱問題,建立了該問題的數(shù)學(xué)模型,并采用CPLEX驗(yàn)證了模型有效性。考慮到skyline算法在求解一類二維背包問題的優(yōu)異性能,對(duì)skyline算法進(jìn)行改進(jìn),使其能夠構(gòu)造所提問題解方案。由于精確算法在問題規(guī)模較大時(shí)很難在可接受時(shí)間內(nèi)求解得到精確解或滿意解,因此針對(duì)所提問題特點(diǎn)設(shè)計(jì)了一種并行貪婪隨機(jī)自適應(yīng)搜索+路徑重連算法(Parallel Greedy Randomized Adaptive Search Procedures with Path Relinking,Parallel GRASP+PR),該算法采用了改進(jìn)skyline算法來構(gòu)造問題解。通過大量計(jì)算實(shí)...

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.5初始解和向?qū)Ы?br>
25華中科技大學(xué)碩士學(xué)位論文圖2.5初始解和向?qū)Ы鈭D2.6展示了初始物品序列到向?qū)锲沸蛄械囊苿?dòng)過程，在每次鄰域操作后，選擇相同物品屬性增加的鄰域序列集合中最優(yōu)的序列作為下次鄰域操作的起點(diǎn)，重復(fù)上述過程，最終將達(dá)到向?qū)锲沸蛄�，此時(shí)算法運(yùn)行結(jié)束。圖2.6路徑重連示例根據(jù)路徑重連算....

圖2.6路徑重連示例

25華中科技大學(xué)碩士學(xué)位論文圖2.5初始解和向?qū)Ы鈭D2.6展示了初始物品序列到向?qū)锲沸蛄械囊苿?dòng)過程，在每次鄰域操作后，選擇相同物品屬性增加的鄰域序列集合中最優(yōu)的序列作為下次鄰域操作的起點(diǎn)，重復(fù)上述過程，最終將達(dá)到向?qū)锲沸蛄�，此時(shí)算法運(yùn)行結(jié)束。圖2.6路徑重連示例根據(jù)路徑重連算....

圖2.7算例1所得裝箱方案

31華中科技大學(xué)碩士學(xué)位論文根據(jù)表2-4可以計(jì)算得到，并行GRASP+PR算法所得結(jié)果對(duì)精確解的命中率為85%，所有非命中解的總成本均只比最優(yōu)解的總成本高1或2。值得一提的是，采用CPLEX很難在可接受時(shí)間范圍內(nèi)對(duì)物品數(shù)量為40的算例求解得到最優(yōu)解，即使是對(duì)物品數(shù)量為20的算例，....

圖3.1堆場(chǎng)布局示例

34華中科技大學(xué)碩士學(xué)位論文圖3.1堆場(chǎng)布局示例3.1.2問題描述堆場(chǎng)車輛調(diào)度問題可以描述為，給定輛車，每輛車(=1,2,…,)對(duì)應(yīng)有給定待裝載物品集，其中為所有物品的集合，且物品總數(shù)量為；給定堆場(chǎng)入口0、物品裝車站點(diǎn)集={1,2,…,}、堆場(chǎng)出口+1以及堆場(chǎng)區(qū)域集合={1,2,....

本文編號(hào)：3909488