發(fā)布時(shí)間：2023-10-21 16:38

　　人工智能、物聯(lián)網(wǎng)、云計(jì)算等先進(jìn)的信息技術(shù)促進(jìn)了傳統(tǒng)物流業(yè)向現(xiàn)代物流業(yè)的轉(zhuǎn)型升級(jí),尤其是智能機(jī)器人的發(fā)展,極大地提高了物流各環(huán)節(jié)的效率,有效降低了物流總成本。近年來(lái),一種新的“貨到人”揀貨作業(yè)模式已經(jīng)開(kāi)始在配送中心內(nèi)部被采用。該模式利用AGV(Automatic Guided Vehicle)將貨架搬運(yùn)至揀貨臺(tái),由揀選人員將商品揀選出來(lái),貨架訪問(wèn)若干揀貨臺(tái)后返回原位置,然后AGV再去搬運(yùn)下一個(gè)貨架,直至所有揀貨任務(wù)完成。本文針對(duì)此應(yīng)用場(chǎng)景,研究AGV的揀貨路徑規(guī)劃問(wèn)題,主要研究?jī)?nèi)容如下:(1)在總結(jié)國(guó)內(nèi)外取送一體化的車輛路徑問(wèn)題、AGV調(diào)度問(wèn)題和揀貨路徑規(guī)劃問(wèn)題的研究現(xiàn)狀基礎(chǔ)上,系統(tǒng)分析了揀貨作業(yè)類型、“貨到人”揀貨作業(yè)模式、儲(chǔ)位分配策略、倉(cāng)儲(chǔ)布局以及AGV環(huán)境建模方法。以AGV選取貨架并訪問(wèn)多個(gè)揀貨臺(tái)的行駛路線優(yōu)化為特色,提出了基于AGV的可移動(dòng)式貨架揀貨路徑規(guī)劃問(wèn)題(MMPRP),給出了相關(guān)假設(shè)、約束條件以及環(huán)境建模的拓?fù)涞貓D,建立了以最小化AGV總行駛距離為目標(biāo)函數(shù)的移動(dòng)距離模型。(2)針對(duì)MMPRP問(wèn)題的特點(diǎn),設(shè)計(jì)了一種混合蟻群算法(MACO)予以求解。該算法在基本蟻群算法的基礎(chǔ)...

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 取送一體化的車輛路徑問(wèn)題
        1.2.2 AGV調(diào)度問(wèn)題
        1.2.3 揀貨路徑規(guī)劃問(wèn)題
        1.2.4 研究現(xiàn)狀總結(jié)
    1.3 研究?jī)?nèi)容及技術(shù)路線
        1.3.1 研究?jī)?nèi)容
        1.3.2 技術(shù)路線
    1.4 研究創(chuàng)新點(diǎn)
2 相關(guān)基礎(chǔ)知識(shí)
    2.1 揀貨作業(yè)
    2.2 “貨到人”模式與“人到貨”模式比較
        2.2.1 “貨到人”模式與“人到貨”模式作業(yè)流程
        2.2.2 “貨到人”倉(cāng)儲(chǔ)布局
    2.3 儲(chǔ)位分配策略
        2.3.1 定位存儲(chǔ)策略
        2.3.2 隨機(jī)存儲(chǔ)策略
        2.3.3 分類存儲(chǔ)策略
        2.3.4 共同存儲(chǔ)策略
        2.3.5 基于周轉(zhuǎn)率的存儲(chǔ)策略
    2.4 環(huán)境建模相關(guān)知識(shí)
        2.4.1 柵格法
        2.4.2 拓?fù)涞貓D法
        2.4.3 可視圖法
    2.5 本章小結(jié)
3 問(wèn)題及建模研究
    3.1 問(wèn)題描述及基本假設(shè)
    3.2 移動(dòng)距離模型構(gòu)建
        3.2.1 移動(dòng)距離模型參數(shù)
        3.2.2 目標(biāo)函數(shù)
        3.2.3 約束條件
    3.3 本章小結(jié)
4 算法設(shè)計(jì)
    4.1 蟻群算法
        4.1.1 蟻群算法基本原理
        4.1.2 蟻群算法基本流程
        4.1.3 蟻群算法的特點(diǎn)
    4.2 混合蟻群算法設(shè)計(jì)
        4.2.1 螞蟻轉(zhuǎn)移規(guī)則
        4.2.2 Max-Min蟻群策略
        4.2.3 精英螞蟻策略
        4.2.4 信息素更新策略
        4.2.5 局部?jī)?yōu)化策略
        4.2.6 路徑構(gòu)造過(guò)程
        4.2.7 混合蟻群算法步驟
    4.3 本章小結(jié)
5 實(shí)驗(yàn)分析
    5.1 測(cè)試算例構(gòu)建
    5.2 實(shí)驗(yàn)設(shè)計(jì)
        5.2.1 實(shí)驗(yàn)參數(shù)設(shè)計(jì)
        5.2.2 實(shí)驗(yàn)配置與步驟
    5.3 實(shí)驗(yàn)一
        5.3.1 小規(guī)模算例實(shí)驗(yàn)結(jié)果與分析
        5.3.2 大規(guī)模算例實(shí)驗(yàn)結(jié)果與分析
    5.4 實(shí)驗(yàn)二
        5.4.1 存儲(chǔ)策略比較實(shí)驗(yàn)
        5.4.2 倉(cāng)儲(chǔ)布局比較實(shí)驗(yàn)
    5.5 實(shí)驗(yàn)總結(jié)
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3856218