考慮將電動車輛用來進(jìn)行基于點對點配送策略的汽車裝配線的物料配送,提出了改進(jìn)多目標(biāo)布谷鳥搜索算法.首先,對該物料配送調(diào)度問題進(jìn)行描述,在統(tǒng)籌考慮電量限制和準(zhǔn)時化配送要求的基礎(chǔ)上建立了以車輛數(shù)量和最長搬運時間作為衡量指標(biāo)的目標(biāo)函數(shù),并開發(fā)了直接反映配送車輛和配送次序的融合編碼機(jī)制.然后,設(shè)計任務(wù)分配規(guī)則構(gòu)造初始解,并在基于混沌動態(tài)步長的搜索過程中加入高斯變異和精英選擇策略來提高算法的全局搜索能力和解的質(zhì)量.此外,開發(fā)兩種局部搜索算子以強(qiáng)化算法深度尋優(yōu)能力.最后,仿真實驗結(jié)果驗證了該調(diào)度算法的可行性和有效性. 

【文章來源】：湖南大學(xué)學(xué)報(自然科學(xué)版). 2020,47(12)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

編碼方式Fig.2Encodingpresentation

廢叩某盜鏡鞫群妥霸匚侍?以上關(guān)于傳統(tǒng)燃料車輛在固定路徑下的物料配送模式往往存在著揀貨復(fù)雜、響應(yīng)速度慢、能耗大以及線邊庫存多等不足.點對點（Point-to-Point，PTP）物料配送模式[8-9]以其靈活性和時效性彌補(bǔ)了傳統(tǒng)配送模式的不足.本文在分析上述文獻(xiàn)的基礎(chǔ)上，研究了電動車輛（ElectricVehicles，EV）點對點物料配送問題，建立準(zhǔn)時制物料配送問題的數(shù)學(xué)規(guī)劃模型，并提出求解該模型的改進(jìn)多目標(biāo)布谷鳥搜索算法.最后，通過仿真實驗驗證了所提出調(diào)度算法的可行性和有效性.1問題描述與模型建立1.1問題描述圖1所示為電動車輛點對點物料配送的示意圖.物料超市的配貨工人根據(jù)各個工位發(fā)出的補(bǔ)貨要求把零件事先分揀好并裝進(jìn)標(biāo)準(zhǔn)大小的物料箱中.電動配送車輛在物料超市補(bǔ)貨完成后在各個配送任務(wù)的補(bǔ)貨時間窗內(nèi)對需求工位進(jìn)行物料配送.考慮物料量和行駛距離帶來的電量變化，電動車輛必須在電量不足時返回?fù)Q電站進(jìn)行換電.1.2數(shù)學(xué)模型為有效描述電動車輛點對點物料配送系統(tǒng)調(diào)度問題，做如下基本假設(shè)：1）電動車輛換電時間已知；2）在執(zhí)行首次配送任務(wù)前，所有車輛均為滿電狀態(tài)；3）車輛的行駛速度處于穩(wěn)定狀態(tài)；4）所有的車輛執(zhí)行配送任務(wù)時均從物料超市出發(fā)并返回物料超市；5）車輛的耗電速率和負(fù)載重量、行駛距離成正相關(guān)；6）換電站設(shè)置在物料超市旁邊，不計車輛因換電產(chǎn)生的額外行駛距離；7）線邊卸載物料時間很短，忽略不計.工位在制品物料裝載區(qū)EVEV路線零件物料超市換電站圖1裝配線點對點物料供應(yīng)Fig.1Thepoint-to-pointpartfeedingforassemblylines為方便描述，定義符號如下：1）下標(biāo)表示K：可用車輛集合；k：車輛編號，k∈K；S：配送任務(wù)集合；s：任務(wù)編號，s∈S；T：配送行程集合；t：?

（Pi+1）f%%maxm-f%%minm（26）S（Pi）=1mm%k=1移fm（Pi-1）-fm（Pi+1）f%%maxm-f%%minm-D（Pi移）移2（27）上式中，f%%maxm和f%%minm表示第m個目標(biāo)的最大值和最小值，fm（Pi）表示第P個支配等級中第i個個體的第m個目標(biāo)值，D（Pi）表示該個體的擁擠距離，S（Pi）表示其與相鄰的兩個個體之間擁擠距離的波動情況，S（Pi）的值越小，表示距離波動越小.根據(jù)排序結(jié)果選擇最優(yōu)的NP個個體進(jìn)入下一代.算法流程圖如圖3所示.隨機(jī)游走生成新解局部搜索機(jī)制高斯變異擾動開始設(shè)定算法參數(shù)產(chǎn)生初始種群任務(wù)分配規(guī)則自適應(yīng)Levy飛行t=t+1swapremove修復(fù)解合并父代和子代計算目標(biāo)函數(shù)值精英選擇是否滿足終止條件？結(jié)束輸出結(jié)果是否圖3算法流程圖Fig.3Frameworkofthealgorithm3仿真實驗分析3.1參數(shù)分析在基于Windows10操作系統(tǒng)的Corei5/2.5GHz內(nèi)存4GB的計算機(jī)上進(jìn)行.由于此問題的真實帕累托前沿很難得到，本文在進(jìn)行實驗時采用以下方法獲得近似帕累托前沿：算法獨立運行多次后記錄每次的帕累托解集，從所有帕累托前沿中獲得新的帕累托解集作為近似前沿.參考文獻(xiàn)[16]的參數(shù)設(shè)置，實驗設(shè)置電池容量Q=100，車輛空載時單位距離耗電率re=0.1，每單位料箱質(zhì)量造成的耗電速率增量γ=0.2，小車速度V=2，工作站到物料超市的距離、時間窗長度和物料質(zhì)量分別在[20，50]，[20，30]，[10，20]的均勻分布中隨機(jī)生成.為了獲得更高質(zhì)量的解，根據(jù)文獻(xiàn)[17]對算法參數(shù)進(jìn)行調(diào)優(yōu)，選取不同的參數(shù)組合進(jìn)行多次實驗.當(dāng)設(shè)置種群規(guī)模nPop=100，Levy飛行搜索概率pc=0.8，擾動概率pr=0.4，局部搜索概率pl=

【參考文獻(xiàn)】：
期刊論文
[1]影響鋰離子電池循環(huán)壽命的因素[J]. 王玲玲,陳昕,石寶強(qiáng).  電源技術(shù). 2019(10)



本文編號：3144329