有限缓存区自动化分拣车间调度混合人工蜂群算法,本论文为免费优秀的关于蜂群论文范文资料，可用于相关论文写作参考。
蜂群论文参考文献：
摘 要：自动化订单分拣效率低下的问题普遍存在于各个生产销售企业的配送中心.针对以提高分拣效率、降低整个物流过程的成本为最终目标的有限缓存区自动化分拣车间调度问题,通过融合可操作性强并且合理有效的混合人工蜂群算法加以改善.在引领蜂阶段引入并使用遗传算法,设计了4种混合结构的调度算法.并且进一步利用插入和交换邻域的邻域搜索算法提升了混合算法的局部改良能力.通过仿真实验验证了所提混合调度算法的高效率和优越性.
关键词：自动化分拣车间调度；有限缓存区；人工蜂群算法；混合算法；邻域搜索算法
中图分类号：F273 文献标识码：A
Abstract： The poor efficiency of order picking are widespread in the distribution center of each production and sales enterprises. In order to improve the sorting efficiency, reduce the cost of the whole logistics process as the ultimate goal of limited buffer automatic sorting shop scheduling problem, a strong operability and effective hybrid artificial bee colony（HABC）algorithm is improved. Four scheduling algorithms for hybrid structures are designed by introducing and using genetic algorithm in the lead bee phase. To improved the hybrid algorithm of local improvement ability further use of insert and swap neighborhood search algorithm in HABC. The simulation results show that the proposed hybrid scheduling algorithm has high efficiency and superiority.
Key words： automatic sorting shop schedule； limited buffer； artificial bee colony； genetic algorithm； neighborhood search algorithm
0 引 言
传统的流水车间调度问题（Flow Shop Scheduling Problem,FSSP）的描述为：有n个元件在m个机器上进行加工,并且每个工件的加工顺序相同,假设各个机器之间存在无限大的缓冲区,当后面的机器正在进行加工作业时,前面一个机器加工后的工件可以存放在缓存区内直到后面的机器可以对其进行加工.然而在许多实际的生产加工活动中,由于储存空间或储存设备的约束限制,中间缓存区往往十分有限或者根本不存在.为了提高自动化分拣设备之间的分拣效率,减少单个订单在一个分拣设备上的滞留时间,降低分拣作业的成本,合理设置分拣设备间的缓存区是不可忽视的一个环节.因此,研究配送中心或其他物流车间的带有限缓存区的自动化分拣车间调度（Automatic Sorting Shop Schedule,ASSS）问题具有一定的研究意义.
Johnson（1954）[1]最早提出了关于两台机器设备之间的流水调度问题,之后国内外各领域的学者对这一问题进行了深入而广泛的研究和分析,并取得了丰富的研究成果.Hsu（2005）[2]和Tsai（2008）[3]将遗传算法引入到订单分批问题中,并运用遗传算法解决订单分批和路径优化的问题.Mostafa Akhshab（2012）[4]采用一种并行遗传算法来解决流水车间调度问题,最终证实使用并行遗传算法可以大大提高调度效率,节约处理时间.G.M. Komaki和Vahid Kayvanfar（2015）[5]等将流水车间调度分为两个阶段：制造阶段和组装阶段.利用狼群算法（Grey Wolf Optimizer,GWO）解决流水车间调度的效率问题,实验结果表明该算法明显优于其他常用的启发式算法.
近年来学者们发现利用混合算法可以改善单一算法的搜索能力和搜索效率,这对解决流水车间调度问题有着重要的意义.Sana Abdollahpour和Javad Rezaeian（2015）[6]将最小化最大完工时间视为目标函数,来解决流水车间调度问题.Alkin Yurtkuran和Erdal Emel（2015）[7]提出原始的人工蜂群算法搜索性能不佳,并开发出一种自适应人工蜂群算法（AABC）,通过对比试验证明AABC的搜索能力优于原始算法.Shams k Nseef（2016）等[8]对传统的人工蜂群算法进行了动态优化,加强了不同阶段蜂群的动态配合,通过实验证明优化后的人工蜂群算法在搜索能力上得到提升.Dunbing Tang（2015）等[9]采用基于一种改进的粒子群优化搜索的帕累托最优解来解决动态调度问题降低能耗和极小化柔性流水车间调度问题.李坤（2015）[10]等建立了针对中间储存能力有限的混合流水车间调度问题的混合整数规划模型,并且提出了一个自适应的变邻域搜索算法.而且通过实验证实了该算法具有较好的全局和局部搜索能力.
对国内外研究的回顾分析表明,大多数现有的算法都是运用在计算机领域或是用来解决流水车间调度问题,运用到物流方面还比较少.利用人工蜂群算法（ABC）來研究分拣车间调度问题的还比较少.随着电子商务浪潮的推进和“互联网+”的发展以及产品的生命周期缩短,以爆发式的大批量订单为形式的市场逐渐朝着细化和个性化发展,零散、多种类、高时效的货物搭配需求不断增加.因此利用人工蜂群算法来研究自动分拣车间的调度问题有着实际意义,可以为提高企业物流效率和收益提供理论指导.
结论：关于本文可作为蜂群方面的大学硕士与本科毕业论文深圳蜂群文化 有哪些人论文开题报告范文和职称论文论文写作参考文献下载。
自适应蚁群算法在双向生产车间调度中应用
摘要：本文将蚁群算法与双向调度算法结合，用以解决以生产周期和关键工件交货期为优化目标的车间作业调度问题。在传统的蚁群算法的基础上自适应调整挥发系。
求解混合流水线调度问题离散人工蜂群算法
摘要：本文给出了一种离散的人工蜂群算法（HDABC）用于求解混合流水车间调度（HFS）问题。采用工件排序的编码方式，并设计了四种邻域结构。雇佣蜂。
工序顺序柔性作业车间调度问题改进遗传算法求解
摘要：针对在工艺设计中提供工序顺序柔性的作业车间调度问题，总结了该问题中柔性工序顺序的类型和特点，并提出了一种求解该问题的改进遗传算法。以尽可能。
电力自动化系统中调度故障和处理措施分析
摘 要：随着我国经济水平的提高，科学技术的进步，电力自动化系统的调度工作也有了很大发展，在很大程度上推动了电力事业的向前发展。但是由于变电站和信。