鉴于仓储中心存在诸多不确定的因素提出不确定事件下多仓储机器人动态路径问题(Dynamic Routing Problem of Multi Warehouse Robots under Uncertain Events, DRP-MWR-UE)。该问题考虑了多仓储机器人时变的交通网络、不确定的订单需求...鉴于仓储中心存在诸多不确定的因素提出不确定事件下多仓储机器人动态路径问题(Dynamic Routing Problem of Multi Warehouse Robots under Uncertain Events, DRP-MWR-UE)。该问题考虑了多仓储机器人时变的交通网络、不确定的订单需求。在此基础上,建立了DRP-MWR-UE的双矩阵混合整数规划模型并设计了基于混合动态变邻域搜索算法(Hybrid Dynamic Variable Neighborhood Search, HDVNS)的动态调度策略执行求解。该策略首先将事件判定、分类后由HDVNS进行重调度。为了加快算法动态响应速度和提高求解质量,HDVNS的初始阶段结合了两阶段聚类算法和自适应破坏重组的随机扰动贪婪机制,全局邻域搜索中融入了多种邻域变换策略。最后,通过与对比算法,在两种不确定事件下进行实验。结果表明,HDVNS显著优于其对比算法,是一种求解DRP-MWR-UE的有效方法。展开更多
文摘鉴于仓储中心存在诸多不确定的因素提出不确定事件下多仓储机器人动态路径问题(Dynamic Routing Problem of Multi Warehouse Robots under Uncertain Events, DRP-MWR-UE)。该问题考虑了多仓储机器人时变的交通网络、不确定的订单需求。在此基础上,建立了DRP-MWR-UE的双矩阵混合整数规划模型并设计了基于混合动态变邻域搜索算法(Hybrid Dynamic Variable Neighborhood Search, HDVNS)的动态调度策略执行求解。该策略首先将事件判定、分类后由HDVNS进行重调度。为了加快算法动态响应速度和提高求解质量,HDVNS的初始阶段结合了两阶段聚类算法和自适应破坏重组的随机扰动贪婪机制,全局邻域搜索中融入了多种邻域变换策略。最后,通过与对比算法,在两种不确定事件下进行实验。结果表明,HDVNS显著优于其对比算法,是一种求解DRP-MWR-UE的有效方法。
