一种基于混合遗传算法的现代物流多箱型装箱方法及系统

    公开(公告)号:CN117454976A

    公开(公告)日:2024-01-26

    申请号:CN202311547122.8

    申请日:2023-11-20

    申请人: 重庆大学

    IPC分类号: G06N3/126 G06Q10/08

    摘要: 本发明涉及一种基于混合遗传算法的现代物流多箱型装箱方法及系统,属于物流装箱技术领域。本方法和系统采用了混合的元启发式算法,采用启发式装载算法提高求解速度,同时混合遗传算法和模拟退火算法,提高解的质量。具体包括考虑到遗传算法的全局搜索力具有随机性、快速性的特点,但其局部搜索能力较弱,因此加入罚函数、模拟退火算子、最佳保护策略来对其进行改进,从而丰富算法寻优过程中的搜索行为,增强局部、全局搜索力和搜索效率;采用基于动态空间划分的启发式装载算法,相较于静态的三空间划分能够更加合理的使用装载空间,提高容器空间利用率,本发明提供的方法和系统具有广阔的应用前景。

    联邦多智能体Actor-Critic学习智慧物流任务卸载和资源分配系统及介质

    公开(公告)号:CN115658251A

    公开(公告)日:2023-01-31

    申请号:CN202211135297.3

    申请日:2022-09-19

    申请人: 重庆大学

    发明人: 李琦琦 郑林江

    摘要: 本发明公开联邦多智能体Actor‑Critic学习智慧物流任务卸载和资源分配系统及介质,系统包括若干物流车辆、若干助手仓库、若干助手车辆;所述物流车辆的车载服务器存储有时延目标计算模型、能耗目标计算模型、任务卸载与资源分配优化模型、优化模型计算框架;所述物流车辆的车载服务器将时延目标Tm和能耗目标Em输入到任务卸载与资源分配优化模型中,解算得到任务序列的卸载策略;所述物流车辆的车载服务器根据卸载策略,在本地执行任务或者将任务卸载到助手车辆或助手仓库的服务器中执行。本发明提出多智能体深度确定性策略梯度的任务卸载策略,物流车辆智能体独立采取行动,但通过协作探索环境来完善其策略,从而确定任务卸载路径和资源分配,提高系统整体性能。

    一种基于自适应混合遗传算法的PI场景下模块化容器装箱方法

    公开(公告)号:CN115455816A

    公开(公告)日:2022-12-09

    申请号:CN202211069761.3

    申请日:2022-09-02

    申请人: 重庆大学

    IPC分类号: G06F30/27 G06N3/12 G06F113/20

    摘要: 本发明公开了一种基于自适应混合遗传算法的PI场景下模块化容器装箱方法,针对多箱型、多约束条件的三维装箱问题,利用自适应混合遗传模拟退火算法在庞大的解空间中寻找较优解;针对模块化尺寸长方体货物的装箱,提出了改进的三空间分割启发式装载算法,在保证货物完全支撑的前提下,根据定制的策略选择最优的空间装载货物,以达到完全装填的目标;本发明所提出的方法对于模块化尺寸长方体货物装箱效果突出,同时对于一般尺寸的异构长方体货物装箱也可以兼容,且实施效果优秀。

    一种基于深度强化学习的车辆路径优化方法及系统

    公开(公告)号:CN117371637A

    公开(公告)日:2024-01-09

    申请号:CN202311547121.3

    申请日:2023-11-20

    申请人: 重庆大学

    摘要: 本发明涉及一种基于深度强化学习的车辆路径优化方法及系统,该方法包括:S1、基于问题实例,获取节点特征嵌入;S2、基于问题实例,获取位置特征嵌入;S3、使用多层感知机对节点和位置特征嵌入信息进行融合,完成编码;S4、使用移除解码器实现PDP节点对的移除操作;S5、使用修复解码器实现对移除节点对的重插入操作;S6、根据移除和修复解码器的输出执行相应动作实现状态转移,不断迭代改进方案;S7、根据解码器的输出,使用动态的方式实时更新图嵌入;S8、使用近端策略优化算法训练模型,最终输出路径优化序列。本发明将深度强化学习和启发式方法相结合,通过训练神经网络来指导局部搜索算法,以循序渐进的方式学习优化策略并迭代地改进解决方案。

    一种基于区块链技术的物流园区货物追溯及信息安全保障系统

    公开(公告)号:CN118485450A

    公开(公告)日:2024-08-13

    申请号:CN202410402658.9

    申请日:2024-04-03

    申请人: 重庆大学

    发明人: 李琦琦 郑林江

    摘要: 本发明公开一种基于区块链技术的物流园区货物追溯及信息安全保障系统,包括多个通信节点,这些通信节点组成区块链;所述通信节点包括k+1个主节点{A0,A1…Ak}和l个副本节点{Ak+1,Ak+2…An};节点总数n=k+1+l;所述主节点为管理系统,副本节点为物流园区企业;所述物流园区货物追溯及信息安全保障系统用于实现物流货物分布式标识、节点数字证书签发与验证、区块广播与共识、货物追踪查询;本发明解决了传统的货物轨迹追踪难、数据共享不透明、数据易被篡改、数据易丢失等问题,防止了物流数据及通信节点异常带来的经济损失。

    一种基于深度强化学习的三维装箱方法

    公开(公告)号:CN116663920A

    公开(公告)日:2023-08-29

    申请号:CN202310578356.2

    申请日:2023-05-22

    申请人: 重庆大学

    摘要: 本发明涉及一种基于深度强化学习的三维装箱方法,属于物流及物品装箱技术领域。该方法包括训练和使用两个阶段,在训练阶段通过DoubleDQN算法使用训练数据训练模型,从历史经验中学习;在使用阶段利用训练好的模型作为动作评判标准进行决策,产生具体的装箱方案。该方法将大量规格不同的(强异构)物品装入一个或多个同一规格的(单箱型多箱)集装容器并最大化容器的空间利用率。根据实际需要,本方法既可以快速求得质量较高的解,也可以结合树搜索方法,牺牲时间以进一步提升解的质量;本方法既适用于没有装箱顺序限制的离线三维装箱问题,也适用于有顺序限制的随到随装的在线三维装箱问题。