| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 仓储作业优化技术国内外研究现状 | 第11-14页 |
| 1.2.1 仓储优化国内外研究现状 | 第11-12页 |
| 1.2.2 智能优化算法在仓储作业系统中的应用现状 | 第12-14页 |
| 1.3 研究目标、内容及文章结构 | 第14-16页 |
| 1.3.1 研究目标 | 第14页 |
| 1.3.2 研究内容 | 第14-15页 |
| 1.3.3 论文组织结构安排 | 第15-16页 |
| 1.4 本章小结 | 第16-18页 |
| 第2章 基于智能计算的动态货位优化数学建模 | 第18-46页 |
| 2.1 智能仓储作业系统需求分析 | 第18-28页 |
| 2.1.1 典型仓储作业业务流程分析 | 第19-25页 |
| 2.1.2 典型仓储对象特征抽取 | 第25-27页 |
| 2.1.3 试验仓库数据设计 | 第27-28页 |
| 2.2 基于智能计算的动态货位优化分析 | 第28-33页 |
| 2.2.1 智能计算及动态货位优化概述 | 第28-30页 |
| 2.2.2 基于动态货位优化的层次分析法 | 第30-32页 |
| 2.2.3 货位分配与存储策略 | 第32-33页 |
| 2.3 动态货位优化数学模型建立 | 第33-45页 |
| 2.3.1 电子标签拣选库的货位优化模型 | 第33-36页 |
| 2.3.2 自动化立体库的作业均衡模型 | 第36-38页 |
| 2.3.3 数学模型中的权重因子 | 第38-45页 |
| 2.4 本章小结 | 第45-46页 |
| 第3章 动态货位优化算法设计及试验 | 第46-62页 |
| 3.1 基于遗传算法动态货位优化设计及试验 | 第46-54页 |
| 3.1.1 模型编码 | 第46-49页 |
| 3.1.2 种群规模 | 第49页 |
| 3.1.3 适应函数与选择策略 | 第49-51页 |
| 3.1.4 交叉算子与变异算子 | 第51-54页 |
| 3.2 基于二进制粒子群算法动态货位优化设计及试验 | 第54-59页 |
| 3.2.1 模型编码 | 第54-56页 |
| 3.2.2 种群规模 | 第56-57页 |
| 3.2.3 惯性权重因子与学习因子 | 第57-59页 |
| 3.3 遗传算法与二进制粒子群算法性能比较与分析 | 第59-61页 |
| 3.4 本章小结 | 第61-62页 |
| 第4章 动态货位优化在智能仓储系统中的实现与应用 | 第62-80页 |
| 4.1 智能仓储系统 | 第62-66页 |
| 4.1.1 智能仓储系统概述 | 第62-63页 |
| 4.1.2 开发环境与系统功能 | 第63-65页 |
| 4.1.3 拓扑结构 | 第65-66页 |
| 4.2 基于MVC的优化服务组件实现 | 第66-73页 |
| 4.2.1 MVC技术概述 | 第66-68页 |
| 4.2.2 动态优化服务组件的实现原理 | 第68-73页 |
| 4.3 动态货位优化的应用 | 第73-77页 |
| 4.3.1 应用环境 | 第73页 |
| 4.3.2 实例应用测试 | 第73-76页 |
| 4.3.3 测试结果分析 | 第76-77页 |
| 4.4 本章小结 | 第77-80页 |
| 第5章 总结与展望 | 第80-82页 |
| 5.1 主要研究成果 | 第80-81页 |
| 5.2 课题的不足与展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86页 |