买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西南交通大学申请的专利考虑自适应物料装卸点和障碍的3D平行行布局求解方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120146274B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510208499.3，技术领域涉及：G06Q10/04；该发明授权考虑自适应物料装卸点和障碍的3D平行行布局求解方法是由张则强;马豪杰;计丹;何宗兴;李杰;田通;刘思璐设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本考虑自适应物料装卸点和障碍的3D平行行布局求解方法在说明书摘要公布了：考虑自适应物料装卸点和障碍的3D平行行布局求解方法，涉及设施布局技术领域，主要包括以下步骤：建立目标函数，初始化参数，生成初始种群，将初始种群中的不可行解转化为可行解，优化初始种群，移除初始种群中的重复解并随机生成可行解填充初始种群，将初始种群分为精英解和非精英解，对精英解进行禁忌搜索操作，对非精英解进行遗传操作，将两操作后的解组合为新的种群，根据迭代次数输出模型的最优序列和决策变量，利用最优序列和决策变量求解得到每个设施上物料装卸点的精确坐标和模型的最终目标值；本发明考虑了在三维空间中的自适应物料装卸点和障碍干涉因素，得出的模型更加接近真实情况，有助于后续制定更为科学的设施规划和物料搬运策略。

本发明授权考虑自适应物料装卸点和障碍的3D平行行布局求解方法在权利要求书中公布了：1.考虑自适应物料装卸点和障碍的3D平行行布局求解方法，其特征在于，包括以下步骤： 步骤S1：收集设施布局信息，建立涉及物料搬运成本、设施间的单位交互物料搬运量、搬运距离乘积的总和的目标函数： 其中，目标函数所满足的约束条件为： 物料搬运距离约束： 设施坐标约束： 物料装卸点布置范围约束： 物料装卸点横纵坐标约束： 设施i到设施j的物料搬运距离约束： 同行设施防重叠干涉约束： 设施与地面障碍物防重叠干涉约束： 设施与悬空障碍物防重叠干涉约束： 决策变量和决策变量定义域约束： 其中，n为设施数量；nr为单行的设施数量，r＝1的时候，nr表示第一行的设施数量，r＝2的时候，nr表示第二行的设施数量；m为障碍物数量；N为设施集合，N＝{1,2,...,n}；K为障碍物集合，K＝{1,2,…,m}；Nr为单行设施集合，r＝1的时候，Nr表示第一行的设施集合，r＝2的时候，Nr表示第二行的设施集合；i,j,s为设施编号，i,j,s∈N；k为障碍物编号，k∈K；li为设施i在X方向上的长度；lj为设施j在X方向上的长度；wi为设施i在Y方向上的长度；wj为设施j在Y方向上的长度；hi为设施i在Z方向上的长度；lok为障碍物k在X方向上的长度；wok为障碍物k在Y方向上的长度；hok为障碍物k在Z方向上的长度；zok为障碍物k的几何中心点在Z方向上的坐标；fij为设施i与设施j之间的物流量； 为物料装卸点在设施i上所能布置的最小高度，其中为物料装卸点在设施i上所能布置的最大高度，其中为物料装卸点在设施i上所能布置的最小长度，其中为物料装卸点在设施i上所能布置的最小长度，其中r为通道宽度； xpi为设施i的物料装卸点在X方向上的坐标；ypi为设施i的物料装卸点在Y方向上的坐标；zpi为设施i的物料装卸点在Z方向上的坐标；xpj为设施j的物料装卸点在X方向上的坐标；ypj为设施j的物料装卸点在Y方向上的坐标；zpj为设施j的物料装卸点在Z方向上的坐标；为设施i的几何中心点在X方向上的坐标，r＝1的时候，表示第一行的设施i的横坐标，r＝2的时候，表示第二行的设施i的横坐标；为设施j的几何中心点在X方向上的坐标，r＝1的时候，表示第一行的设施j的横坐标，r＝2的时候，表示第二行的设施j的横坐标；xok为障碍物k的几何中心点在X方向上的坐标；为某一行内设施i与设施j的物料装卸点在X方向上的距离，r＝1的时候，设施i与设施j都在第一行，r＝2的时候，设施i与设施j都在第二行；为设施i与设施j的物料装卸点在X方向上的距离，此时设施i与设施j布置在不同行；Dijr为某一行内设施i与设施j的物料装卸点在Y方向上和Z方向上的距离之和，当r＝1的时，设施i与设施j都在第一行，r＝2的时候，设施i与设施j都在第二行；Dij12为设施i与设施j的物料装卸点在Y方向上和Z方向上的距离之和，此时设施i与设施j布置在不同行；αij为0-1变量，若设施i在设施j在同一行，且设施i，j同时在障碍物k的同一侧则αij＝1，否则αij＝0；βik为0-1变量，若设施i与障碍物k在同一行，且设施i布置在障碍物k的左侧，则βik＝1，否则βik＝0；βjk为0-1变量，若设施j与障碍物k在同一行，且设施j布置在障碍物k的左侧，则βjk＝1，否则βjk＝0；qijk为0-1变量，若设施i在设施j的左侧，且i、j都在障碍物的左侧，则qij1＝1，否则qij1＝0，若设施i在设施j的左侧，且i、j都在障碍物的右侧，则qij2＝1，否则qij2＝0；qjik为0-1变量，若设施j在设施i的左侧，且i、j都在障碍物的左侧，则qji1＝1，否则qji1＝0，若设施j在设施i的左侧，且i、j都在障碍物的右侧，则qji2＝1，否则qji2＝0；qisk为0-1变量，若设施i在设施s的左侧，且i、s都在障碍物的左侧，则qis1＝1，否则qis1＝0，若设施i在设施s的左侧，且i、s都在障碍物的右侧，则qis2＝1，否则qis2＝0；γij为0-1变量，若设施i在设施j在同一行，且设施i在设施j的左侧，则γij＝1，否则γij＝0； 步骤S2：初始化参数，计算区域内通道宽度、障碍物坐标，确定可能发生高度干涉的设备； 步骤S3：生成初始种群Pop，将初始种群Pop中的不可行解转化为可行解，使用优解策略对初始种群Pop进行优化； 步骤S4：移除初始种群Pop中的重复解，随机生成相同数量的可行解填充初始种群Pop； 步骤S5：计算适应度Fitness，将初始种群Pop分为精英解Elite_r和非精英解Nelite_r； 步骤S6-1：对精英解Elite_r进行禁忌搜索操作直至次数上限，得到禁忌搜索后的解，其中，禁忌搜索操作方法为：以目标值尽可能小为目的，对精英解Elite_r进行多次邻域搜索操作； 步骤S6-2：对非精英解进行遗传操作，得到遗传后的解，其中，遗传操作包括选择、优势交叉和变异操作； 步骤S7：将禁忌搜索后的解与遗传后的解组合为新的种群； 步骤S8：判断迭代次数是否达到最大遗传代数Max_gen，若未达到则返回步骤S4继续迭代计算，若达到则根据代入解个数y输出PROP_O模型的前y个最优序列，并计算相关决策变量； 步骤S9：将PROP_O模型的最优序列和相关决策变量代入MILP模型，并利用精确求解器求解，得到每个设施上物料装卸点的精确坐标和APPROP_O模型的最终目标值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西南交通大学，其通讯地址为：610000 四川省成都市郫都区犀安路999号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。