支线集装箱船舶航线规划与配载协同优化

针对支线集装箱船舶运输中喂给港数和靠泊条件不一的实际背景,考虑船舶容量、行驶稳性和交付时间等约束,采用两阶段分层方法研究支线集装箱船舶航线规划和配载协同优化问题。两阶段中分别以所有船舶总运营成本最小和混装堆栈数最小为目标,构建船舶航线规划和配载优化的混合整数规划(MIP)模型,结合问题特征设计粒子群算法(PSO)求解模型。结果表明：模型与算法均可实现问题求解,对于较大规模的算例,模型最长求解时间超过600 s, PSO最长求解时间为16.66 s,平均10.00 s内完成求解,表现出较好的求解性能,可为支线集装箱船舶航线规划与配载协同优化提供决策参考。     

集装箱船自适应舱群配载优化算法

传统船舶舱群配载算法在集装箱分布排列最优计算过程中,忽略了空间分布的约束条件,导致计算结构的适应值非最优值,降低了船舶空间使用率,增加了船舶运输成本的投入。因此,提出集装箱船舶自适应舱群配载优化算法研究。通过建立船舶舱群配载约束条件模型、配载分布数据模型与自适应优化模型,完成对集装箱船舶舱群配载过程中集装箱分布适应量的约束优化,通过对分布适应函数量的条件约束,获得分布最优量,完成优化计算。通过仿真对比实验表明,提出的集装箱船舶自适应舱群配载优化算法,在集装箱舱群配载仿真测试中的配载量大于传统算法的配载量,提出优化算法效果明显,符合实际要求。     

增强学习算法在集装箱船舶配载问题上的应用

正集装箱船舶配载是集装箱码头生产作业的重要环节之一,其直接影响码头整体装卸作业效率。目前,我国集装箱码头主要采用传统在线搜索算法解决集装箱船舶配载问题,但此类方法在求解大规模算例时效率较低。为此,本文采用增强学习算法,将大量耗时计算前置到线下训练阶段,实际配载时则利用训练好的网络直接求解,从而提高求解效率。具体思路如下:首先,分析集装箱船舶配载问题的     

船舶舱群配载优化算法研究

为了解决现有船舶舱群配载优化算法翻箱次数多、装卸效率低的难题,提出船舶舱群配载优化算法研究。根据船舶运输相关规定对舱群配载参数进行选择,以此为基础构建船舶舱群配载优化模型,以构建的船舶舱群配载优化模型为工具,通过遗传算法得到舱群配载方案并对其进行编码,依据编码结果采用贪婪算法对舱群配载最优方案进行选择,从而实现了船舶舱群配载的优化。通过仿真对比实验得到,与现有的船舶舱群配载优化算法相比较,提出的船舶舱群配载优化算法极大地降低了翻箱次数,提高了装卸效率,充分说明提出的船舶舱群配载优化算法具备更好的性能。     

基于改进布谷鸟算法的集装箱码头配载优化研究

为对集装箱码头配载问题进行研究，在满足船舶适航性的基础上，建立了以集装箱水平运输时间、岸桥作业时间以及堆场倒箱时间最短为目标的多约束的数学模型。将改进的布谷鸟算法(Improved Cuckoo Search, ICS)应用求解，首先在布谷鸟算法的莱维飞行阶段，分别从种群整体、当代最优、自身个体中抽取鸟巢信息，建立不同的鸟巢位置更新模式；其次，采用动态机制控制发现概率P_a;最后计算每个鸟巢的适应度，来找到最优解。试验表明：改进的布谷鸟算法可以有效找到最优解，优化结果相比较于标准的布谷鸟算法提升25%,该方法具有可行性和有效性。     

利用线性规划优化集装箱船舶的配载

近年来,随着国际贸易和海洋运输业的快速发展,集装箱船舶容量越来越大,配载越来越复杂,以人工经验为主的传统集装箱配载方法已经无法满足行业对配载效率的要求。目前,利用计算机强大的计算能力解决集装箱船舶配载问题成为人们研究的重点。本文研究线性规划优化算法,提出集装箱船舶配载算法,有效提高船舶运输和港口运作效率。     

集装箱码头配载操作要点研究

集装箱码头配载是集装箱船舶码头作业中非常重要的一个环节,它直接影响到码头作业效率、码头作业安全、集装箱船舶的适航性和船公司的货运质量以及营运效益。在保证集装箱船舶适航、运输安全的前提下,集装箱码头配载应将重点放在码头堆场作业上,保证堆场作业顺畅有序、高效安全,以降低成本,缩短船舶在港时间,实现港方和船方的双赢。本文就集装箱码头配载的操作要点,探讨如何完善集装箱码头配载以实现船、港双赢的目的。     

集装箱船舶配载技巧

集装箱码头作业环节多,业务涉及面广,其中,集装箱船舶配载是集装箱码头作业的重要环节。集装箱船舶配载指在确保船舶适航性和经济性的前提下,根据船公司要求,按照一定装箱规则绘制预装船图,以便将集装箱合理地装于集装箱船舶上。     

吃水受限内河船舶航行性能综合优化的分层并行混沌算法

船舶航行性能综合优化设计分析是一项非常重要的工作。基于分层思想、并行算法和混沌算法,建立了吃水受限内河船舶性能综合优化的数学模型,设计了一种求解此类问题的基于敏感变量分段的分层并行混沌复合算法。编制了界面友好的VC＋＋软件。对于吃水受限内河船舶快速性和操纵性综合优化问题,进行了遗传算法、混沌算法、并行混沌算法和分层并行混沌算法的大量优化计算,结果表明：该复合算法计算可靠、效率高;为吃水受限内河大型船舶综合优良船型设计奠定了良好基础。     

基于装载效率的集装箱码头堆存及配载策略

集装箱码头堆场堆存计划和船舶配载计划的优劣影响着船舶装载效率，为提高码头整体效率，在集装箱装船流程的基础上分析现行堆场堆存计划和船舶配载计划的原理和现状，指出缺点和不足．提出4级分类堆存策略、舱面梯形配载法和集装箱互换法等3项改进措施。     

基于社会情感优化算法的船舶转向避碰决策

针对多船会遇时转向避碰决策的难题,提出一种运用社会情感优化算法(Social Emotional Optimization Algorithm,SEOA)求取最佳转向避碰幅度的决策方法。基于国际海上避碰规则和良好船艺对转向行动的要求,分别对互见和不在互见两种情况,建立船舶转向避碰行动矩阵,根据目标船的相对方位和船舶类型确定转向避碰的行动向量,限定问题的求解空间。将船舶碰撞危险度和航程损失作为目标函数,在个体情绪值控制下迭代进化,求取全局范围内的最优转向避碰幅度。仿真结果表明,将社会情感优化算法用于船舶转向避碰决策是可行且有效的,能为船舶驾驶人员的决策提供支持。     

内河大型船舶快速性能及结构力学特性综合优化方法研究

建立了内河大型船舶快速性能及结构力学特性综合优化的数学模型,基于并行算法、遗传算法和分层思想,构造了一种基于敏感变量分段的分层并行遗传复合算法,并将其应用于求解此类综合优化计算问题.对于内河大型船舶快速性能及结构力学特性综合优化问题,进行了遗传算法或并行遗传算法及其分层并行遗传算法的大量优化计算,结果表明:该复合算法不但能有效地克服遗传算法的早熟问题,而且计算可靠、效率高;为内河大型船舶设计方案的综合评估及综合优化船型设计准备了前提条件.     

船舶混合动力推进系统多目标优化研究

为了解决船舶混合动力系统多目标优化难题，采用精确的阻力预测模型及螺旋桨模型预测9 000 DWT化学品运输船功率需求。基于推进系统的需求功率，提出基于目标聚类的方法建立多目标优化数学模型，并对系统关键设计参数进行多目标优化研究，对比分析4种典型多目标优化算法对该优化问题的适应性。结果表明：基于快速非支配排序的多目标算法对于含有整数变量、等式约束等混合动力系统多目标优化问题具有良好的鲁棒性和收敛性。采用多目标综合决策求解出的最优设计参数相较于原型船动力系统，最大能效提升约6.1%。     

基于连续图谱的船舶吃水及纵倾优化

为解决船舶压载工况下的配载吃水和纵倾优化问题,对船舶压载工况的营运特点进行分析,给出考虑船舶吃水、纵倾、航速及主机功率等因素的多目标问题优化模型;针对大量离散试验和计算数据难以有效分析及优化求解的问题,提出基于空间二元拉格朗日插值算法的吃水、纵倾、主机功率三维连续图谱构建方法,并选取一艘典型散货船,通过图谱优化计算输出其最佳工况参数;最后通过实船海试验证该研究的有效性和实用性。     

吃水受限的内河大型船舶航行性能综合优化方法研究

建立吃水受限的内河大型船舶航行性能综合优化的数学模型,又基于并行算法和遗传算法思想,构造了一种分层并行遗传算法,对于吃水受限的内河大型船舶航行性能综合优化问题进行了一般遗传算法、并行遗传算法和两层及三层并行遗传算法的大量优化计算,结果表明,该分层并行遗传算法计算可靠、效率高,为设计综合性能优良的内河船船型准备了良好的基础条件。     

基于拟态物理学优化算法的船舶变速避碰决策

为能在狭窄水域多船会遇情况下快速给出安全有效的避碰决策,提出一种基于拟态物理学优化算法(Artificial Physics Optimization, APO)的船舶变速避碰决策方法。该方法利用APO算法的快速寻优能力,根据《国际海上避碰规则》对变速行动幅度的要求,限定算法中可行解的空间,考虑变速冲程和冲时对会遇的影响,提高最近会遇距离值的计算精度,建立基于碰撞危险度和变速能量损失的目标函数,迭代进化获得全局范围内最优的速度值,即船舶的决策速度。狭窄水域多船会遇案例的仿真结果表明:决策速度下船舶能够安全有效地避让各目标船舶,该决策方法可行且有效,能够为船舶驾驶人员提供避碰决策支持。     

船舶初步设计的多目标优化研究(英文)

提出了应用于船舶初步设计的多目标优化策略和决策方法.详细介绍了集成模型分析和优化算法的多目标优化求解思路,并使用改进的非支配排序遗传算法获取优化问题的Pareto解集.针对多目标优化问题中各子目标之间存在相互冲突、不能同时达到最优的特性,采用多属性决策理论对设计空间进行计算分析,找出.Pareto前沿面上的最优解.以散货船的初步设计为实例,对多目标优化策略和决策方法进行了验证分析.结果表明优化策略和决策方法不仅是可靠的、实用的,而且能广泛应用于各类船舶初步设计的优化与决策分析中.该文为船舶的初步设计提供了一条新途径.     

基于克隆选择优化的多船转向避碰决策

基于船舶碰撞危险度计算模型,在多船会遇态势下,利用克隆选择优化算法,本文提出一种最优转向避碰幅度计算方法。确定了最近会遇距离(DCPA)、最近会遇时间(TCPA)、两船距离、相对方位、船速比5个主要因素的隶属度函数,并考虑航行区域状况、能见度情况和船舶的操纵性能等对船舶碰撞危险度的隶属度函数修正。基于船舶碰撞危险度和航程损失的多目标函数优化,通过分克隆选择优化算法,在《国际海上避碰规则》约束的可行域空间内,获取全局范围内的最优解。仿真结果表明克隆选择优化算法对于处理多船会遇态势下的让路船转向避碰决策的有效性。     

基于改进NSGA-Ⅲ的船舶路径规划方法

针对船舶路径规划过程中存在多个目标的问题,将船舶路径规划转化为多目标优化问题,提出一种基于改进NSGA-Ⅲ的船舶路径规划方法。研究建立以船舶航路安全性、平滑度及航程为优化目标的数学模型,并设计改进NSGA-Ⅲ求解模型。在种群初始化过程中,引入一种基于有向无环图的种群初始化方法。在种群进化过程中,引入安全算子、平滑算子、最短路径算子及快速修复算子以提高算法收敛速度。试验结果表明,基于改进NSGA-Ⅲ的船舶路径规划方法提高了规划效率,能够得到较好的规划结果。     

基于多目标粒子群算法的船舶主尺度优化设计研究

粒子群优化是一种新兴的进化计算技术。文章基于多目标粒子群优化算法讨论了船舶主尺度论证中的多目标优化和决策问题。对于多目标优化问题,采用基于Pareto占优方法的多目标粒子群算法得到最优解,然后采用距离理想解最近的方法对这些Pareto最优解给出排序。应用文中给出的两个阶段求解方法,对散装货船概念设计阶段主尺度确定的问题进行了分析。结果表明,综合多目标粒子群优化和决策技术,能够迅速、客观地选择合理的船舶主尺度,可以给设计人员提供更多的选择。这种综合方法也能够广泛用于船舶其他设计领域。