基于蚁群算法的海洋港口物流运输系统研究

传统海洋港口物流运输系统存在货物运输目标参量与船舶调度路径间的协同性异常问题,导致货物运输船舶调度的精准度误差增大。因此,提出蚁群算法的海洋港口物流运输系统研究。首先,在系统硬件中加入船舶货物ID采集硬件,通过货物相关数据,建立起协同数据模型;接着;根据协同模型对运输路径进行基础模型计算,最后;通过蚁群算法,对路径与协同数据进行匹配性最优计算,从而得到最佳的物流调度方案,实现货物与路径的最佳协同性效果。为了验证设计系统的运输调度效果,通过仿真实验来完成对设计系统性能的验证,证明提出设计系统具有提升港口物流运输货物与船舶路径规划协同性的作用。     

基于人工智能算法的港口物流船舶运输路径优化研究

传统的港口物流船舶运输路径优化后,船舶运输成本很高,运输时间过长。针对上述问题,引用人工智能算法研究了一种新的港口船舶运输路径优化方法,通过船舶配送和客户管理两阶段解决优化问题,通过线性优化区分港口路径组成的种群,形成若干个子种群,分析种群之间的密度,根据密度分析结果得到协同进化方案,同时使用提升操作和协同操作解决路径优化问题,利用"径—环切割"理论对客户进行分组优化,通过时间窗解决运行时间问题。设定对比实验验证方法效果,结果表明,基于人工智能算法的港口物流船舶运输路径优化方法可以有效降低运输成本,缩短运输时间。     

基于蚁群算法的港口船舶调度优化问题研究

港口船舶调度优化问题是当前一个公开的难题,传统方法无法获得理想的港口船舶调度优化方案,为了加快港口船舶调度速度,降低港口船舶调度成本,建立了基于蚁群算法的港口船舶调度优化模型。首先分析当前港口船舶调度优化研究现状,指出各种方法出现不足的原因,然后构建港口船舶调度优化问题的多约束优化目标函数,并引入蚁群算法对多约束优化目标函数进行寻优,求得港口船舶调度优化问题的最优解,最后进行港口船舶调度优化仿真模拟实验。相对于其他港口船舶调度优化模型,蚁群算法改善了港口船舶调度优化问题求解的效率,港口船舶调度优化问题的解质量更高,可以满足港口船舶调度管理的实际应用要求。     

港口码头大型接卸船舶物流调度方法

针对传统船舶物流调度方法物流运营收益较低的问题,提出一种港口码头大型接卸船舶物流调度方法,对大型接卸船舶泊位资源进行配置,通过设置物流调度条件,建立港口码头大型接卸船舶物流调度模型,利用模拟迭代算法对模型进行求解,实现港口码头大型接卸船舶的物流调度,为了证明该方法的物流运营收益较高,将该方法与基于局部最优解的船舶物流调度方法、基于可能域的船舶物流调度方法、基于改善算法的船舶物流调度方法进行对比实验,结果证明该方法的物流运营收益最高,说明该方法最适用于大型接卸船舶的物流调度。     

基于改进决策树的港口物流船舶运输路径优化研究

常规方法下优化的运输路径虽能完成运输任务,但效率过慢,且总成本较高,导致港口物流的运输效益不理想,为此提出并设计了一种基于改进决策树的港口物流运输路径优化方法。在给定运输起点和终点的前提下,建立路径优化决策集,通过改进决策树算法,确定每条运输路线上的权重值及特征向量,将权重值引入决策树,利用改进决策树算法对决策集进行求解,实现船舶运输路径的优化。仿真实验结果表明,基于改进决策树的运输路径能够有效提高船舶的运输效率,具备良好的适应性。     

粒子群优化算法在港口船舶物流中的应用

传统的用遗传算法的港口船舶物流中存在逾期惩罚成本过高的问题,为此,提出粒子群优化算法在港口船舶物流中的应用。分析港口船舶物流影响因素并完成粒子编码,使得粒子位置与影响因素一一对应,计算多目标适应度函数,根据种群适应值均值调整目标粒子适应度函数,保证适应度函数最优,利用微粒迭代更新粒子的位置和速度,通过判断种群的收敛精度实现最优解的输出。实验结果表明,应用粒子群优化算法的港口船舶物流中逾期惩罚成本远低于应用遗传算法物流中的逾期惩罚成本,说明粒子群优化算法的应用有效地改善了逾期惩罚成本过高的问题。     

基于人机交互-蚁群算法的船舶交通多航道调度优化

传统基于纯蚁群算法的船舶交通多航道调度优化无法根据实际情况调整船舶优先级,船舶占港时间较长,经济效益差,因此设计一种基于人机交互-蚁群算法的船舶交通多航道调度优化方法。建立多航道调度优化模型,明确各船舶调度策略,确定调度时间、等待时间最小的目标函数,建立避免调度过程中产生混乱和协调船舶交叉的约束条件;在调度优化中引入人机交互-蚁群算法,采用人工设置临时改变船舶工作的优先级,以此来提高港口工作效率,并设置算法的搜索顺序,完成船舶交通多航道调度优化的研究。在算例仿真中,为验证传统方法与设计方法的调度结果,设置港口参数并分析两方法的调度方案,结果表明设计的方法得到的方案能有效缩短船舶平均在港口的停留时间和恢复正常生产所需要的时间。     

结合免疫算法的船舶运输路径优化方法研究

为选取出港口船舶运输的最优路径,相关研究者将近几年兴起的智能算法,如禁忌搜索算法、遗传算法应用其中,但是这些算法均视最短路径为最佳路径,未从多个角度进行选取,导致选取出的路径虽然最短,但安全性较低、成本相对较高,整体运输路线质量不高。针对上述问题,研究一种基于免疫算法的船舶运输路径优化方法。该方法先需要对船舶运输路径优化问题进行描述,从多个角度进行约束,后利用免疫算法求取路径优化问题的最优解,完成最优路径搜索。结果表明,与基于禁忌搜索算法、遗传算法的港口船舶运输路径优化方法相比,本算法运行下,选取出的路径距离虽然并不是最短的,但是在时间、安全性以及成本方面均最佳,因此通过综合评估得出本方法选出的运输路径最优,证明了本方法的性能。     

双向通航港口船舶调度优化模型与算法

为提高双向通航港口船舶调度的安全性和调度效率,研究双向通航港口船舶调度优化模型和算法。考虑船舶属性和船舶交通状况等因素,基于船舶调度安全性、连续性和高效性要求,建立以单向/双向通航模式转换、航道与泊位协调和安全性为约束的双向通航港口船舶调度多目标优化模型;设计双向通航港口船舶调度多目标遗传算法获取最佳调度方案。对试验所求的调度方案进行一般性安全检验、双向通航安全检验和双向通航与单向通航转换安全性检验,结果表明:提出的双向通航港口船舶调度优化模型与算法能在保证安全的前提下有效获取船舶调度方案,提高双向通航港口船舶调度效率。     

遗传算法在港口船舶调度领域中的应用

以港口企业的研究实践为出发点,从港口船舶调度的优化目标和影响港口船舶调度的因素两方面入手,借助多目标优化和遗传算法在各自算法上的优势,针对港口船舶调度的特殊性要求,将两种算法进行动态融合,并结合实际业务数据进行了模型的构建和求解。