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。     

基于航道与泊位资源协调调度的船舶交通优化

将港口航道与泊位资源协调利用,可最大限度地提高港口运营效率。对此,以所有船舶总在港时间和等待时间最少为目标,建立基于单向航道的多目标船舶调度优化模型。根据港口不同区域的交通流特征,建立初始化约束、流量转换约束、时隙分配约束和泊位冲突消解约束等多个约束模型。设计多目标遗传算法进行求解,并设计有针对性的模拟场景进行验证;以港口某一繁忙时段的20艘船舶为例,进行调度试验。最终得到8个Pareto最优解和2个目标的最优解:总调度时间为2.618 6 h,添加惩罚后总等待时间为23.012 4 h。结果表明:该模型及算法给出的调度方案能有效提高船舶的调度效率。     

基于粒子群优化算法的海上电子工程资源调度设计

传统的海上电子工程资源调度方法在数据安全性极高的情况下,资源调度受到限制,其实用性需要进一步提高。为此,提出粒子群优化算法的海上电子工程资源调度设计。根据用户请求将资源转化为资源池,结合实际资源的各项属性设计资源模型,在资源模型上,将资源看作独立的粒子,初始化粒子群,优化加速因子和学习因子,执行粒子群优化算法,输出结果,即为资源调度结果。实验结果表明:设计的粒子群优化算法的海上电子工程资源调度方法任务并发数高、最大资源利用率高,该方法的实用性得到加强。     

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。     

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。     

基于量子粒子群算法的船舶电力系统网络重构

船舶电力系统网络重构可以看作为一个多目标、多约束、多时段、离散化的非线性规划最优问题。根据船舶电网结构的特点,提出了运用量子粒子群算法解决重构问题的思想。加入量子粒子群算法的离散化操作,使之能够满足船舶电网重构模型的要求。仿真结果说明该算法能够得出船舶电力系统网络重构的全局最优解,实现了网络重构最优,并且通过相应的算例与其他优化算法进行横向比较的结果也验证了量子粒子群算法有更好的可行性。     

大型船舶室内装饰色彩优化研究

当前色彩优化方法设计的优化方案计算方法,直接计算船舶工作人员对船舶室内装饰色彩的期望值,导致优化后的装饰色彩,平均梯度和视觉质量2个指标低。本文提出大型船舶室内装饰色彩优化研究,采用Auto CAD软件和Maya软件,以多边形建模的方式,建立大型船舶室内装饰空间模型。根据色彩的心理效应,将船舶工作人员对船舶室内装饰色彩的期望值转换成模糊期望值,计算色彩布置方案与船舶工作人员对装饰色彩感知的关系,优化色彩搭配方案;采用粒子群算法设计方案求解步骤,求取优化后的方案最优解。设计空间模型建设环境,以模型渲染的方式,优化大型船舶室内装饰色彩。实验结果表明:本文优化方法较2组当前优化方法,色彩平均梯度和视觉质量2个指标高0.24,0.32,11.66,7.73,具有较优的视觉效果。     

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。     

基于粒子群算法的海上物流智能配送系统

目前,海上物流的兴起与发展为物流行业带来了新的生机,但在海上物流智能配送系统的使用过程中,系统时常无法实现精确的船只调度,因而采用粒子群算法展开优化,设计粒子群算法的海上物流智能配送系统。在原有的硬件体系中引用GIS芯片,提升原有硬件的性能。以上述硬件为基础,采用粒子群算法中的学习因子优化技术,设定船只调度计算模块。将硬件与软件相结合,完成粒子群算法的海上物流智能配送系统的设计工作。构建系统测试平台,通过与原有智能配送系统船只调度精准度对比可知,此系统的船只调度精准度优于原有系统,性能更佳。     

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。