多箱型内河集装箱船舶配载决策研究

内河集装箱运输具有其独特性,船舶配载时更强调船舶舱容利用率.考虑特殊箱型影响,以最小化堆栈占用数量为目标,构建内河集装箱船舶配载决策的整数规划模型.为实现快速寻优,设计包含构造部分和优化部分的启发式算法求解.算法中,构造部分基于启发式规则快速构造初始解,优化部分基于邻域搜索策略实现初始解优化.算例研究表明,模型可实现内河集装箱船舶配载决策问题的有效求解,但随着算例规模增加所需求解时间大幅增加.与模型精确求解相比,启发式算法在求解时间方面表现要远优于模型,可在0.25 s内实现所有算例的高效求解,为内河集装箱船舶实际配载决策提供一定参考.     

PSO-BP混合预测模型及在港口集装箱吞吐量预测中的应用

运用粒子群优化算法代替BP神经网络的初始寻优,再用BP算法对优化的网络权值参数进一步精确优化,从而建立基于粒子群优化的BP神经网络模型.运用该模型对某港口集装箱吞吐量进行预测.应用结果表明,该预测模型不仅能较好地拟合港口集装箱吞吐量的历史数据,同时对港口集装箱吞吐量的远期预测也具有较好的效果.     

集装箱船舶全航线配载优化模型与改进遗传算法

以集装箱船舶稳性、强度、载荷为约束条件,以全航线倒箱量最小和吃水差最优为目标函数,建立了集装箱船舶全航线多目标配载优化模型。利用启发式算法获得初始可行解,利用改进了的遗传算法进行优化,并用1841 TEU、3开口的集装箱船舶进行实例验证。计算结果表明：与传统遗传算法相比,改进的遗传算法能在1．967 s内求得全航线上5个挂靠港口的配载计划,并能求得5个港口的满意解;在求得的满意解中,船舶倒箱量均为0,吃水差的绝对值分别为0．0035、0．0008、0．1097、0．0011、0．3712 m,均在船舶行驶的合理范围0～0．5 m内;对于不同挂靠港数量的其他航线,改进的遗传算法能在5s内快速获得合理的配载计划。可见,优化模型与改进的遗传算法可行。     

集装箱船舶贝内配载和堆场装船顺序协调优化

针对集装箱船舶贝内配载和堆场装船顺序协调优化问题，以堆场贝位和船舶贝位翻箱次数之和最小为优化目标，考虑堆场装船要求和船舶适航性等多种约束条件，建立数学模型. 鉴于问题的NP特性，提出混合演化策略算法(HES)求解模型，设计二维实数编码，提出基于力矩平衡和逐列装载的解码方法. 基于三点交叉互换的重组算子，单点突变的变异算子和互换的局部搜索策略对算法进行改进. 通过计算证明，对不同规模算例，HES算法均能求解出较优的贝内配载方案和堆场装船顺序.HES 算法与传统演化策略算法(ES)、粒子群算法 (PSO)、基于规则的启发式算法(HA-MBSCC)进行对比，进一步验证了算法的优越性.     

集装箱船舶贝内配载和堆场装船顺序协调优化

针对集装箱船舶贝内配载和堆场装船顺序协调优化问题，以堆场贝位和船舶贝位翻箱次数之和最小为优化目标，考虑堆场装船要求和船舶适航性等多种约束条件，建立数学模型. 鉴于问题的NP特性，提出混合演化策略算法(HES)求解模型，设计二维实数编码，提出基于力矩平衡和逐列装载的解码方法. 基于三点交叉互换的重组算子，单点突变的变异算子和互换的局部搜索策略对算法进行改进. 通过计算证明，对不同规模算例，HES算法均能求解出较优的贝内配载方案和堆场装船顺序.HES 算法与传统演化策略算法(ES)、粒子群算法 (PSO)、基于规则的启发式算法(HA-MBSCC)进行对比，进一步验证了算法的优越性.     

基于配载计划的集装箱提箱顺序和倒箱策略优化

降低倒箱量是提高集装箱码头作业效率的重要方法.集装箱提箱顺序对码头倒箱作业有明显的影响.本文在满足船舶配载计划的前提下,针对传统的最矮栈和邻近栈 策略,提出优化栈倒箱策略,以倒箱量最小为目标分别建立3 种倒箱策略下的提箱顺序模型,并设计了遗传算法对该模型进行优化求解.最后对10 个算例进行t 检验,计算结果表 明,3 种倒箱策略间存在明显的差异,并且规模越大,差异越明显.再与下界对比分析,探 究造成3 种倒箱策略差异性的原因,并且验证了算法的有效性.数值实验结果表明,最矮栈策略优于邻近栈策略,优化栈策略优于最矮栈策略.     

解决有配放限制的多集装箱配载系统优化的多蚁群协同算法

在分析具有装载重量、体积等约束条件及配放限制的集装箱配载模型的基础上,分析了求解其的蚁群算法与求解TSP的蚁群算法在结点性质、原点（中心结点）的作用、蚂蚁路径构造规则、可移动结点集合、可行解的形成过程等方面的区别. 针对问题特点,充分考虑货物配放限制,装载工具的载重、容积两个方面同时优化的问题,基于待装货物比容动态逼近装载工具剩余空间比容的思想,综合运用ACA-INI、ACA-CONTAINER和ACA-VOTUME三个不同蚁群协同考虑问题的两个目标--需用集装箱数目优化和装载工具重量、容积利用率优化,对问题的求解策略进行了研究. 进一步地,结合8类40件不同品种货物的集装箱配载问题对模型算法的实用性和有效性进行了验证.     

基于VB的货运配载计算软件

根据船舶货运配载过程中的稳性、纵强度、吃水差的计算和校核方法，利用VB进行计算机编程，实现配载过程的计算，显示计算结果，核查配载情况，并对计算结果进行评价，可极大提高计算的效率和计算的精确度，使配载人员从繁琐的计算中解脱出来。     

基于专家系统的船舶配载智能控制策略

利用专家系统的反向推理和正向推理相结合的多级控制策略,提出船舶装卸载分轮次序中确定货物装载位置、能力、顺序的控制原则和约束条件及实现原理。通过控制船舶的浮态和强度,提高船舶压载水的速率及排放能力,保证货物装载过程中压载水与货物操作相适应,保证船舶在港内装卸载过程中强度满足要求,确定船舶配载方案及船舶装卸载分轮次序。实船计算结果表明该策略提供了船舶装卸载操作每一步货物的数量、装舱顺序、时间及船舶浮态等性能指标,能迅速、准确地确定船舶配载方案及操作步骤,提高船舶的配载效率,避免船舶配载中的盲目性。     

集装箱船舶装箱排序问题的两阶段算法

集装箱船舶装箱排序问题综合集装箱装船顺序与船舶贝内排箱,是一类典型的组合优化问题.考虑堆场发箱顺序和船舶配载之间的关联,构建集装箱船舶装箱排序问题的数学模型.针对构建的优化模型,鉴于已有方法难以直接对其进行求解,基于两阶段分层求解思想设计SWO-HES两阶段算法.算法第1阶段利用吱呀轮算法(SWO)大邻域导向式搜索的特点优化集装箱装船顺序问题;第2阶段将SWO的结果作为输入,基于启发式规则和演化策略算法(ES)构造混合演化策略算法(HES)优化船舶贝内排箱问题.最后,通过不同规模算例的研究,将SWO-HES与常见智能算法、基于实际装船规则的启发式算法进行对比分析,验证模型与算法的有效性.     

不确定箱重下内河集装箱班轮航线配载决策

与集装箱海运相比内河集装箱班轮运输具有其独特性,同时对于内贸箱而言,货主订舱时箱重信息的不确定性导致其航线配载决策变得更加复杂.本文考虑不确定箱重影响,以最小化航线班轮堆栈占用数量为目标,构建内河集装箱班轮航线配载决策的随机规划模型.为实现求解,基于随机规划理论,采用机会约束描述随机约束,将随机规划模型转化为随机机会约束规划模型,并设计混合邻域搜索算法求解.算法由蒙特卡罗随机模拟、神经元网络训练及邻域搜索启发式3个部分组成.算例研究表明,混合邻域搜索算法的鲁棒性较好,可实现配载计划对不确定因素的有效吸收.     

基于BP神经网络的厦门港集装箱吞吐量预测研究

厦门港是我国东南沿海的集装运输基本港口.集装箱吞吐量的预测是港口制定发展规划的重要依据.在研究了常用的输入数据归一化方法之后,提出了新的归一化方法.该方法能加快BP神经网络的训练速度并提高精度.运用BP神经网络建立了厦门港集装箱吞吐量预测模型,并计算出2020至2024的集装箱吞吐量预测值.无论从拟合值,还是预测值检验来看,该方法都具有很高精度.     

基于BP神经网络的模型参考自适应控制

基于BP神经网络的误差反向传播机制,探讨了建立在BP神经网络基础上的模型参考自适应控制方法。该方法用2个BP神经网络分别作辨识器和控制器,其中辨识器兼作间接传递误差的通道,从而解决了控制器权值的修正问题。仿真结果表明, 经过学习控制结构具有较好的有效性。     

基于遗传算法(GA)优化BP神经网络的船舶交通流量预测

为了提高船舶交通流量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型.该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值.以青岛港2011—2019年船舶交通流量统计数据为例,进行仿真实例验证.结果表明,与传统的BP神经网络相比,该模型能显著地提高船舶交通流量的预测精度,用于预测船舶交通流量具有一定可行性.     

考虑航艏向与数据变化差异的船舶轨迹预测

船舶自动识别系统(Automatic Identify System,AIS)数据可以实时体现船舶当前时刻的具体动态,采用传统BP(Back Propagation)神经网络模型的船舶轨迹分析预测方法,在计算中直接将航艏向数据纳入模型,没有考虑船舶航艏向在零度附近变动时带来的实际方向变动幅度与数据变化幅度存在较大偏差问题。为解决该问题,在BP神经网络基础上,引入双三角函数变换,同时将正弦值与余弦值纳入模型,将两者相结合,从两维度体现航艏向情况;在拟合预测后进行反三角函数变换和平均处理,构建一种基于改进神经网络算法的船舶AIS轨迹预测模型。选取实例数据进行模型验证,实例结果表明,该模型预测结果比不考虑差异方法的误差均方差更小,大幅降低误差幅度,可更精确地预测船舶轨迹。     

基于BP神经网络的运量预测模型优化研究

在传统多种单项预测模型与组合预测方法的基础上,利用BP神经网络技术的非线性映射能力,在多个预测模型与实际数列之间建立一种非线性关系,对运量预测结果进行优化,以达到提高预测精度的目的.通过实例分析,表明这种经过BP神经网络优化后的预测模型,可一定程度上克服传统单个预测模型的部分局限性,提高预测精度,用于运量预测是可行的.     

基于AIS数据的船舶安全航行水深参考图

通过挖掘海量AIS数据, 提出了一种新的航道水深信息获取方法, 即构建船舶安全航行水深参考图; 采用数据预处理的方法对历史与在线的AIS数据进行清洗和修补, 生成船舶运动轨迹; 选定船舶航行区域的时间与经纬度, 采用K-means聚类算法对船舶航行过程中的吃水数据进行聚类分析, 得到不同安全航行区域的船舶分类, 运用BP神经网络模型预测并补齐AIS数据中缺失的船舶最大吃水信息; 分割船舶历史轨迹, 当子轨迹的时间间隔在10~20min时, 采用Spline插值方法对船舶轨迹中的丢失数据进行插值; 采用凸包构建同类船舶的安全航行水深区域图, 将不同吃水类型船舶的安全航行水深区域图合并, 得到船舶安全航行水深合并图; 将不同吃水类型的船舶安全航行水深合并图与航道图叠加, 得到船舶安全航行水深参考图。试验结果表明: 当聚类算法参数设置为4时, 聚类后得到4类船舶, 对应的船舶最大吃水范围分别为0.1~4.8、4.8~6.6、6.6~10.0、10.0~13.0m, 对应的至少可通航船舶吃水分别为1.8、2.4、3.3、5.0m, 说明船舶最大吃水与至少可通航船舶吃水呈正相关关系; 构建的船舶安全航行水深参考图在电子航道图中覆盖了86%的航道, 并与航道图的深水部分重合率为80%, 因此, 构建的船舶安全航行水深参考图能反映航道水深的真实情况, 满足不同类别船舶的导航需求。      

铁路客流量预测分析与研究

铁路客流量预测与分析对铁路部门采取有效的应对措施具有十分重要的意义,分别应用基本的神经网络和遗传算法优化BP神经网络对客流量进行了预测,建立铁路客流量网络预测模型.分别利用以前客流量的数据对2011年和2012年的客流量做了预测验证,并对2013年的客流量做了预测,结果表明利用遗传算法优化BP神经网络得到的预测数据和实际的基本相符,该预测算法应用到客流量的预测中效果良好,具有很好的应用和推广的前景.