集装箱船配载问题的粒子群算法研究

针对集装箱船配载优化中的Bay位优选问题,提出以倒箱量、重心横向偏移和初稳性高为目标,以箱位与Bay位的一致和Bay位重量为约束条件的数学模型,提出一种多目标离散粒子群算法(MODPSO)求解之,得到该算法优化后的Pareto解集和Pareto解迭代过程中的变化趋势图,为集装箱船配载问题提供多种方案以供备选,从而达到在提高集装箱船装载效率、节约装载成本和时间、使集装箱船获得稳定航行状态等目标间取得更好平衡的目的。     

集装箱船的单元块配载

在集装箱船运输中，为减少集装箱装卸的倒箱和移箱问题，引入单元块概念，提出装载单元块配裁思想，把集装箱船箱位分成具有优先等级的多个单元块，以一定的约束条件完成集装箱单元块配载该方法能解决多港口集装箱配载中的港序问题，减少例箱和移箱，提高船舶装卸效率集装箱船的装载单元块配我为实现集装箱船自动配栽提供一种新思路.     

混合蚁群算法求解集装箱箱位分配问题

集装箱船配载过程中的重要环节是合理的箱位分配,它对保证集装箱船装载后的航行性能及其码头装箱效率有重要的影响.随着集装箱船的大型化及待装船箱量的增加,该问题的求解较为困难.结合集装箱船配载中箱位分配的实际操作特点,提出了利用与禁忌算法相结合的混合蚁群算法来求解集装箱的箱位分配问题.仿真模拟试验表明该算法能够在不影响装箱难度的同时,大幅提高集装箱装船后船舶的航行性能.     

基于多装船机的散货船智能装载

对散货船使用多装船机进行装载作业的情况,建立以最高装载效率、最佳纵倾和最小化船舶最大静水弯矩值为目标,以浮态、稳性和结构强度为约束条件的散货船智能装载数学模型,使用改进的多目标遗传算法进行求解,得到优化后的Pareto解集,结果表明:该算法能够有效求得该问题的优化解,在实际应用方面具有一定的可行性.     

滚装船配载优化算法及其软件化实现

在分析滚装船配载特点的基础上,考虑了船舶稳性、配载效率以及航次收益等约束与配载目标,对其配载优化问题进行建模,开发了以贪婪算法为基础的两阶段启发式算法,并分别通过实证研究以及大规模仿真算例,借助于与小规模问题精确解以及基于现实调度规则所得到的配载方案的对比,验证了模型以及优化算法的有效性。     

基于多种群萤火虫算法的集装箱船结构优化

针对集装箱船结构优化问题,依据CCS规范建立以集装箱船舯剖面面积最小为优化目标,板厚、型材横截面积为离散设计变量的优化数学模型。提出一种多种群萤火虫算法,各种群设置不同的参数,提高搜索区域,多子群并行寻优、子群主群协作寻优提高算法寻优性能,对所建模型进行优化计算。优化算例表明,所提出的多种群萤火虫算法比标准萤火虫算法可以更快的收敛得到最优解,在满足所有约束条件情况下,集装箱船舯剖面面积最小约13.2%,验证了多种群萤火虫算法应用于集装箱船结构优化的有效性。     

滚装船车辆自动配载研究

为实现大型汽车滚装船单层甲板车辆的自动配载,建立甲板和汽车实模型,并提出将排样问题中的最低水平线法与计算图形学中的射线法相结合来解决该问题.以3800车位汽车运输船的主甲板为例,对采用该配载模型和算法的效果进行分析,验证其有效性,发现在进行单一车型配载时效果与装载手册相当,在进行多种车型配载时仍有较高的甲板利用率.研究结果表明,该解决方案贴合实际,建模合理,能提升配图人员的配图效率,初步解决大型汽车滚装船车辆的自动配载问题.     

基于组合赋权TOPSIS法和粒子群的船舶概念优化设计

船舶概念设计阶段,需要初步给定多组船型参数方案并从中优选出客观合理的某一方案。本文建立以船舶造价、螺旋桨总效率、相对回转直径为目标的船舶概念设计优化数学模型。将Li提出的最小-最大适应度多目标粒子群优化算法应用于求解船舶概念设计多目标问题以获得Pareto解集。分析主观赋权和客观赋权的优劣,提出借鉴专家经验和信息熵权的主客观组合赋权TOPSIS法,借助Matlab软件对所求Pareto解集进行方案排序。算例表明,maximinPSO在求解35 000 DWT散货船概念设计多目标优化能获得均匀分布的Pareto前沿,基于组合赋权的TOPSIS策略能给出客观、合理的决策序列。该方法可应用于船舶优化等领域。     

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Pareto遗传算法的船舶操纵性能多目标优化技术研究

针对船舶初始设计阶段船舶操纵性能优化这一复杂的多目标问题,开展相应的多目标优化方法研究。利用Pareto方法的特点,提出基于Pareto遗传算法来解决传统方法中的这个问题。经过优化可以得到均匀分布的Pareto解集,便于进行分析比较和选择,并给出计算实例。     

空运装载问题求解方法研究

针对空运装载问题,重点研究多目标多载具装载问题的数学模型,并提出基于重量差优先的禁忌邻域搜索优化算法来求解模型。实验结果表明该算法不仅保证目标函数值不恶化,还使得解空间搜索时间大大减少,极大地提高了模型求解速度。     

改进的多目标优化算法及其在船舶设计中的应用

对多目标优化问题的固定加权和方法加以改进,采用随机权系数方法将多目标优化问题转换成为单目标优化问题,利用序列二次规划方法获得问题的最优解。由于权系数的随机性,多次运行能够得到多目标优化问题的Pareto优化解和Pareto前沿。和固定权系数相比,这种方法能够找到非凸均衡面上所有的Pareto最优解。采用TOPSIS法进行多属性决策(MADM)研究,对Pareto最优解给出排序。针对船舶概念设计阶段主尺度确定过程的多目标优化问题,给出了一艘散装货船两个优化目标的数值算例。计算结果表明,随机加权和方法可以求出多目标Pareto最优解集,和先验加权方法相比,随机加权方法能为设计者提供更多的选择;和遗传算法相比,现在的方法简便且精度良好。     

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。     

20000DWT近海散货船概念设计多学科优化

以20 000 DWT近海散货船为研究对象,分别建立以船舶造价、航速、回转性指数、应舵指数为目标的多个船舶概念设计优化数学模型。应用iSIGHT软件对这些数学模型进行集成,采用非支配解排序的多目标遗传算法(NSGA-Ⅱ)求解船舶概念设计多目标问题以获得Pareto解集。优化结果证明了NSGA-Ⅱ算法解决近海散货船优化设计问题的有效性,为解决更复杂工程系统的设计优化问题奠定了基础。     

改进的遗传算法在游艇舱室布局优化设计中的应用

针对游艇舱室布局这一复杂的多目标问题,在探讨遗传算法基本原理的基础上,提出以基于Pareto前沿的多目标优化方法NSGA-Ⅱ进行求解,然后分析游艇舱室布局的数学优化模型,并用NSGA-Ⅱ算法对其进行优化计算,并用实例进行验证。结果表明,这种算法确实有效,并得到一系列满足要求的最优解。     

军用物资集装箱储运合理配载方法

为充分利用军用集装箱的装载能力，提高军用物资的运输效率和运输安全性，提出运用实用启发式算法解决军用物资集装箱储运的配载问题，并进行实例验算：验算结果表明，与传统启发式算法相比，实用启发式算法能够更好地实现军用物资集装箱储运的合理配载，具有较高的应用价值。     

集装箱船的系固操作

分析集装箱船运输过程中配载、装载、航行、卸载各阶段的系固操作,给出相应解决方案,以期减少因系固不当而造成的事故及损失。     

船舶概念设计阶段多学科和多目标优化研究

船型设计之初,设计者往往会通过船舶多个学科的分析,并从很多船型方案中进行选择比较.该文基于多学科设计优化(MDO)的框架,采用多目标进化算法和决策技术的运用,讨论了船舶概念设计阶段的综合性能优化问题.将船舶总体概念设计按MDO的要求分解为系统控制层和5个子系统,考虑了排水量、综合效率、相对回转直径和造价等多目标函数,采用改进的非支配解排序的多目标进化优化算法(NSGA Ⅱ)和多学科可行解方法(MDF)求出Pareto最优解.然后用逼近理想解的排序方法(TOPSIS)对这些Pareto解进行选优.应用文中的方法,对35 000吨载重量的油船进行了概念设计分析.数值算例表明,综合多学科设计和多目标优化以及决策,能够有效、客观选择合理的船型和主尺度参数.     

基于多目标粒子群优化和主成分聚类分析的船舶主尺度分析

根据多个技术和经济指标进行船舶主尺度优化论证是船舶设计人员需要着重解决的问题。提出结合粒子群优化和主成分聚类两阶段的方法进行船舶主尺度论证分析。建立了以载重量、建造费用、服务航速和提供舱容为设计指标的水面船主尺度论证模型。采用多目标粒子群优化算法对船舶优化模型进行求解,获得问题的Pareto解集。使用主成分聚类分析对该数据集进行综合评价。先将Pareto解集进行主成分分析,使用前2个主成分就能够表达原始数据的绝大部分信息,再通过对主成分进行聚类,获得不同类别中Pareto解集的特征,根据第一主成分得分获得每个聚类中设计样本的排序,最终可以从Pareto解集中得到折中解。利用主成分分析和聚类技术还研究了变量在主平面上的映射以及聚类特性。给出了1艘水面船的主尺度论证算例,表明本文给出的方法合理可行。