基于Pareto蚁群算法的船舶风险规避路径优化

船舶在海上航行时,一直面临着海上运输风险的威胁,为了降低海上运输风险同时考虑船舶经济效益,本文建立了以运输风险最小和航行成本最小的双目标路径优化模型,实现船舶风险规避.运用栅格法构建环境模型,为相应的栅格路径赋予航行成本和运输风险,并设计了一种基于Pareto最优解集和NSGA小生境方法的多目标蚁群算法.以印度洋海域的2条航线为案例,以经典单目标蚁群算法为对比,验证了模型和算法的有效性.结果表明,该模型和算法在解决船舶风险规避路径优化问题上具有良好的效果,能为决策者制定船舶海上运输风险规避路径提供决策参考.     

基于航运周期的班轮航线运力配置优化

针对航运的周期性特征,研究了处于航运上行期的多航线多船型配船与租船的联合优化问题,以及处于航运下行期的多航线多船型配船与运力闲置的联合优化问题,分别构建了混合整数规划模型,基于模型特点开发了相应的模拟退火算法,通过小规模问题实验确定了模型与算法参数,并通过与Lingo最优解的对比,显示了模型及算法的有效性;同时,现实规模问题的算例分析进一步验证了算法的实用性.     

终端区飞机排序的混合人工鱼群算法

为了保障飞行安全,对终端区着陆飞机进行有效的排序,建立了以航班延误总时间最小为目标函数的规划模型,以人工鱼群算法为基础,融合了遗传算法的选择操作和模拟退火算法的依概率接受的思想,形成混合人工鱼群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法以及蚁群算法进行了对比研究。仿真结果表明:与先到先服务相比,使用人工鱼群算法使得单跑道、双跑道延误分别减少了9·3%和48·0%,计算时间小于3s;与蚁群算法和模拟退火算法相比,求解的延误与时间最小,因此,提出的混合算法可行。     

集装箱码头岸桥调度优化模型及算法

为弥补集装箱码头岸桥调度问题的传统优化方法仅适用单船舶情况的不足,以总费用(所有岸桥使用费用和船舶停靠费用)最小为优化目标,考虑岸桥不可穿越性和安全距离约束条件,建立了了面向多艘船舶的集装箱码头岸桥统一调度和卸船任务分配问题的混合整数规划优化模型.使用任务网络图方法,搜索影响卸船任务最终完成时间的关键任务及其相应的限制任务路径,设计了基于限制任务路径进行邻域搜索的双层模拟退火算法求解模型.12个不同规模的算例结果表明:与分支定界法和遗传算法相比,本文算法节省时间6.32%~18.36%,近似最优解的质量更高,而且最优解目标值之间的差距仅为0.38%~2.20%;考虑岸桥之间的安全距离约束导致系统运营成本增加3.41%~11.21%.      

第Ⅰ类双边装配线平衡问题的改进蚁群算法

为克服传统算法求解大规模双边装配线平衡问题计算时间长、性能不稳定的缺陷,针对第Ⅰ类双边装配线平衡问题,应用综合信息素搜索规则与全局信息素更新规则,提出了一种先产生任务排列序列、后按启发式分配规则产生可行解的蚁群算法,可有效脱离陷入局部最优解.用改进蚁群算法对30个不同规模的问题进行求解,并与标准蚁群算法和禁忌搜索算法进行了对比.结果表明:改进蚁群算法求出29个最优解,比普通蚁群算法、禁忌搜索算法分别能多求得6个和3个最优解;应用于汽车双边装配线算例,在保持平衡效率的条件下,改进蚁群算法计算时间为21.01 s,比普通蚁群算法减少了9.14 s,计算效率提高了30.3%.      

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.     

双向蚁群算法在无人驾驶车辆路径规划中的应用

针对传统蚁群算法在无人驾驶车辆路径规划中收敛速度慢、易陷入局部最优等问题,提出一种全局路径规划的双向蚁群算法。通过双向搜索策略改进蚁群算法,设计相遇机制求解更多可行路径,提高算法全局搜索能力;引入奖惩因子分别扩大和减小双向搜索后的较优路径和较差路径对信息素浓度的影响,加快求解最优路径的速度;最后在Matlab中模拟无人驾驶车环境,随机生成不同地图面积和障碍物出现率的车辆仿真栅格地图,比对传统蚁群算法和双向蚁群算法的实验效果。结果表明:双向蚁群算法的迭代次数和求解时间明显减少,在加快收敛速度、提高全局搜索能力以及避免局部最优方面有较大改进。     

基于改进蚁群算法的多AGV泊车路径规划

针对智能停车库中自动导引小车(Automated Guided Vehicle,AGV)存取车的路径规划问题,提出一种基于改进蚁群算法的多AGV泊车路径规划方法.单AGV路径规划方面,在基本蚁群算法基础上引入蚂蚁回退策略来增强适应性,同时改进启发式信息和信息素更新策略提高算法的收敛速度和寻优能力.多AGV路径规划方面,提出改进冲突解决策略来解决多AGV之间的冲突,其中采用临时规避-重新寻路策略来解决相向冲突.针对某典型停车场抽象模型的仿真结果表明,改进蚁群算法寻路成功率更高,并具有较强的全局搜索能力和较快的收敛速度,改进冲突解决策略能合理避免冲突,可以满足多AGV存取车路径规划的要求.     

基于泊位计划的集装箱码头岸桥动态调度优化

所谓基于泊位计划的集装箱码头岸桥动态调度问题,是指在计划周期内,在每艘船舶均已安排了靠泊时间和靠泊位置的前提下,将有限的岸桥资源在船舶上的装卸任务间进行动态分配与排序,以最大限度地减少计划期内所有船舶的滞港时间. 在充分考虑岸桥不能交叉作业、装卸任务有作业顺序要求等现实约束下,对此问题构建了非线性数学规划模型,基于问题自身的特点设计了基于任务排序的染色体结构,用遗传算法进行求解. 通过与文献中单船的调度结果的对比、单船岸桥调度与多船动态岸桥调度结果的对比,以及多船动态岸桥调度的仿真实验,证明了模型及算法的有效性.     

Identification of Dynamic Parameters Based on Pseudo-Parallel Ant Colony Optimization Algorithm

IntroductionReal ants are capable of finding the shortest pathfrom a food source to the nest. Inspired by this factand the behavior of ant colonies, a novel optimizationalgorithm called ant system (AS) was first developedby Dorigo in1992[1]. In the following years, diversemodifications of the AS algorithm were made andapplied to many different types of optimization prob-lems, and satisfactory results were obtained. Re-cently, the AS algorithm has been extended to an al-gorithm for solving d…     

基于串联排队网络的三峡-葛洲坝水利枢纽联合调度模型

为了提高三峡-葛洲坝水利枢纽的整体通过能力,分析了三峡-葛洲坝水利枢纽联合调度的实际需求,建立了三峡-葛洲坝水利枢纽联合调度数学模型,考虑了闸室面积利用率最大、整体待闸时间最小两个目标函数和船舶编排过程中的八个约束,应用串联排队网络理论求解模型。算法将申报船舶按照航向分成四个船舶序列,动态计算每艘船舶的权重,兼顾船舶长度与宽度优先,待闸时间约束、葛洲坝船闸通航条件限制和任务均衡的要求,循环排船,逐步优化。应用结果表明应用该数学模型和编排算法编制一个计划期的两坝五闸计划仅需2 min,编排时间短,葛洲坝2#船闸的闸室面积利用率高于70%,并且客船和旅游观光船均排在前面的闸次中,说明客船的待闸时间约束是满足的,并且在航向上是上下航向交替运行,没有出现倒闸情况,编制的计划满足实际调度需要。     

具有粒子群特征的并行蚁群算法在输电网络规划中的应用

输电网络规划是一个复杂的多变量非线性整数规划问题,针对蚁群算法计算时间长、易陷入局部最优解等问题,本文提出一种新的具有粒子群特征的并行蚁群算法,并应用于输电网络规划.实验结果证明了该算法在输电网络规划优化中应用的可行性和有效性.     

城市物流无人机起降点布局规划研究

针对城市物流无人机起降点布局规划问题，考虑不同级别的物流无人机起降点，构建以总经济成本最小和客户满意度最高为目标，以禁飞区、无人机性能、容需匹配等为约束的整数规划模型。设计人类学习优化算法(HLO)，引入随机学习算子、个体学习算子和社会学习算子。在此基础上，基于真实地理信息数据和物流数据设计仿真实验，验证模型与算法有效性。实验结果表明，所建模型可以实现起降点的合理布局规划，适用于大规模资源配置，具备有效性；人类学习优化算法较遗传算法求解精度与收敛速度更优，表现出较佳性能。参数分析表明，基于该仿真环境的最优经济成本权重和客户满意度权重设置为0.4和0.6，最佳算法学习概率参数组合为5/n和 (0.8+2/n)。据此可对城市物流无人机起降点布局规划提供决策依据。     

水路交通技术发展趋势

对水路交通技术趋势相关文献开展文献计量分析，从主要研究国家、作者与关键词等方面梳理了研究脉络；综合国内外水路交通发展指导政策、前瞻报告与典型案例，分析并总结了水路交通技术发展现状，研判了未来水路交通技术发展趋势。研究结果表明: 水路交通技术将朝着以下5个方向发展。在水路运载工具方面，运输船舶逐步少人化，内河、近海、深远海船舶发展趋于谱系化；在航运基础设施方面，航道设施、能源供给、信息网络发展趋于一体化，并且船岸协同能力增强，船舶远程操控可实现，岸基船舶控制中心建设成为水运基础设施重要组成部分；在船舶动力方面，日趋严格的减排目标推动船用清洁能源发展，船舶动力系统将呈现多能源化和电动化；在船舶航行方面，多船协同运输可提高运输效率，内河、近海船舶编队航行成为运输新模式；在海事监管与安全方面，智能系统的应用使船舶人因事故逐步降低，智能无人系统救援成为现实。研究成果可以有效指导水路交通系统的未来规划、设计、建设与应用，为培育和发展水运新业态，逐步实现未来新一代航运系统提供有力支撑。      

互联网定制公交的网络调度模型及其求解算法

针对互联网定制公交服务模式中存在的路线规划不合理、缺乏成熟的通用模型等问题,本文首先采用K-mean算法对居民的实时出行需求进行聚类,在此基础上构建了面向互联网定制公交,以最大需求服务率和最小费用为双层目标,以最大载客量和乘客时间阈值等因素为约束条件的动态网络调度模型,进而针对模型的快速求解设计了基于Hadoop平台的并行蚁群算法.以广州市为例,对模型与算法的有效性、实时性进行检验,结果表明,所提出模型和算法可应用于实际互联网定制公交业务中,对推进"互联网+交通运输"具有积极的意义.     

随机用户均衡交通分配问题的蚁群优化算法

研究了出行者对路网熟悉程度的指标与交通流分配均衡性之间的关系, 提出了具有指数形式信息素更新策略的随机用户均衡模型蚁群优化算法, 建立了从Logit模型加载, 到交通需求确认及路径流量、路段流量、路段阻抗、路径阻抗迭代计算的交通分配动态循环流程; 计算了Nguyen-Dupuis路网模型中各路段的流量与阻抗, 并与连续平均算法计算结果进行比较; 通过调节出行者对路网熟悉程度的因子, 分析了蚁群优化算法与连续平均算法的敏感性。研究结果表明: 采用连续平均算法和蚁群优化算法计算的路段流量分布分别为20~280、40~260pcu, 蚁群优化算法的流量分布区间减小了15.4%, 路段流量的最大值减小了7.1%, 因此, 采用蚁群优化算法计算的路段流量较为均衡; 采用蚁群优化算法时, 在Nguyen-Dupuis路网模型中各路段流量的标准差从65pcu降至48pcu, 88%可选路径的阻抗分布在61~64, 且84%的路径阻抗低于采用连续平均算法计算的阻抗, 因此, 采用蚁群优化算法减少了用户出行时间; 当路网熟悉程度分别为0.01、0.1、1、2、7、11时, 采用连续平均算法计算的路段流量标准差分别为75、65、50、47、45、45pcu, 采用蚁群优化算法计算的路段流量标准差分别为48、48、48、47、43、43pcu, 可见, 随着路网熟悉程度的增大, 分配在各路段上的流量范围逐渐减小, 标准差趋于稳定, 信息素更新策略对出行者的路径选择概率影响越明显, 出行者选择阻抗小的路径的概率变大, 因此, 采用蚁群优化算法对路段的流量分配逐渐优于连续平均算法。      

船舶调度闸外编排算法

为了提高船闸的通过能力,优化船舶进闸调度,分析了三峡船闸船舶的平均过闸间隔时间,提出了闸外编排的概念,分析了船舶在进闸调度中的操作流程,以安全性和进闸耗时为目标,建立了闸外编排的数学模型,设计了相应的启发式求解算法,将模型的目标和约束条件通过启发式方法生成船舶在闸外的排序法则。数值试验分析结果表明闸外编排数学模型切实可行,排序算法可以生成安全高效的进闸方案,闸外编排的实现考虑了船舶进闸时间和安全性原则,缩短了闸次间隔时间,提高了日开闸次数,有效地提高了通航设施的整体通过能力。     

基于蚁群算法的动车组周转计划研究

通过对高速铁路动车组运用现状进行分析,建立了高速铁路动车组在不固定区段使用条件下周转优化的指派模型,并提出了解决该组合优化问题的蚁群算法,以及动车组使用数量的公式.最后以武广客专为算例,计算出动车组优化运用方案,并铺画了一个车站相关的动车组周转图.通过验证,本文模型和算法具有可行性.     

������Լ����������-��ʽ�����������

针对无容量约束的单分配轴-辐式物流网络设计问题的特点,为其建立了单分配p-枢纽中位模型,并提出了一种基于蚁群算法的启发式求解算法. 该算法分两步实现：首先利用蚁群算法来确定网络中枢纽节点的位置,然后用另一种启发式算法将非枢纽节点分配给枢纽节点,同时,将一种基于6种邻域结构的变邻域搜索算法作为蚁群算法的局域搜索策略以提升算法的全局搜索能力,并加快收敛速度. 最后结合澳大利亚邮政数据进行了算例仿真实验,并对蚁群算法中参数的合理设置进行了测试分析,实验结果表明,该算法在求解此问题时有着良好的有效性和较快的求解效率.     

无容量约束单分配轴-辐式物流网络设计

针对无容量约束的单分配轴-辐式物流网络设计问题的特点,为其建立了单分配p-枢纽中位模型,并提出了一种基于蚁群算法的启发式求解算法. 该算法分两步实现：首先利用蚁群算法来确定网络中枢纽节点的位置,然后用另一种启发式算法将非枢纽节点分配给枢纽节点,同时,将一种基于6种邻域结构的变邻域搜索算法作为蚁群算法的局域搜索策略以提升算法的全局搜索能力,并加快收敛速度. 最后结合澳大利亚邮政数据进行了算例仿真实验,并对蚁群算法中参数的合理设置进行了测试分析,实验结果表明,该算法在求解此问题时有着良好的有效性和较快的求解效率.