带二维装箱约束的客货滚装船配载决策

客货滚装船长期处于人工配载状态，其独特性导致其无法直接采用已有滚装船配载方法.为提高客货滚装港口配载的决策水平，针对配载过程的两阶段和二维装箱特性，以船舱面积利用率最大为目标，构建客货滚装船配载决策模型.为实现大规模求解，设计偏随机密钥混合遗传算法求解，算法由多阶段启发式嵌入偏随机密钥遗传算法构成.多阶段启发式首先通过首层配载、主体配载和补充配载三段启发式完成初始解构造，其次采用横纵倾优化策略调整船舶稳性.算例研究表明，偏随机密钥混合遗传算法表现良好，且在大规模应用实验中鲁棒性较好，可实现客货滚装船的有效配载.     

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.     

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.     

求解TSP和MTSP的混合遗传算法

许多应用涉及多推销员问题（MTSP），已有许多启发式算法求解TSP的最优或近似最优路线，但研究MTSP的算法并不多，结合启发式算法和遗传算法，设计了求解TSP和MTSP的混合遗传算法，数字实例说明了该算法的有效性。     

基于两阶段启发式算法的公路网布局研究

为形成科学、合理的公路网布局方案,为公路网布局实践提供理论支撑,以节点重要度为基础,在一定的约束条件下,以满足节点间的运输需求为目的,以路网总旅行时间最小为目标构建混合整数规划模型.在此基础上,以路段重要度和运输需求为启发式条件,设计基于随机游走算法和模拟退火算法的两阶段启发式算法,对MATLAB生成的随机算例进行求解.计算结果表明,在算法迭代初期,节点重要度较大的节点优先被连通,伴随迭代次数的增加和一定的随机扰动,节点在实现全部连通的基础上以路网总旅行时间最小为目标进行优化,最终获得目标函数值最优的公路网布局方案.算例求解过程符合公路网规划实践规律,表明了该模型和算法的有效性,同时表明模拟退火算法对随机游走算法求得的初始解具有一定的优化效果.可以看出,两阶段启发式算法能在较短时间内求解NP-hard问题并获得相对满意的解,可为求解大规模网络优化问题提供一定的方法借鉴.     

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.     

具有学习效果的两机流水车间调度启发式算法研究

以最小化时间表长为目标函数,对具有学习效果的两机流水车间调度问题进行研究.由于工序加工时间引入了学习效果,传统的Johnson法则和NEH启发式算法不再适用.针对该问题的NP-hard特性,提出了JNEH和MNEH两种求解问题的多项式启发式算法.计算机数据实验证明了新的启发式算法求解问题的可行性和有效性;表明了JNEH启发式算法和MNEH启发式算法对小规模问题求解的精度更高、稳定性更好;同时证明MNEH启发式算法对求解大规模问题具有比传统算法更好的寻优性能和鲁棒性.     

带硬时间窗车辆路线问题的混合遗传启发式算法

为了提高物流配送效率,建立了集货和配送一体化的带硬时间窗的车辆路线问题的数学模型,提出了混合遗传启发式算法,并对模型进行了求解。采用改进节约法与随机法相结合的手段构造了初始解群体以增加解的多样性,对遗传算法中较优的一部分染色体进行了禁忌搜索以使搜索更容易跳出局部最优,同时加快搜索初期的搜索速度。仿真计算结果表明:混合遗传启发式算法具有更好的适应性,采用改进交叉算子使解的精度提高11.0%;在宽时间窗情形下采用倒位变异可使解的精度提高11.6%。     

供应链订单任务分配模型及其混合遗传算法

建立了面向供应链的多产品、多订单、多时段的订单任务分配的混合整数线性规划模型.为缩短求解时间和避免大量非法染色体出现,设计了基于遗传算法和启发式规则相结合的混合遗传算法.通过算例比较了该算法和SAS软件的OR模块.结果表明,与SAS/OR模块相比,该算法最优解误差为2.3%,但计算运行时间仅为SAS/OR模块的0.89%.     

城市垃圾清运中的周期多车场车辆路径问题

城市垃圾清运问题可以使用周期多车场车辆路径问题来很好地描述.将这种典型的复杂组合优化问题分为两个阶段依次求解:首先求解整数规划,解决清运周期问题;然后采用一种混合遗传算法解决多车场车辆路径问题,从而可以降低求解难度.     

集装箱码头装船顺序和场桥行驶路径联合优化

为降低倒箱量、缩短场桥作业时间,在已知船舶配载图和堆场堆存状况的条件下,研究了出口箱装船顺序及场桥行驶路径联合优化问题.以作业时间衡量装船顺序产生的倒箱量及场桥行驶路径,建立作业时间最短为目标的整数规划模型,设计均衡倒箱量和场桥作业时间的启发式算法对模型进行求解,提出了问题下界的求解方法,同时,设计算例比较了启发式算法与下界的差异,为码头调度人员提供决策支持.     

基于BP神经网络的集装箱船舶配载问题研究

针对集装箱船舶对配载的快速性、高效性需求,根据BP神经网络对历史数据的分析,结合集装箱船舶的特性深入研究集装箱智能配载方案.基于集装箱船配载图和各卸货港信息等历史数据,通过BP神经网络对历史数据进行训练优化,挖掘其中规律,从而快速生成对各类集装箱合适的配载位置,优化装船作业,提高集装箱船舶配载效率,达到节约成本的效果.最后采用实船数据进行测试,仿真结果与实际配载结果差异率不大,说明该研究方向对于集装箱配载方案优化是有效的.     

内河集装箱港锚地—泊位资源配置多目标决策

鉴于锚地—泊位资源配置直接影响内河集装箱港的运作效率,且受到内河航道及岸线等设施资源制约,本文在考虑船舶通行安全的基础上,运用随机服务理论,以港口总成本和船舶在港等待时间最小为目标,建立内河集装箱港锚地—泊位配置的多目标规划模型,设计了一种针对非线性整数规划问题的实代码遗传算法,并以重庆某集装箱港作为算例,验证该模型的合理性和算法的有效性,同时分析了不同船舶到港强度和泊位服务强度下的锚地—泊位最佳配置关系,为建立和拓展内河集装箱港资源优化和配置提供理论基础.     

风险矩阵法在军运船舶配积载安全评估中的应用

在对风险矩阵评估方法的概念和整个理论体系进行分析和总结的基础上,对风险矩阵法应用于军运船舶配积载安全评估进行了研究,并从风险影响和风险概率两个准则入手,对军运船舶配积载进行了示范性风险评估。研究结果对提高航务军代处风险管理水平有积极促进作用,对科学合理地组织军运船舶配积载有参考价值。     

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。     

一种集装箱船配载问题改进算法探讨

集装箱船配载问题是整个集装箱海上运输工程中重要的一个环节。在装箱问题的降序最先适应算法和降序最优适应算法的基础上,提出了一个改进的降序最优适应的集装箱船配载算法,模拟配载的结果表明该算法能够较好解决集装箱船配载问题的求解。     

考虑随机需求和时间约束LIRP联合协同优化

针对多节点多层次多功能的供应链管理中整体效益亟待提高的问题，结合某连锁超市的单一供应商、多分销中心、多零售店所构成二级分销网络，建立以系统总成本和供货时间为目标的多目标选址-库存-路径问题（location-inventory-routing?problem，LIRP）集成规划模型. 利用线性加权法将其转化为单目标规划模型，提出遗传算法和节约里程法相结合的两阶段启发式算法并求解模型，第1阶段用遗传算法求解选址-库存问题，第2阶段用节约里程算法求解车辆路径规划问题. 并结合某连锁超市实例，对不同总成本权重下的不同决策方案的分销网络进行LIRP集成优化，优化后的系统方案比原文献的总里程减少了3 606.9 km，系统总成本减小了6 526.2 元，缺货成本降低了124.6 元，只有19.7元，验证了模型和算法的有效性.