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。     

自动化集装箱码头船舶配载研究

正集装箱船的大型化与码头自动化增加了港口码头的单次装卸作业箱量,而单次装卸作业箱量的增加使得作业任务更加困难,也对自动化集装箱码头的配载时间、效率和效果提出了更高的要求集装箱船的大型化与码头自动化增加了港口码头的单次装卸作业箱量,而单次装卸作业箱量的增加使得作业任务更加困难,也对自动化集装箱码头的配载时间、效率和效果提出了更高的要求。一、考虑箱区作业均衡的船舶配载优化     

基于专家系统的船舶配载智能控制策略

利用专家系统控制策略的思想,提出船舶装卸载分轮次序的控制原则、约束条件及实现原理。通过控制船舶的浮态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。利用专家系统的反向推理和正向推理相结合多级控制的控制策略,确定了船舶配载方案及船舶装卸载分轮次序,并提供船舶货物装卸载操作每一步的货物装舱顺序、时间及船舶浮态等性能指标,并通过实船计算验证系统的准确性和可操作性。本方法能迅速、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。     

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。     

基于改进NSGA-Ⅲ的内河集装箱船舶配载多目标优化

内河集装箱运输差异化特征导致船方配载决策时考虑多目标优化，为满足船舶运输经济性和适航性需求，以优化船舶堆栈占用数量、阻塞箱数量、稳性高度、横倾角值及纵倾值为目标，构建内河集装箱船舶配载多目标优化模型。为实现多目标优化问题有效求解，采用灰熵并行分析法改进第三代非支配遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅲ,NSGA-Ⅲ),将灰熵并行关联度作为适应度值引导算法进行精英选择。结果表明：改进后算法在求解性能表现上优于采用一般选择策略的算法，对算例参数设置具有较好鲁棒性，可为船方实际制定内河集装箱船舶配载计划提供一定决策支持。     

驳船自适应舱群配载中的自适应遗传算法研究

平地造船技术得到飞速的发展,相应的下水技术也在快速发展,但快速精准的驳船配载技术是其中的难题。因此本文开展一系列的舱群配载研究。首先获取驳船配载计算模型,然后利用遗传算法对此模型进行求解,最后设定遗传算法中的参数值,利用其进行模型求解,得到最优的驳船配载方案。在以后的研究过程中,可将编码的长度加长,以此来提高系统的精确度。     

遗传算法在港口集装箱装卸顺序中的应用

船舶在执行航运作业时,集装箱的排放序列及配载管理是影响集装箱物流效率的关键因素之一。合理的集装箱放置规划可以减少船舶停港时的倒箱作业,充分利用龙门吊作业时序分配,提高航运物流效率。船舶港口集装箱装卸顺序本质是一个NP模型,模型复杂性与集装箱种类及停靠码头数量有关。遗传算法是NP模型重要解决方案,本文在研究了现代船舶港口集装箱装卸模型的基础上,设计了基于遗传算法的解决方案,极大提高了装卸效率。     

基于内点法的驳船接载配载方案优化模型

根据驳船压载水舱的几何特点,提出了基于线性规划理论的驳船接载配载方案优化模型。该模型以所有调节水量绝对值之和为目标函数,以各压载水舱调节水量为设计变量,以力及力矩平衡为约束条件。针对该模型的特点,采用内点法求解。对一条新建散货船整体滑移上驳作业过程中压载舱排/注水方案进行了优化计算,结果表明:算法具有很好的收敛性,有效性和快速性,能适应驳船接载产品过程中的实时配载要求。     

港口卸载和存储集装箱物流调度研究

港口集装箱的调度是提高港口工作效率的关键问题之一。本文研究基于历史全局最优和局部最优的粒子群优化算法,利用此算法优化港口集装箱卸载和存储问题。最后通过装载50箱集装箱的实例,对本文的算法进行验证。集装箱装卸过程非常复杂,在后续研究中,应充分考虑装有特殊物品以及装卸过程中的翻箱等问题。     

集装箱船舶配载策略的比较分析

近年来海上集装箱运输得到迅猛发展,已成为国际贸易的最佳运输方式。集装箱船舶配载是集装箱运输过程的一个重要环节,目的是在保证船舶的稳性、强度、吃水等性能的同时降低运营成本、减少倒箱次数、提高集装箱运营效率。此文研究了四种配载方式,比较了四种模式的船舶稳性、强度、吃水差和倒箱率,给出了四种方式的优缺点,为提高船舶运营效率,减少船舶倒箱率提供辅助决策。     

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.     

利用线性规划优化集装箱船舶的配载

近年来,随着国际贸易和海洋运输业的快速发展,集装箱船舶容量越来越大,配载越来越复杂,以人工经验为主的传统集装箱配载方法已经无法满足行业对配载效率的要求。目前,利用计算机强大的计算能力解决集装箱船舶配载问题成为人们研究的重点。本文研究线性规划优化算法,提出集装箱船舶配载算法,有效提高船舶运输和港口运作效率。     

应用大数据技术的舰船跨境配载量智能统计方法

当前的一些方法由于存在倒箱次数较多与贝位满载率较低的问题,导致舰船跨境配载效果较差,因此提出一种应用大数据技术的舰船跨境配载量智能统计方法。首先应用大数据技术对舰船跨境配载数据进行挖掘,挖掘流程可以分为4个环节:确认任务与目标、实施数据预处理、实施数据挖掘以及结果解析和展示。接着对舰船跨境配载工作流网进行构建,构建的工作流网由3部分构成:变迁、库所以及变迁和库所间的关系。最后通过核心配载算法对舰船跨境配载量实施智能统计。获取某舰船的跨境配载数据,对所设计方法的平均倒箱次数与平均贝位满载率进行测试,测试结果证明该方法的平均倒箱次数较低而平均贝位满载率较高,说明设计方法取得了一定的研究成果。     

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。     

集装箱船配载的粒子群算法

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。     

英国劳氏船级社消息

最近劳氏船级社对用于各种船上的装卸装置提出了新的要求。这些要求保证了船舶安全。从1984年7月起,新建的长于65m的船舶须执行新的安全要求,下列船舶除外: 压载舱与货舱的配载变化可能性极小的船舶。     

支线集装箱船舶航线规划与配载协同优化

针对支线集装箱船舶运输中喂给港数和靠泊条件不一的实际背景,考虑船舶容量、行驶稳性和交付时间等约束,采用两阶段分层方法研究支线集装箱船舶航线规划和配载协同优化问题。两阶段中分别以所有船舶总运营成本最小和混装堆栈数最小为目标,构建船舶航线规划和配载优化的混合整数规划(MIP)模型,结合问题特征设计粒子群算法(PSO)求解模型。结果表明：模型与算法均可实现问题求解,对于较大规模的算例,模型最长求解时间超过600 s, PSO最长求解时间为16.66 s,平均10.00 s内完成求解,表现出较好的求解性能,可为支线集装箱船舶航线规划与配载协同优化提供决策参考。     

改进遗传算法在驳船配载中的应用

驳船是大型海洋结构物下水作业的一种常用运输工具。驳船的配载主要是依据静力学平衡原理和船舶基本知识对船舶浮态的调节。为了在较短时间内完成配载作业,对遗传算法进行了改进,提出种群全部交叉和分布式动态惩罚函数法等改进机制,对驳船配载中的调载水量分布进行优化。计算结果表明,改进遗传算法的配载方案比基本配载方案时间更短、效率更高。运用本改进遗传算法对驳船配载进行方案优化,能够满足工程要求,缩短上驳作业时间。     

船舶导航网络路由算法的实现

为了解决传统船舶导航网络路由算法数据丢包率高、执行时间长的难题,提出船舶导航网络路由算法研究。根据对现有算法存在难题的分析,搭建船舶导航网络路由算法架构,以此为基础,将获取的海上船舶密度作为权重值,构造带有权重值的有向图,并对最优转发路径进行选择。以得到的结果为基础,采用局部最优方法对最优转发路径计算区域进行优化。以优化结果为依据,对网络路由节点分配模型进行构建,实现了船舶导航网络路由算法的设计。通过实验得到,与传统船舶导航网络路由算法相比较,提出的船舶导航网络路由算法极大的降低了数据丢包率,缩短了执行时间,充分说明提出的船舶导航网络路由算法具备更好的性能。     

群智能优化算法的船舶信息管理任务批量流水调度研究

针对传统的船舶信息管理任务调度模型的调度平均等待时间长的问题,研究群智能优化算法的船舶信息管理任务批量流水调度模型。根据群智能优化算法理论,将调度过程中的船舶看作粒子,根据实际调度需求设定调度模型的参数。为缩短船舶调度平均等待时间,规划船舶调度的目标函数以及约束条件。计算粒子适应度,将粒子与任务分配一一映射,根据船舶可信度计算得到局部粒子最优解,更新粒子位置直至出现最优调度解,完成船舶信息管理任务批量流水调度模型的构建。通过与传统调度模型的对比仿真实验,验证构建的基于群智能优化算法的船舶调度模型能够缩短传统调度模型2/3的平均调度等待时间,提高了调度效率。