船舶平面分段流水线多目标模糊调度的改进粒子群算法

针对船舶平面分段建造过程中广泛存在的不确定性问题,考虑在平面分段流水线调度中引入更贴近实际的模糊调度。以模糊数表示加工时间和交货期,以最小化最大完工时间、最大化平均满意度为调度目标,建立平面分段流水线多目标模糊调度问题的数学模型,设计了求解该问题的改进多目标粒子群算法。提出一种按反Logistic曲线规律动态变化的惯性权重,从而在一定程度上平衡算法的全局和局部搜索能力;嵌入由3种邻域结构随机排列构造的变邻域搜索算子以增强算法的局部改良性搜索能力;采用一种基于拥挤距离的非支配解动态维护策略以提高解的分布性。结合实例数据,通过对算法进行比较,证实了各项改进措施的有效性,以及所设计算法求解平面分段流水线多目标模糊调度问题的优越性。     

船舶平面分段单流水线反应式模糊调度研究

本文针对船舶平面分段流水线调度过程中加工时间和交货期的不确定性,采用模糊化手段进行调度决策。为了应对船舶平面分段生产过程中的急件插入的情况,提出描述船舶平面分段单流水线反应式调度问题的数学模型,以最小化模糊最大完工时间makespan、最大化平均AICD、最大化平均AISS为调度目标,设计了求解模型的一种多目标文化基因算法。基于解的形式采用有效的变异、交叉操作,并嵌入局部搜索算子以增强算法搜索能力。本研究通过makespan和satisfaction两个指标反映算法的有效性,通过甘特图模拟仿真调度过程,为实际船舶平面分段的生产建造提供决策支持。     

单向航道约束下的港口自动指泊系统

针对连续型泊位分配的多港池港口船舶调度问题,重点考虑单向航道下船舶进出港的影响,同时兼顾潮汐因素对大型船舶进出港的影响、船舶靠离泊条件、港内装卸成本等因素,以港口有效泊位利用率最大化和成本最小化为综合目标,构建二维装箱模型。根据船舶进出港的约束条件,利用启发式规则产生初始解,通过单独或整体移动策略以及同步移动策略实现种群更新,并设计混合算法求解出规定时间内船舶进出港计划。经过唐山港的实际测试和使用,自动指泊系统有效地提升了港口的运行效率并节约了港口运营成本。     

双资源约束下的船舶管件柔性生产车间调度优化

针对船舶管件柔性车间的复杂制造环境，建立以完工时间为主要优化目标、以设备资源和辅助资源为约束条件的双资源约束柔性生产车间调度问题模型，设计一种改进布谷鸟算法对其进行求解。针对问题特征及复杂性，在布谷鸟算法核心框架不变的基础上，提出一种莱维飞行自适应步长因子；同时，设计基于2种局部搜索的巢寄生策略，并引入模拟退火算法，以解决工序维、设备维和资源维的调度优化问题。将该算法应用于企业实际生产模型，结果表明：改进算法能有效避免设备资源冲突，具备较好的综合调度特性。     

基于改进禁忌搜索算法的舰载机保障作业调度

[目的]舰载机出动能力是航母综合作战能力的重要指标,而舰载机保障作业调度将直接影响舰载机的出动能力,因此对舰载机保障作业进行合理调度能有效提高航母的作战能力。[方法]通过将舰载机保障作业调度问题转换成车间作业调度问题,建立保障作业调度模型。对传统禁忌搜索算法的初始解、搜索策略和禁忌列表长度进行改进,以减少最大完工时间为目标,提出一种改进的禁忌搜索算法来求解该模型。[结果]通过实验仿真验证了改进的禁忌搜索算法对于舰载机保障作业调度问题的适用性,且该改进算法在计算速度和优化结果方面均优于传统禁忌搜索算法。[结论]改进禁忌搜索算法可以有效地对舰载机保障作业调度问题进行求解。     

基于混合变异的人工蜂群算法

针对人工蜂群算法在求解函数优化问题中存在收敛速度慢、易于陷入局部最优的缺陷,提出了一种基于当前最优解的混合变异算子的人工蜂群算法(artitificial bee colony algorithm based on hybrid mutation operator,HMABC).该算法中跟随蜂采用基于当前最优解的差分进化搜索策略,侦查蜂采用基于当前最优解的高斯变异侦查策略,通过变异增加种群的多样性,并且在当前最优解的引导下有效提高了算法收敛速度,避免其陷入局部最优.基于6种测试函数的仿真实验结果表明,提出的HMABC算法在收敛速度和求解精度方面均优于其他人工蜂群算法.     

改进差分进化算法在舰船电力系统网络重构中的应用

针对舰船电力系统的网络重构,建立了以负载恢复量、开关操作数和发电机效率均衡为多优化目标的舰船电力系统故障恢复模型,提出了一种带自适应离散断点算子和动态变异、交叉因子的改进离散差分进化算法进行求解。改进后的算法能有效地提高收敛速度,并克服传统差分进化算法收敛精度不高、易陷入局部最优的问题。舰船电力系统网络故障恢复算例表明,该方法能获得更好的系统重构方案,并具有较好的优化性能。     

基于MOHSSA的组立装焊线混流低碳调度研究

以最小化完工时间、最小化碳排放为目标，建立船舶组立混流生产线低碳调度模型，并提出一种多目标混合麻雀搜索算法进行求解。基于离散问题设计一种二维向量编码方式，利用排序值规则实现连续位置与离散调度之间的转换；采用基于混沌映射和反向学习策略的种群初始化来改善初始解的质量；在保留麻雀搜索算法框架的基础上融合粒子群算法和鸡群算法，同时采取多种混合策略来提高算法的寻优能力；通过算例试验测试和某船厂的生产实例仿真验证了模型和多目标算法的有效性。     

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.     

航空母舰舰机适配性技术体系

  目的  舰载机出动能力是航母综合作战能力的重要指标,而舰载机保障作业调度将直接影响舰载机的出动能力,因此对舰载机保障作业进行合理调度能有效提高航母的作战能力。  方法  通过将舰载机保障作业调度问题转换成车间作业调度问题,建立保障作业调度模型。对传统禁忌搜索算法的初始解、搜索策略和禁忌列表长度进行改进,以减少最大完工时间为目标,提出一种改进的禁忌搜索算法来求解该模型。  结果  通过实验仿真验证了改进的禁忌搜索算法对于舰载机保障作业调度问题的适用性,且该改进算法在计算速度和优化结果方面均优于传统禁忌搜索算法。  结论  改进禁忌搜索算法可以有效地对舰载机保障作业调度问题进行求解。     

基于蚁群算法的港口船舶调度优化问题研究

港口船舶调度优化问题是当前一个公开的难题,传统方法无法获得理想的港口船舶调度优化方案,为了加快港口船舶调度速度,降低港口船舶调度成本,建立了基于蚁群算法的港口船舶调度优化模型。首先分析当前港口船舶调度优化研究现状,指出各种方法出现不足的原因,然后构建港口船舶调度优化问题的多约束优化目标函数,并引入蚁群算法对多约束优化目标函数进行寻优,求得港口船舶调度优化问题的最优解,最后进行港口船舶调度优化仿真模拟实验。相对于其他港口船舶调度优化模型,蚁群算法改善了港口船舶调度优化问题求解的效率,港口船舶调度优化问题的解质量更高,可以满足港口船舶调度管理的实际应用要求。     

基于改进蚁群算法的水下机器人路径规划算法

针对当前基本蚁群算法应用于水下机器人全局路径规划时存在路径搜索速度慢、容易陷入局部最优等问题,对其进行优化,提出一种改进蚁群算法。首先,改进算法引入A*算法作为新的初始路径搜索策略提高初始解的质量,加快算法收敛速度;针对特殊环境下算法容易陷入局部最优的问题做出优化,引入狼群分配策略进行蚂蚁回退。此外,对距离启发函数做出改进,综合考虑当前节点和下一节点以及下一节点和目标节点之间的距离,提高了算法搜索效率;提出一种信息素动态自适应更新策略,加快了算法前期搜寻效率,同时又扩大了算法后期搜寻范围。最后,以三次B样条法为基础引入路径平滑操作,去除规划路径结果中的冗余节点,减少了水下机器人移动过程中的能耗。仿真结果表明,和基本蚁群算法相比,改进算法不仅能取得更短、能耗更低的最优路径,收敛速度也更快。     

利用遗传算法进行船舶网络云资源调度

船舶网络在信息管理方面发挥着重要作用,但船舶网络的性能无法满足数据的增长速度,为此引入云计算技术来提升船舶网络的海量数据处理能力。如何利用资源调度策略提升船舶网络性能是云计算研究的重点。本文提出基于遗传算法的船舶网络云资源调度模型,遗传算法存在搜索后期效率低、易早熟等问题,为了解决算法存在的问题,根据元胞自动机原理,对遗传算法进行改进,提高资源调度的效率,提升船舶网络的性能。     

蚁群算法在船舶路径优化仿真中的应用

随着航运业的发展,海上物流的经济性成为各国需要考虑的重要因素之一,对各港口的船舶进行路径优化成为现代航运业的重要研究方向。同时,船舶的路径优化朝着智能化方向发展。蚁群算法是解决路径优化问题最常用的算法,但是其求解结果往往陷入了局部最优解,在海上船舶路径规划中具有局限性。本文研究传统路径优化中的蚁群算法,针对海上船舶航行特点,对蚁群算法中的信息素更新策略及搜索区域机制进行改进,提高算法的效率。     

船舶分段涂装并行施工调度优化

以国内某大型造船厂为背景,对船舶分段涂装施工调度问题进行优化,达到缩短分段涂装施工周期的目的。通过对分段计划管理模式的应用研究,分析船舶分段涂装的网络计划模型,制订船舶分段涂装生产分级网络计划模型,明确船舶分段涂装并行施工调度的优化方向,即引用基于遗传算法的模拟退火分层遗传算法(Simulated Annealing Hierarchical Genetic Algorithm,SAHGA),通过在算法中引入模拟退火的思路,改善算法对问题最优解的求解效率,对低层网络计划进行优化,使船舶分段涂装生产周期满足建造计划的需求。     

面向多约束的船舶组立构件建造作业调度方法研究

为了提高船舶中小组立等中间产品建造作业调度能力,提升船舶建造效率,提出面向多约束的船舶组立建造作业调度方法。首先,分析船舶组立建造的工艺流程和作业调度方法,综合考虑机器小组、工艺和交货期等多种约束条件,以建造周期最短为调度目标,建立船舶组立建造作业调度数学模型;其次,综合运用算法分解策略及调度规则,设计改进的最短作业优先调度算法实现模型求解;最后,以某船厂建造车间一定生产周期（17天）的中小组立先行中日程计划为对象,验证该方法的有效性和实用性。研究结果表明,所提出的面向多约束的船舶组立建造作业调度方法相较于当前的调度方法,排产周期压缩22小时,即缩短了原有周期的16.18%,有效提高了生产计划排产和作业调度效率。     

多目标进化算法在船舶设计中的应用

针对船舶概念设计阶段船型参数优化问题,根据快速性、操纵性、舱容衡准及基于经验公式建立船舶优化数学模型,采用改进的非支配解排序的多目标进化算法（NSGA-Ⅱ）,以推进系统总效率、舰船经验系数、相对回转直径及船舶造价4个参数为优化目标,选取若干设计变量,对50 000 DWT油船进行多目标优化.数值算例表明,改进的非支配解排序的多目标进化算法能够有效、客观地选择合理的船舶主尺度参数.     

改进的MODSA算法在船型优化中的应用

针对传统智能优化算法处理高维优化问题时易陷入局部最优解且优化效率低的问题,文章采用近几年提出的基于模型的动态抽样分配(MODSA)算法作为研究对象,该算法具有处理高维优化问题的潜力,但对某些复杂高维问题很难搜索到全局最优解。为避免MODSA算法陷入局部最优解,采用多元正态分布作为抽样分布并推导相应参数更新式;为进一步提升该算法的优化效率,采用均匀设计确定初始抽样分布的期望值并通过Sigma管理水平自适应确定初始方差。通过数值函数测试结果表明:改进的MODSA算法具有更好的优化性能。最后,将改进的MODSA算法应用于5100TEU集装箱船兴波阻力性能优化。     

自适应蚁群算法求解车间作业调度问题

车间作业调度问题(JSP)是组合优化问题中的NP-Hard问题,应用传统的蚁群算法在求解时存在易于陷入局部最优解、收敛速度慢等缺点.通过在蚁群算法的信息素局部更新策略和全局更新策略两处引入自适应方法对蚁群算法进行了改进,并应用此算法对经典的FT06问题和FT10问题进行了大量的求解试验.试验结果表明该自适应蚁群算法在求解车间作业调度问题时,搜索速度和收敛速度比传统的蚁群算法都有较好的提高.     

基于航道与泊位资源协调调度的船舶交通优化

将港口航道与泊位资源协调利用,可最大限度地提高港口运营效率。对此,以所有船舶总在港时间和等待时间最少为目标,建立基于单向航道的多目标船舶调度优化模型。根据港口不同区域的交通流特征,建立初始化约束、流量转换约束、时隙分配约束和泊位冲突消解约束等多个约束模型。设计多目标遗传算法进行求解,并设计有针对性的模拟场景进行验证;以港口某一繁忙时段的20艘船舶为例,进行调度试验。最终得到8个Pareto最优解和2个目标的最优解:总调度时间为2.618 6 h,添加惩罚后总等待时间为23.012 4 h。结果表明:该模型及算法给出的调度方案能有效提高船舶的调度效率。