粒子群算法应用于装船顺序整数规划模型

在装船的过程中受到不同因素的制约,因此装船顺序问题是组合优化问题。本文研究船舶的稳定性和翻箱率问题,将航程作为约束条件,建立装船顺序整数规划模型,最后利用粒子群算法进行模型求解,通过实验结果可以看出,此方法收敛速度快,能够求取得到全局最优解。     

集装箱翻箱优化方案设计

提出了堆场翻箱问题的整数规划模型。对已知的初始堆码状态，在同一个贝住内翻箱，使其最终堆码状态满足积载计划规定的装船次序，目标是使翻箱次数最少。实验结果表明，该模型求解速度快，解的质量高。     

集装箱船舶货物实配过程的遗传算法改进方法

传统船舶货物实配遗传算法存在分配精度较低、最优解较为局限等弊端。为解决上述问题,提出集装箱船舶货物适配过程遗传算法的改进方法。通过实配图规划、实配影响因素探究2个步骤,确定集装箱船舶货物的实配要求。在此基础上,通过更新货物实配编码、确定装配适应度函数、调整遗传算法流程3个步骤,完成集装箱船舶货物适配过程遗传算法的改进。与传统算法相比,改进算法可以有效解决船舶货物分配精度较低、最优解局限性较高等问题。     

散货港装船设备分配与船舶交通组织协调优化

针对装船设备利用率与船舶进出港效率不匹配的问题,提出了一种应用于散货港口的装船设备分配与船舶交通组织协调优化模型,同时设计了一种基于启发式筛选规则的多目标遗传算法(Multi-Objective Genetic algorithm based on Heuristic Screening Rules, MOGA-HSR)。该算法融合了单向航道的船舶交通组织规则以及船货匹配规则,使用一种自适应交叉及变异概率函数,加快了求解的收敛速度。以黄骅港煤炭港区为例设计仿真试验,结果表明,MOGA-HSR求得的船舶进出港总时间和船舶总等待时间比带精英策略非支配排序的遗传算法(Genetic Algorithm for Non-Dominated Sorting with Elitist Strategy, NSGA-Ⅱ)求解结果分别缩短2.7%和2.5%,比先到先服务(First Come First Service, FCFS)求解结果分别缩短38%和30.8%,验证了模型和算法的有效性。     

集装箱港口装船作业模式下场桥和内集卡跨箱区联合调度优化

为了进一步缩短集装箱船舶在港靠泊时间,基于场桥作业区域划分思想,综合考虑场桥分配均衡、场桥任务量均衡和集装箱任务顺序等实际约束,以装船任务总完成时间最短为目标,构建场桥和内集卡跨箱区协同调度方法,并设计包含带改进操作的遗传算法进行求解.对比实证分析表明,在装船任务一定的情况下,所提出的调度算法能够进一步缩短场桥和内集卡...     

船舶网络通信最优路径的规划与设计

最优路径的规划与设计对船舶网络通信系统至关重要,针对当前船舶网络通信最优路径的规划与设计方法存在数据传输成功率低、数据传输时延长的缺陷,提出基于蚁群优化算法的船舶网络通信最优路径规划与设计方法。首先对当前船舶网络通信最优路径的规划与设计研究进展进行回顾,指出各种船舶网络通信最优路径的规划与设计方法的缺陷,然后采用蚁群优化算法搜索食物原理对船舶网络通信最优路径的规划问题进行求解,找到最优的船舶网络通信最优路径,最后采用C++编程实现了船舶网络通信最优路径的规划仿真测试,结果表明,蚁群优化算法可以提高船舶网络通信系统的数据传输成功率,减少船舶网络通信数据传输时延长,数据丢包率大幅度减少,获得了理想的船舶网络通信效果。     

船舶航线规划数学建模及求解的人工智能算法

在原有的船舶航线规划数学建模求解算法的使用过程中,其对航向目标函数构建能力较差,导致航向运行成本较高。因此,设计船舶航线规划数学建模及求解的人工智能算法。在航线规划数学模型构建前,需要对路线规划问题进行描述与假设,并设定合理的目标函数。根据此目标函数,选定线性函数作为蓝本,构建约束条件过滤器,同时使用此约束条件过滤器处理结果对可行航线展开分析,得到最优航线方案。构建仿真实验环节,通过与目前使用的求解方法对比可知,此算法的航线选择结果最佳,且成本最低。     

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。     

船舶物流路径规划的数学模型构建及求解

船舶物流路径规划的研究具有十分重要的经济价值,当前船舶物流路径规划方法无法找到最优的船舶物流路径规划方案,使得船舶物流运输的成本过高,为此本文设计了基于蚁群算法和粒子群算法的船舶物流路径规划方法。首先分析船舶物流路径规划研究的历史,建立船舶物流路径规划的数学模型,然后采用粒子群算法对船舶物流路径规划的数学模型进行求解,找到有效的船舶物流路径规划方案集合,并在此基础上采用蚁群算法对船舶物流路径规划方案集合进行搜索,找到最优的船舶物流路径规划方案,最后与单一蚁群算法、粒子群算法进行了船舶物流路径规划问题求解的仿真实验。本文方法避免了单一蚁群算法、粒子群算法求解速度慢,难以找到最优船舶物流路径规划方案不足,得到的船舶物流路径规划方案可以帮助企业节约物流运输成本。     

降低码头堆场进口重箱提箱翻箱率策略——以青岛前湾集装箱码头为例

受堆场区域空间、设施设备能力、生产组织和经营管理水平以及海关、商检等单位业务因素的影响,集装箱码头堆场翻箱率居高不下。集装箱码头堆场翻箱分为装船翻箱、提箱翻箱和移箱翻箱[1],其中,移箱翻箱是由于客户提箱顺序与堆场集装箱堆