基于离散序列的大型船舶运输调度系统

由于当前船舶运输调度系统在运行过程中难以对海量数据进行有效处理,易导致耗时过大、运行速率低的问题。基于此,提出基于离散序列的大型船舶运输调度系统设计。首先对船舶运输调度系统硬件配置进行完善,并结合离散序列算法对大型船舶运输路径调度软件算法进行优化,最后简化船舶运输调度流程,实现对船舶运输调度系统的合理设计。通过实验证实,相对于传统调度系统而言,基于离散序列的大型船舶运输调度系统耗时相对更低,且调度速率也明显提高,充分满足研究要求。     

蚁群算法在港口船舶物流中的应用研究

在全球化经济日益繁荣的今天,国内出现了众多超大吞吐容量的港口,同时各种超级运输船舶也被制造出来,因此在全球港口运输能力有限的情况下,如何有效安排船舶物流的作业流程,改善港口运输效率,对提高经济效益,降低成本显得非常必要。因此,本文主要分析现阶段港口运输行业面临的主要问题,并基于蚁群算法提出具体的优化措施。通过建立港口船舶物流的数学模型,对物流运输中的任务序列进行优化调度,从而最终确定最优的调度算法。     

船舶监控系统中的大数据处理平台研究

首先阐述了基于大数据平台的船舶监控系统的功能,以及船舶监控系统的工作流程,指出研究此系统的关键技术是大数据平台任务分布式查询和作业调度,然后通过对传统研究算法的改进,设计了ITPUT分布式查询算法和Three-Queue作业调度算法,最后实验结果表明本文所改进的算法响应时间短、执行效率高。     

基于云计算的船舶数据并行调度算法研究

传统船舶数据并行调度算法,存在数据调度速度较慢、并行识别准确率较低等弊端。为有效解决上述问题,设计基于云计算的船舶数据并行调度算法。通过云计算架构的搭建、SBS数据云体系的搭建,完成船舶云计算环境的搭建。通过船舶数据感知调度、多目标船舶数据的并行调度、算法性能分析,完成基于云计算船舶数据并行调度算法设计。模拟算法工作环境,设计对比实验结果表明,新型算法与传统算法相比,大幅提升数据调度速度、并行识别准确率等属性。     

基于有向图规划的船舶物流运输最优路径选取算法

传统的船舶物流运输最优路径选取算法的运行效率低,为了解决这个问题,提出基于有向图规划的船舶物流运输最优路径选取算法。利用有向图规划法,确定有向图规划船舶物流运输路径冲突分流点,采用深度优先遍历算法,获取船舶物流运输最优路径。为突出算法优势,在经典算法基础上,对其做出改进,在算法结束后,逆序打印每一条路径,选取最优路径,由此,完成基于有向图规划的船舶物流运输最优路径选取算法的设计。在实验中,采用有向图作为实验样本,对2种算法进行对比实验.实验结果显示,所提算法相比传统的船舶物流运输最优路径选取算法运行效率更高。     

基于多船舶技术下的交通运输客流调度数学模型设计与实现

船舶的交通运输客流调度是一个系统工程。针对多船舶下客流调度难度较大的问题,提出一种基于多船舶技术下的交通运输客流调度数学模型,采用非线性Levenberg-Marquardt方程构建交通运输客流调度的参量输入输出模型,进行多船舶运输下的客流调度的约束参量分析,建立交通运输客流调度的控制目标函数,进行调度运输问题数学模型的优化求解。实验结果表明,该交通运输客流调度数学模型能提高客流的吞吐量,避免船舶和客流的冲突和堵塞,模型具有全局收敛性。     

港口码头大型接卸船舶物流调度方法

针对传统船舶物流调度方法物流运营收益较低的问题,提出一种港口码头大型接卸船舶物流调度方法,对大型接卸船舶泊位资源进行配置,通过设置物流调度条件,建立港口码头大型接卸船舶物流调度模型,利用模拟迭代算法对模型进行求解,实现港口码头大型接卸船舶的物流调度,为了证明该方法的物流运营收益较高,将该方法与基于局部最优解的船舶物流调度方法、基于可能域的船舶物流调度方法、基于改善算法的船舶物流调度方法进行对比实验,结果证明该方法的物流运营收益最高,说明该方法最适用于大型接卸船舶的物流调度。     

基于云计算的船舶大数据并行调度算法研究

港口对大量船舶进行同时调度时,需要计算非常庞大的数据,传统船舶调度算法很难在短时间内完成计算工作,为此提出基于云计算的船舶大数据并行调度算法研究。建立云计算体系与大数据信息的并行调度框架,完成船舶大数据并行调度计算;采用SQL语言对并行调度核心步骤进行编写,将云计算结果导入并行调度算法体系中,实现船舶大数据并行调度计算。实验数据表明,设计的并行调度算法能较传统计算效率提高37.1%,并短时间内完成所需的计算任务,提高船舶的调度效率。     

基于蚁群算法的海洋港口物流运输系统研究

传统海洋港口物流运输系统存在货物运输目标参量与船舶调度路径间的协同性异常问题,导致货物运输船舶调度的精准度误差增大。因此,提出蚁群算法的海洋港口物流运输系统研究。首先,在系统硬件中加入船舶货物ID采集硬件,通过货物相关数据,建立起协同数据模型;接着;根据协同模型对运输路径进行基础模型计算,最后;通过蚁群算法,对路径与协同数据进行匹配性最优计算,从而得到最佳的物流调度方案,实现货物与路径的最佳协同性效果。为了验证设计系统的运输调度效果,通过仿真实验来完成对设计系统性能的验证,证明提出设计系统具有提升港口物流运输货物与船舶路径规划协同性的作用。     

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。