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。     

粒子群算法在单矢量水听器方位估计中的应用

粒子群优化算法是一种新颖的进化算法,它基于群体迭代.群体中的粒子在解空间中追随适应度最优的粒子,调整速度与位置并搜索最优解.根据MUSIC算法的定向原理,建立适应度函数,利用粒子群算法对单矢量水听器方位估计算法进行优化.结果表明,优化后可以提高低信噪比时方位估计的精度,并实现对目标的三维定位,同时还可以避免因成阵所带来的使用限制.     

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。     

基于粒子群算法的船舶发电系统电路优化

船舶发电系统电路受到传感电机电磁耦合的影响,容易产生串扰,导致输出功率因素不高,需要进行电路优化设计。提出基于粒子群算法的船舶发电系统电路优化方法,构建船舶发电系统电路优化的控制约束参量模型,采用粒子群进化方法进行电路优化参数的自适应寻优,以粒子种群的适应度方差最小为约束条件,得到电路控制参数的最优解。以此为指导进行船舶发电系统电路的优化设计,并进行电路测试和仿真分析,得出采用该方法进行船舶发电系统电路优化能提高关联约束参量的寻优能力,发电系统控制的稳定性较好,发电系统的输出功率增益得到提升。     

蚁群算法在港口集装箱调配中的应用

传统的基于遗传算法的港口集装箱调配方法没有充分考虑集装箱调配过程中的影响因素,导致港口集装箱调配中花费的成本较多,为此将蚁群算法应用到港口集装箱调配中。首先确定港口集装箱调配的影响因素,主要因素包括集卡数量、集装箱数量、港口前沿和堆场距离、堆场的各个集装箱区的位置以及港口岸桥与龙门吊配置数量等,将影响因素作为可变成本,然后将集装箱调配成本花费最少作为优化目标,最后采用蚁群算法寻找花费成本最少的调配路径,以此完成港口集装箱调配。实验以可变成本与惩罚成本作为实验指标,结果表明,传统方法花费的可变成本与惩罚成本都比此次设计的方法花费的成本多,由此可证明此次设计的港口集装箱调配方法减少了调配成本。     

基于遗传算法的船舶电子商务物流中心站优化

现有船舶电子商务物流中心站选址方法以时间路径最短为目标,存在着选址合理性参数较小的问题,为了解决上述问题,提出遗传算法的船舶电子商务物流中心站优化研究。依据船舶物流特点构建物流中心站选址模型,构建模型是一个NP-hard问题,利用遗传算法寻求全局最优解,通过编码、初始化种群、适应度评价、遗传算子操作以及遗传算法求解确定最佳船舶电子商务物流中心站的位置,实现船舶电子商务物流中心站的优化。实验结果显示:与现有代表方法相比较,本文方法用户到物流中心站位置的单位运输时间较短、单位运输成本较低,表明本文方法选址合理性参数较大,具备更好的应用前景。     

件杂货船航线优化设计——以舟山群岛为例

本文针对舟山群岛的地理结构和环境特点,从船舶经营人的角度研究舟山群岛海运物流体系在构建与优化中的航线优化设计、配船问题,分析符合舟山群岛背景的物流运作模式和特点,同时确定满足不同服务水平下的最优运输路线与船舶的数量及类型,并在运营层面进行优化。本文从运输成本,调度成本和惩罚成本三个方面入手构建了以成本最小化为目标函数的数学优化模型,设计模拟退火算法求解,遗传算法构建初始解。结果表明对战术和运营层面的共同优化可以为决策者提供理论支持和实际参考并制定出更合理的决策方案。     

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。     

基于量子行为粒子群算法的可测试性设计方法

将量子行为粒子群算法用于复杂电子设备测试点选取问题中.该算法以最少的测试点、测试代价和最大的故障隔离率、检测率为目标定义粒子适应度函数,保证了算法的全局最优性能.仿真结果表明,与其他算法相比,量子行为粒子群算法提高了测试点选取的效率,能较好的保证其算法全局最优性能,为粒子群算法的改进和多目标优化问题提供了新的思路.     

基于粒子群算法的船舶物流智能配送系统

当前船舶物流智能配送系统存在配送路径并非最优,配送效率低,导致船舶物流智能配送成本存在居高不下的缺陷。为了节约船舶物流智能配送成本,找到理想的船舶物流智能配送路径,设计了基于粒子群算法的船舶物流智能配送系统。首先对船舶物流智能配送系统的工作流程进行描述,并重点描述船舶物流智能配送路径优化问题,然后设计了一种改进粒子群算法,并采用它实现船舶物流智能配送路径的优化。最后的测试结果表明,本文船舶物流智能配送系统可以在用户规定时间内将需求的产品送到目的地,降低了船舶配送成本,不仅可以帮助船舶物流配送企业提高管理,而且船舶物流配送结果优于其他的系统。