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。     

崔家营航电枢纽优化调度研究

水库优化调度是复杂的多目标问题,以往的优化调度研究工作中多以发电量最大、发电保证率最大或者最小出力最大为单一目标,局限于发电优化,无法兼顾供水、防洪以及航运调度。研究通过对崔家营航电枢纽复杂运行模式的研究,以航运和发电为目标,建立了崔家营枢纽多目标调度模型,以2012年水文年作为典型年,运用动态规划算法对模型进行求解,产生了模型最优解,首次提出了优化调度准则,对枢纽的实际运行具有较大意义。     

集装箱运输船舶调度的多目标优化模型建模

在多通道运输环境下,集装箱运输船舶调度是一个复杂的多元目标优化模型,提出一种基于自适应回归分析的集装箱运输船舶调度的多目标优化模型,采用多源信息特征重组方法进行集装箱运输船舶资源信息重构,结合自适应学习方法进行集装箱运输船舶资源的信息融合处理,采用非线性二元自回归分析方法实现集装箱运输船舶调度的控制目标函数构建,采用多目标均衡优化策略求解控制目标函数的全局最优解,实现集装箱运输船舶的最优化调度。仿真结果表明,采用该方法进行集装箱运输船舶调度的均衡性较好,提高了运输时效性。     

双向通航港口船舶调度优化模型与算法

为提高双向通航港口船舶调度的安全性和调度效率,研究双向通航港口船舶调度优化模型和算法。考虑船舶属性和船舶交通状况等因素,基于船舶调度安全性、连续性和高效性要求,建立以单向/双向通航模式转换、航道与泊位协调和安全性为约束的双向通航港口船舶调度多目标优化模型;设计双向通航港口船舶调度多目标遗传算法获取最佳调度方案。对试验所求的调度方案进行一般性安全检验、双向通航安全检验和双向通航与单向通航转换安全性检验,结果表明:提出的双向通航港口船舶调度优化模型与算法能在保证安全的前提下有效获取船舶调度方案,提高双向通航港口船舶调度效率。     

基于多船舶技术下的交通客流调度数学模型优化

在多船舶下进行交通客流调度是一个非线性的多目标规划问题,采用传统的线性调度模型会出现稳态误差。提出一种基于拟线性双曲反演控制的多船舶技术下的交通客流调度数学模型,构建多船舶技术下的交通客流调度的控制约束参量模型,采用Riccati拟线性双曲微分方程进行交通客流调度的数学建模,在渐进稳定约束泛函下进行调度模型的最优解向量分析,采用稳态补偿和自适应反演积分调控方法进行全局稳定性收敛控制,实现交通客流调度优化。仿真实验表明,采用该模型进行多船舶技术下的交通客流调度,能提高客流运输量,调度模型的全局稳定性较好,全过程自适应能力较强。     

盐邵线扬州段通航分析与仿真研究

盐邵线扬州段航道条件差,运行复杂,易形成航道堵塞。分析造成航道拥堵的主要原因,提出相应对策,同时,构建多节点航运调度仿真模型,引入调度准则和评判标准,模拟研究盐邵线扬州段的船舶航行情况及调度措施效果。结果表明:盐邵线扬州段为多节点航道,盐邵船闸的通过能力为制约全线通过能力的关键;造成盐邵线航道拥堵的主要原因是同向船舶追越、异向节点交会,因此应借助过闸船舶运行调度来减少航道堵塞现象的发生;通过多节点航运调度模型,可进行盐邵线航运调度模拟和优化,尽管优化方案对船舶耗费时间减少效果不明显,但可以有效降低盐邵线的拥堵风险,后者对盐邵线调度更具指导意义。     

基于物联网技术的船舶高效调度系统

船舶的定位和调度系统包含船舶位置、航行状态、航线交通状况和船舶通信等信息,对提高航运物流水平、应对海上突发事故和船舶导航等方面有重要意义。随着通信技术、无线网络技术和自动化技术的发展,船舶调度系统需要进行技术升级。本文主要结合新兴的物联网技术和AIS技术,对传统的船舶调度系统进行优化,提高了船舶调度系统的自动化水平和工作效率。     

船舶调度降本增效的有效途径

分析航运企业船舶调度业务的操作标准和细节,从船期控制、燃油管控、备舱、货量、港口使费及服务和创新意识等方面总结提炼出调度工作中降本增效的有效途径,对航运企业的调度业务起到借鉴和指导意义。调度员应认真寻找操作中的短板,从细节中谋求优化,向深度挖掘潜力,将降本增效落实到整个航次中,实现航运企业效益的最大化。     

多目标模糊优化在船舶结构设计中的应用

船舶结构设计的科学性决定了其强度、刚度等机械特性,也决定了船舶的航运能力。传统的船舶结构设计往往无法对非确定性因素(比如变化载荷、鲁棒性等)进行全面的考虑,一旦初始设计变量出现小幅度变化,设计结构的可行解就有可能成为非可行解或者偏离解。本文针对船舶结构设计出现的多变量、多目标问题,结合多目标模糊优化算法和有限元分析等技术,提出一种船舶结构设计的多目标优化方法。     

基于动态二叉树的西江航运干线多梯级船闸链调度

针对西江航运船闸调度以经验管理为主、缺乏有效定量分析现状,提出了基于船闸拥堵系数、船舶日积压损失、航道安全水位各要素于一体的西江航运干线多梯级船闸联合调度链。基于西江航运干线天然的叶脉状分布特点,提出了动态二叉树模型的西江多梯级船闸链的调度算法。结果表明:通过对船舶的合理分流,能够有效缓解船闸滞航减少事故发生率。其模型已应用于航运管理部门,有效地优化了船闸链调度、保障了航运物资安全。     

网络优化调度算法在船舶大数据通信中的应用

针对船舶大数据通信存在的通信障碍问题,提出一种基于网络优化调度算法的船舶大数据通信方案。结合网络优化调度算法对船舶大数据通信特征信息进行采集,并划分通信数据的特征类别,以保证在复杂还有环境下船舶通信的有效性。利用网络优化调度技术,对船舶通信数据进行有效调度,进行数据类别划分和去噪清洗处理。为了保证数据处理效果,对数据处理步骤进行优化,并按照网络数据结构及链路进行数据分组传输,保证船舶数据通信的有效性。最后通过实验证实,相对于传统船舶通信方法而言,网络优化调度算法在船舶大数据通信中的应用效果明显更优,能显著提高船舶通信数据调度任务的执行和传输效率,有效解决现有通信障碍问题。     

网络优化调度算法在船舶数据通信中的应用

传统船舶数据通信方法能完成低频带数据通信任务,但针对频带超过500 MHz数据通信,存在数据信号不稳定传输失真率较高的问题。为此提出网络优化调度算法在船舶数据通信中的应用。在网络优化调度算法中导入TPS事务处理系统,使用PMS过程监视系统对船舶数据通信链进行监控调度,采用IC外围控制方式对整合数据流进行合理分配,实现船舶数据通信结构层优化;利用全频段连接方法以及数据分离法,实现船舶数据通信性能的提升。实验数据表明,设计网络优化调度算法导入船舶数据通信中,比传统方法在全频带环境下信号稳定度提升6%,数据失真率下降37.89%。     

VTS系统船舶调度优化研究

文中在综合考虑了船舶航行安全因素和航运效率的情况下,采用基于海面能见度、风速、水流、引航和船舶尺度等因子进行加权的方式来评价调度方案,并建立了一个数学模型。验证模型通过调度参数的设定和调整可以得到最佳的调度方案。     

基于人机交互-蚁群算法的船舶交通多航道调度优化

传统基于纯蚁群算法的船舶交通多航道调度优化无法根据实际情况调整船舶优先级,船舶占港时间较长,经济效益差,因此设计一种基于人机交互-蚁群算法的船舶交通多航道调度优化方法。建立多航道调度优化模型,明确各船舶调度策略,确定调度时间、等待时间最小的目标函数,建立避免调度过程中产生混乱和协调船舶交叉的约束条件;在调度优化中引入人机交互-蚁群算法,采用人工设置临时改变船舶工作的优先级,以此来提高港口工作效率,并设置算法的搜索顺序,完成船舶交通多航道调度优化的研究。在算例仿真中,为验证传统方法与设计方法的调度结果,设置港口参数并分析两方法的调度方案,结果表明设计的方法得到的方案能有效缩短船舶平均在港口的停留时间和恢复正常生产所需要的时间。     

汉江襄阳以下梯级枢纽联合优化调度研究

在梯级航运枢纽运行中,需要通过枢纽联合调度系统协调好各项任务,实现综合效益最大化。针对汉江崔家营枢纽和雅口枢纽的运行目标,通过分析发电效益和通航基流保障率之间的制约关系,基于FPGA对其开展联合优化调度研究。文中建立了以周为计算时段的调度模型,提出了以综合考虑航运与发电两种情况为目标的枢纽联合优化调度方案及优化调度准则,并对提高汉江襄阳以下梯级枢纽通航基流保障率做了初步的探讨。     

蚁群和粒子群优化融合算法在船舶网络资源调度中的应用

在互联网技术高速发展的今天,网络互联技术已经被广泛应用在船舶的自动化控制领域,通过集中化的网络资源管理,船员可以有效地对船舶上的电力系统、导航系统和通信系统进行资源调度,从而达到最优化的水平。本文从船舶的实际控制需求出发,结合最新的人工智能技术——蚁群和粒子优化融合技术,对船舶网络资源进行数学模型的构建。并结合粒子群优化融合算法对蚁群网络的空间布局进行优化,从而使船舶的网络资源在动态调整中达到平衡。仿真结果表明,经过蚁群和粒子群融合算法优化过的船舶网络资源调度效率更高,具有很好的实际应用前景。     

营运碳强度指标影响下的班轮航速优化

随着全球航运碳排放量的不断增长，节能减排已成为全球航运业发展的必然趋势。本文基于海洋环境保护委员会第76届会议通过的营运碳强度指标及评级制度对营运船舶的影响，从降低成本、节能减排的目的出发，在对航线上各航段载货情况进行预测的前提下，建立油耗预测模型与船舶航速优化模型，实现以降低油耗为目标的更精准航速优化。这对于班轮公司管理者和船舶服务方在全球航运碳减排趋势背景下的营运优化具有一定的实践意义。     

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。     

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。     

进化粒子群优化算法在船舶纵向运动参数辨识算法设计中的应用

我国航运事业飞速发展,各种类型和用途的船舶被制造出来,以满足经济发展的需要。而在复杂的海洋环境航行时,由于天气环境可能会非常恶劣,船舶的航行安全受到了严重的威胁。而基于进化粒子群优化算法的控制系统,能够有效对运动参数进行优化,从而避免发生意外,船舶纵向运动的控制是本文的研究重点。由于船舶的纵向控制需要多个系统联合同时进行,需要对众多的相关参数进行时序上的优化,从而找到最优的一组运动模态,以提高航行的安全性。